Desde Medellín diseñamos modelos de inteligencia artificial adaptados a datos reales de su operación: inventarios, imágenes médicas, flujos de producción, comportamiento de clientes. Sin promesas genéricas.
Solicitar diagnóstico gratuito
Cada proyecto sigue cuatro fases definidas. No hay cajas negras: usted ve los datos, las métricas y el código en cada etapa.
Antes de escribir una línea de código revisamos qué datos tiene, en qué formato están y si son suficientes para entrenar un modelo útil. Analizamos bases SQL, archivos CSV, imágenes DICOM, logs de sensores IoT o cualquier fuente que su operación genere. En dos semanas entregamos un informe de viabilidad con tres escenarios: el optimista, el conservador y el que no recomendamos intentar. Si los datos no alcanzan, le decimos con claridad y le sugerimos qué recopilar durante los próximos meses para volver a evaluar.
Construimos un primer modelo con un subconjunto representativo de sus datos. Este prototipo no es una demo bonita: es un pipeline completo que ingiere datos crudos, los preprocesa, ejecuta inferencia y devuelve resultados medibles. Usamos Python, PyTorch o TensorFlow según el caso, y entregamos notebooks documentados para que su equipo técnico pueda replicar cada experimento. Al final de esta fase usted tiene métricas concretas: precisión, recall, latencia de inferencia y costo estimado de cómputo mensual.
Un modelo que vive en un notebook de Jupyter no sirve para nada. Empaquetamos la solución como una API REST o un microservicio en Docker y la conectamos a su ERP, CRM, sistema de cámaras o plataforma web. Trabajamos con AWS, GCP y Azure, y también con servidores on-premise si sus políticas de datos lo exigen. Configuramos monitoreo de drift para detectar cuándo el modelo empieza a perder precisión porque los datos del mundo real cambiaron.
Los modelos se degradan. Un clasificador de defectos entrenado en enero puede fallar en julio si la materia prima cambió de proveedor. Ofrecemos contratos de mantenimiento trimestral donde reentrenamos con datos nuevos, ajustamos hiperparámetros y actualizamos dependencias de software. Cada ciclo incluye un reporte con las métricas antes y después del reentrenamiento para que usted vea el valor real del mantenimiento.
No hacemos "de todo un poco". Nos concentramos en cinco áreas donde tenemos experiencia comprobada con clientes colombianos y latinoamericanos.
Detección de defectos en líneas de producción, conteo automático de objetos en bodegas, lectura de placas vehiculares y análisis de imágenes médicas. Trabajamos con cámaras industriales Basler, FLIR y cámaras IP convencionales. Los modelos corren en GPU local o en la nube según su presupuesto.
Pronósticos de demanda para retail, predicción de fallas en maquinaria pesada, scoring crediticio para fintech y estimación de tiempos de entrega en logística. Cada modelo incluye intervalos de confianza para que usted sepa cuánto confiar en la predicción.
Clasificación automática de tickets de soporte, extracción de datos de facturas y contratos en PDF, chatbots internos entrenados con la documentación de su empresa. Usamos modelos de lenguaje afinados, no APIs genéricas que envían sus datos a terceros.
Conectamos modelos de IA con flujos RPA para eliminar tareas manuales repetitivas: validación de documentos, conciliación bancaria, generación de reportes regulatorios. Un cliente del sector salud redujo de 14 horas semanales a 40 minutos la revisión de autorizaciones médicas.
Talleres prácticos de 16 horas para equipos de ingeniería que quieren construir capacidad propia en machine learning. No son charlas motivacionales: sus ingenieros salen con un modelo entrenado sobre datos reales de la empresa y un repositorio Git listo para iterar.
Las dudas que escuchamos con más frecuencia en reuniones iniciales con clientes.
Depende del problema. Para clasificación de imágenes con transfer learning, 500 ejemplos etiquetados por categoría suelen bastar para un prototipo viable. Para series de tiempo, pedimos al menos 18 meses de histórico con granularidad diaria. En el diagnóstico inicial le decimos exactamente cuánto necesita.
Solo si usted lo autoriza. Podemos trabajar con infraestructura en la región de São Paulo de AWS (la más cercana) o con servidores locales en su data center. Firmamos acuerdos de confidencialidad antes de recibir cualquier archivo.
Un prototipo de visión por computador con integración básica oscila entre 18 y 45 millones de pesos colombianos. Proyectos de NLP con fine-tuning de modelos grandes pueden superar los 80 millones. El diagnóstico inicial es gratuito y le damos un presupuesto detallado antes de comprometerse.
No necesariamente. Entregamos documentación suficiente para que un desarrollador backend con conocimientos básicos de Python pueda operar el sistema en producción. Si prefiere autonomía total, nuestro programa de formación prepara a su equipo en 4 semanas.
En la fase de diagnóstico evaluamos la viabilidad. Si durante el prototipo las métricas no alcanzan el umbral acordado, le entregamos el análisis completo de por qué no funcionó y qué cambiar. No cobramos la fase de integración si el prototipo no cumple los criterios mínimos definidos en el contrato.
Trabajamos con ambas. Hemos entregado proyectos para startups de agtech con 8 empleados y para empresas manufactureras con más de 2.000 trabajadores. Lo que importa es que el problema esté bien definido y que existan datos para abordarlo.
Cuéntenos qué problema quiere resolver. Respondemos en menos de 24 horas hábiles.
Avenida Elsa Nájera Caraballo, 7, 050001 Medellín, Antioquia, Colombia
