Cómo trabajamos con Artificial Intelligence
Cada proyecto sigue una estructura clara de seis etapas. Así evitamos sorpresas, controlamos los costos y entregamos modelos que funcionan en el entorno real del cliente, no solo en un entorno de pruebas.
Seis etapas, de principio a fin
Desde la primera llamada hasta el modelo funcionando en producción, esto es lo que pasa.
Diagnóstico inicial gratuito
Empezamos con una videollamada de 45 minutos. Tú describes el problema que quieres resolver y nosotros hacemos preguntas sobre tus datos, sistemas y equipo. No necesitas saber nada de IA para esta conversación.
Al terminar, evaluamos internamente si el problema es viable con inteligencia artificial o si hay una solución más simple que te conviene más. En 48 horas te enviamos un documento de dos páginas con nuestro diagnóstico, el enfoque técnico que proponemos y un rango estimado de inversión. Este diagnóstico no tiene costo ni compromiso.
Exploración de datos
Si decides avanzar, firmamos un acuerdo de confidencialidad y accedemos a una muestra de tus datos. Revisamos su formato, volumen, calidad y completitud. Muchos proyectos fallan porque los datos tienen problemas que nadie detectó a tiempo: campos vacíos, duplicados, categorías inconsistentes.
Generamos un informe de calidad de datos con gráficos y estadísticas descriptivas. Si encontramos problemas serios, te lo decimos con claridad y proponemos cómo resolverlos antes de seguir. Esta etapa dura entre tres y cinco días hábiles, dependiendo del volumen de información.
Diseño de la solución
Con los datos explorados, definimos la arquitectura del modelo: qué algoritmo usar, cómo preprocesar las variables, qué métricas de rendimiento son relevantes para tu negocio y cómo va a interactuar el modelo con tus sistemas actuales (ERP, CRM, base de datos, API interna).
Documentamos todo en una especificación técnica que revisamos contigo. Si algo no tiene sentido para tu equipo, lo ajustamos. No avanzamos al desarrollo hasta que ambas partes estén de acuerdo en lo que se va a construir y cómo se va a medir el éxito.
Desarrollo y entrenamiento del modelo
Aquí es donde el equipo técnico construye el modelo. Limpiamos los datos, creamos las variables derivadas, dividimos los conjuntos de entrenamiento y validación, y entrenamos múltiples versiones del modelo para comparar su rendimiento.
Trabajamos en sprints de dos semanas. Al final de cada sprint te mostramos los avances: métricas actuales, errores frecuentes del modelo y los ajustes que planeamos para el siguiente ciclo. No desaparecemos durante semanas para luego presentar un resultado final. Tú ves el progreso en tiempo real.
El tiempo total de esta fase varía según la complejidad. Un modelo de clasificación de texto puede estar listo en dos semanas. Un sistema de visión por computador con múltiples clases suele necesitar entre cuatro y seis semanas.
Validación y pruebas en entorno real
Antes de desplegar, probamos el modelo con datos que nunca vio durante el entrenamiento. Medimos precisión, recall, F1-score y las métricas de negocio que acordamos al inicio (por ejemplo, reducción de falsos positivos o ahorro estimado en horas de trabajo).
Si el modelo no alcanza los umbrales definidos, iteramos. A veces el problema está en los datos de entrada, otras veces en la elección del algoritmo. Lo importante es que no pasamos a producción con un modelo que no cumple lo prometido.
En esta etapa también hacemos pruebas de carga para asegurar que el modelo responde en el tiempo que necesitas. Si tu caso requiere respuestas en menos de 200 milisegundos, verificamos que la infraestructura lo soporte.
Despliegue, monitoreo y soporte
Desplegamos el modelo en la infraestructura acordada: puede ser tu nube privada, un servicio gestionado como AWS o GCP, o incluso un dispositivo local si la latencia lo exige. Configuramos pipelines de monitoreo que nos alertan si el rendimiento del modelo baja con el tiempo, algo que ocurre cuando la distribución de los datos cambia.
Incluimos 90 días de soporte técnico después del despliegue. Durante ese periodo resolvemos incidencias, ajustamos parámetros y, si es necesario, reentrenamos el modelo con datos nuevos. Al terminar el soporte, te entregamos toda la documentación y el código fuente para que tu equipo pueda mantener el sistema de forma autónoma.
¿Por qué un proceso estructurado?
Hemos visto proyectos de IA que fracasan porque alguien empezó a entrenar un modelo sin entender bien el problema de negocio. Otros fracasan porque el modelo funciona en el notebook del científico de datos pero nadie planificó cómo integrarlo con el sistema de facturación del cliente.
Nuestro proceso existe para evitar esos dos errores. Las primeras tres etapas aseguran que entendemos el problema y que los datos son suficientes. Las últimas tres garantizan que lo que construimos funciona fuera del laboratorio.
No es un proceso rígido. Si tu empresa ya tiene datos limpios y un equipo técnico que puede colaborar, acortamos las primeras fases. Si el problema es exploratorio y no hay certeza de qué modelo usar, dedicamos más tiempo al diagnóstico y a la experimentación. Adaptamos la estructura al contexto, no al revés.
Preguntas frecuentes sobre el proceso
Respuestas a las dudas que escuchamos con más frecuencia en las primeras conversaciones con clientes.
Depende del alcance. Un modelo de clasificación de texto con datos estructurados puede costar entre 8 y 15 millones de pesos colombianos. Un sistema de visión por computador con múltiples cámaras y clases de detección suele estar entre 25 y 50 millones. El diagnóstico inicial es gratuito y en él te damos un rango preciso para tu caso.
No es requisito. Muchos de nuestros clientes no tienen científicos de datos ni ingenieros de machine learning. Lo que sí necesitamos es una persona de tu lado que conozca el proceso de negocio y pueda responder preguntas sobre los datos. Puede ser alguien de operaciones, finanzas o cualquier área que entienda el problema que queremos resolver.
Es lo más común. La mayoría de empresas con las que trabajamos tienen datos en hojas de cálculo, bases de datos sin normalizar o sistemas que no se comunican entre sí. Parte de nuestro trabajo en la etapa de exploración es limpiar y estructurar esos datos. Si el desorden es demasiado grande, te proponemos un proyecto previo de ingeniería de datos antes de pasar al modelo de IA.
Sí. Facturamos por etapa, no por proyecto completo. Si después de la exploración de datos decides que no quieres continuar, pagas solo esa fase y te quedas con el informe de calidad de datos que generamos. No hay penalización por cancelación.
Un proyecto sencillo (clasificación binaria con datos tabulares limpios) puede completarse en cuatro a seis semanas desde el diagnóstico hasta el despliegue. Proyectos de visión por computador o NLP con múltiples idiomas suelen tomar entre ocho y doce semanas. Te damos fechas estimadas por etapa en el documento de diagnóstico inicial.
¿Listo para dar el primer paso?
El diagnóstico inicial es gratuito. Cuéntanos tu problema y en 48 horas recibirás nuestra evaluación con un enfoque técnico y un estimado de inversión.
Solicitar diagnóstico