Preguntas frecuentes sobre Artificial Intelligence

Hemos reunido las dudas más comunes que recibimos de empresas que evalúan integrar inteligencia artificial en sus operaciones.

Sobre nuestro proceso de trabajo

Depende del alcance. Un proyecto de clasificación de documentos con datos estructurados puede estar listo en 6 a 8 semanas, incluyendo las dos semanas iniciales de diagnóstico. Proyectos de análisis predictivo con múltiples fuentes de datos suelen requerir entre 10 y 16 semanas. Los proyectos de procesamiento de lenguaje natural que involucran entrenamiento de modelos propios pueden extenderse a 20 semanas.

Entregamos un cronograma detallado con hitos semanales antes de firmar el contrato, para que sepas exactamente qué esperar en cada fase.

No es obligatorio. Hemos trabajado con empresas que no tienen ni un solo desarrollador en nómina. En esos casos, nosotros nos encargamos de todo: desde la extracción de datos hasta el despliegue del modelo en producción.

Si tu empresa cuenta con ingenieros o analistas de datos, los integramos al proyecto desde el inicio. Esto acelera la transferencia de conocimiento y reduce la dependencia de nuestro equipo después de la entrega.

Es lo más normal del mundo. La mayoría de las empresas con las que trabajamos tienen datos en hojas de cálculo, sistemas ERP que no se comunican entre sí, y registros con campos vacíos o inconsistentes.

La primera fase de cada proyecto incluye una auditoría de calidad de datos. Identificamos qué se puede limpiar, qué se puede imputar con técnicas estadísticas y qué definitivamente hay que recolectar de nuevo. Te entregamos un informe con recomendaciones concretas para mejorar la calidad de tus datos a futuro, independientemente de si continúas trabajando con nosotros.

Los proyectos de automatización de documentos parten desde COP 18.000.000 (aproximadamente USD 4.500). Proyectos de análisis predictivo con integración a sistemas existentes oscilan entre COP 35.000.000 y COP 80.000.000, dependiendo de la complejidad y el número de fuentes de datos.

Ofrecemos un diagnóstico inicial gratuito de dos horas donde evaluamos tu caso y te damos un rango de inversión realista antes de que te comprometas con nada.

Sobre la tecnología

Python es nuestro lenguaje principal. Usamos PyTorch y scikit-learn para el entrenamiento de modelos, FastAPI para APIs de producción, y Docker junto con Kubernetes para el despliegue. Los dashboards los construimos con Streamlit o Grafana, según las necesidades del cliente.

Para procesamiento de lenguaje natural en español, trabajamos con modelos basados en la arquitectura Transformer, incluyendo versiones ajustadas de modelos abiertos que entrenamos con datos específicos del dominio de cada cliente.

Ambas opciones son posibles. La mayoría de nuestros clientes prefieren despliegue en nube (AWS o Google Cloud) porque reduce los costos de infraestructura y facilita el escalamiento. Pero si tu empresa maneja datos sensibles que no pueden salir de tus instalaciones (por ejemplo, historias clínicas o datos financieros regulados), configuramos todo para que funcione en tus propios servidores.

El costo de infraestructura en nube varía, pero para un modelo de clasificación que procesa 10.000 documentos al día, el gasto mensual típico está entre USD 80 y USD 200.

Los modelos de machine learning se degradan cuando los datos del mundo real cambian con respecto a los datos con los que fueron entrenados. Esto se llama data drift y es inevitable.

Configuramos pipelines de monitoreo que miden la precisión del modelo en producción cada semana. Cuando detectamos que la precisión cae por debajo del umbral acordado (generalmente un 5 % de caída), el sistema genera una alerta y nosotros re-entrenamos el modelo con datos recientes. Este servicio de monitoreo está incluido durante los primeros 60 días y después se puede contratar como servicio mensual.

Sí. Hemos integrado modelos con SAP, Salesforce, Dynamics 365, Odoo y sistemas propietarios desarrollados internamente por nuestros clientes. La integración se hace a través de APIs REST, lo que permite que el modelo reciba datos y devuelva predicciones sin modificar la interfaz que ya usan tus empleados.

En promedio, la integración con un ERP existente añade entre una y tres semanas al cronograma del proyecto.

¿Tienes otra pregunta?

Si no encontraste la respuesta que buscabas, escríbenos directamente. Nuestro equipo responde en menos de 24 horas hábiles.

Ir al formulario de contacto o llama al +57 602 080 0241
Científica de datos explicando resultados a un cliente en una reunión informal