Servicios de Artificial Intelligence
Cada servicio está diseñado para resolver un problema concreto de negocio. No vendemos tecnología por la tecnología: antes de proponer nada, necesitamos entender qué datos tienes, qué procesos quieres mejorar y cuánto estás dispuesto a invertir.
Automatización de procesos con IA
La mayoría de las empresas con las que trabajamos dedican entre 15 y 30 horas semanales a tareas que un modelo de clasificación o extracción puede resolver en segundos. Hablamos de cosas como categorizar facturas entrantes, extraer datos de formularios escaneados, enrutar tickets de soporte al departamento correcto o generar resúmenes de informes largos.
Nuestro proceso para un proyecto de automatización típico dura entre 6 y 10 semanas. Las dos primeras las dedicamos a mapear el flujo de trabajo actual, medir tiempos y volúmenes, y definir métricas de éxito. Las siguientes cuatro a seis semanas son de desarrollo, pruebas con datos reales y ajuste del modelo.
Qué incluye
- Auditoría del proceso actual (entrevistas con el equipo, análisis de datos históricos)
- Diseño de la arquitectura de la solución y selección del modelo
- Desarrollo del pipeline de datos y entrenamiento del modelo
- Integración con los sistemas existentes (API REST, webhooks, conexión directa a base de datos)
- Periodo de supervisión de 4 semanas tras el despliegue
Un ejemplo reciente: una empresa de distribución en Barcelona procesaba 1.200 albaranes al mes de forma manual. Después de implementar un sistema de extracción automática con OCR y un clasificador entrenado con sus propios documentos, el tiempo de procesamiento bajó de 4 minutos por albarán a 22 segundos, con una tasa de acierto del 96,3 %.
Modelos predictivos a medida
Los modelos predictivos sirven para anticipar qué va a pasar con tus datos. Los tres casos más frecuentes que trabajamos son predicción de demanda (cuánto producto vas a necesitar la semana que viene), predicción de abandono de clientes (qué usuarios tienen mayor probabilidad de darse de baja) y mantenimiento predictivo (cuándo va a fallar una máquina o componente).
Para que un modelo predictivo funcione, necesitamos datos históricos. El mínimo razonable son 12 meses de registros con suficiente granularidad. Si tienes menos, podemos trabajar con técnicas de aumento de datos, pero los resultados serán menos fiables y lo decimos desde el principio.
Cómo funciona el proyecto
Empezamos con una prueba de concepto de 3 semanas. Tomamos una muestra de tus datos, entrenamos un modelo inicial y medimos su precisión. Si los resultados son prometedores (precisión por encima del umbral que acordemos juntos), pasamos a la fase de producción: un modelo completo con reentrenamiento automático semanal o mensual, panel de visualización y alertas configurables.
El coste de la prueba de concepto se descuenta del proyecto completo si decides continuar.
Tecnologías que usamos
Python, scikit-learn, XGBoost, LightGBM y, cuando el volumen de datos lo justifica, redes neuronales con PyTorch. Para el despliegue usamos contenedores Docker sobre la infraestructura que el cliente prefiera: AWS, Azure, Google Cloud o servidores propios.
Visión artificial y procesamiento de imagen
La visión artificial permite que un sistema identifique objetos, defectos, personas o patrones en imágenes y vídeo. Hemos trabajado en control de calidad industrial (detección de defectos en piezas metálicas y componentes electrónicos), conteo automático de productos en estanterías y lectura de matrículas para gestión de aparcamientos.
Un proyecto de visión artificial requiere imágenes de entrenamiento. Si no las tienes, las generamos durante la fase de recogida de datos: instalamos cámaras temporales, capturamos entre 2.000 y 10.000 imágenes (dependiendo de la complejidad del problema) y las etiquetamos internamente.
Plazos típicos
La recogida y etiquetado de datos lleva de 2 a 4 semanas. El entrenamiento y ajuste del modelo, otras 3 a 5 semanas. La integración con el sistema de producción (PLC, cámara IP, software de gestión), entre 2 y 4 semanas más. Total: de 7 a 13 semanas según la complejidad.
Para el proyecto de la fábrica de Vigo que mencionamos en la página de inicio, el modelo final detectaba defectos de soldadura con una sensibilidad del 98,1 % y una especificidad del 99,4 %, procesando 12 imágenes por segundo en una GPU Nvidia T4.
Nuestro proceso de trabajo
Todos los proyectos siguen la misma estructura, con variaciones en la duración de cada fase según el alcance.
Diagnóstico
Dos semanas de análisis: entrevistas con tu equipo, revisión de datos disponibles, identificación de oportunidades. Al final, entregamos un informe con recomendaciones y un presupuesto detallado.
Prueba de concepto
Tres semanas para construir un prototipo funcional con datos reales. Medimos resultados y los comparamos con el rendimiento actual. Si no superan el umbral acordado, no avanzamos.
Desarrollo
De cuatro a diez semanas de ingeniería: modelo definitivo, pipeline de datos, integración con tus sistemas, pruebas de carga y seguridad.
Despliegue y soporte
Puesta en producción con un periodo de supervisión incluido de cuatro semanas. Después, ofrecemos contratos de mantenimiento mensual con SLA de respuesta de 4 horas.
Orientación de precios
Cada proyecto es diferente, pero estos rangos te dan una idea del orden de magnitud. El presupuesto final depende del volumen de datos, la complejidad del modelo y las integraciones necesarias.
| Servicio | Duración estimada | Rango de inversión |
|---|---|---|
| Diagnóstico inicial | 2 semanas | 2.500 € – 4.000 € |
| Automatización de procesos | 6 – 10 semanas | 12.000 € – 35.000 € |
| Modelo predictivo | 6 – 12 semanas | 15.000 € – 45.000 € |
| Visión artificial | 7 – 13 semanas | 20.000 € – 60.000 € |
| Consultoría y formación | 1 – 4 días | 1.800 € – 6.000 € |
| Mantenimiento mensual | Continuo | Desde 800 €/mes |