Modelos predictivos a medida
Regresión, clasificación, series temporales. Entrenamos sobre tus datos históricos y entregamos una API lista para integrar en tu ERP o CRM. Los modelos incluyen monitorización de drift para saber cuándo reentrenar.
0
Modelos desplegados en producción
0
Porcentaje medio de precisión
0
Sectores industriales cubiertos
0
Semanas de media hasta primer prototipo
Lo que hacemos
Cada proyecto arranca con un análisis de viabilidad de 48 horas. Si los datos no dan para un modelo útil, lo decimos antes de facturar.
Automatización inteligente de procesos
Combinamos RPA con modelos de lenguaje para procesar facturas, correos y documentos legales. Un cliente del sector logístico redujo 340 horas mensuales de entrada manual de datos en cuatro meses.
Auditoría de sesgo algorítmico
Revisamos modelos existentes con métricas de equidad (disparate impact, equal opportunity) y generamos un informe técnico con recomendaciones concretas. Cumplimiento con el AI Act europeo incluido.
Visión por computador
Detección de defectos en líneas de producción, lectura automática de matrículas, clasificación de imágenes médicas. Trabajamos con YOLO, EfficientNet y modelos personalizados según la resolución y velocidad que necesites.
Análisis de lenguaje natural
Clasificación de tickets de soporte, extracción de entidades en contratos, análisis de sentimiento en redes sociales. Afinamos modelos de lenguaje grandes sobre el vocabulario específico de tu industria para que la precisión supere el 90%.
Cómo trabajamos
Seguimos un ciclo iterativo inspirado en CRISP-DM pero adaptado a entregas continuas cada dos semanas.
1. Diagnóstico de datos (semana 1)
Accedemos a tus fuentes de datos, evaluamos calidad, volumen y cobertura temporal. Identificamos qué preguntas de negocio se pueden responder con lo que hay y qué datos faltan. Este paso es gratuito.
2. Prototipo rápido (semanas 2 a 4)
Construimos un modelo baseline con métricas claras: precisión, recall, AUC o la métrica que tenga sentido para tu caso. Lo presentamos en un notebook interactivo para que puedas explorar los resultados tú mismo.
3. Iteración y validación (semanas 4 a 6)
Refinamos features, probamos arquitecturas alternativas y validamos contra datos que el modelo no ha visto. Documentamos cada decisión técnica en un registro de experimentos accesible para tu equipo.
4. Despliegue en producción
Empaquetamos el modelo en un contenedor Docker, lo exponemos como API REST y configuramos alertas de rendimiento. Si tu infraestructura es AWS, GCP o Azure, lo integramos directamente. Si es on-premise, también.
5. Monitorización continua
Cada semana comprobamos si la distribución de los datos de entrada ha cambiado respecto al conjunto de entrenamiento. Cuando detectamos drift significativo, reentrenamos. Tú recibes un informe mensual con las métricas reales del modelo en producción.
El equipo detrás del código
Somos ocho personas en Barcelona. Cuatro ingenieros de machine learning, una especialista en datos, un ingeniero de infraestructura, una diseñadora de producto y un responsable de proyecto. Nadie tiene el título de «evangelista» ni de «ninja».
El equipo acumula experiencia en banca, salud, retail y manufactura. Hemos publicado en conferencias como NeurIPS y EMNLP, pero lo que más nos importa es que los modelos funcionen en producción, no solo en un paper.
Trabajamos desde nuestras oficinas en el barrio Gótico. Si prefieres vernos la cara antes de firmar nada, pásate a tomar un café. La dirección está más abajo.
Preguntas que nos hacen a menudo
Depende del problema. Para clasificación tabular, unos pocos miles de registros suelen bastar. Para visión por computador, necesitamos al menos 500 imágenes etiquetadas por clase. En el diagnóstico inicial evaluamos si tus datos son suficientes y, si no lo son, proponemos estrategias de aumento o recolección.
Solo si tú lo autorizas. Podemos trabajar directamente en tu infraestructura mediante acceso remoto. Firmamos un acuerdo de procesamiento de datos antes de tocar cualquier fichero, y todo el tráfico viaja cifrado con TLS 1.3.
Si durante la fase de prototipo las métricas no alcanzan el umbral mínimo acordado, paramos el proyecto y no cobramos la fase de despliegue. Hasta ahora ha ocurrido dos veces en 137 proyectos: en ambos casos el problema era la calidad de los datos de origen, no la técnica.
Un modelo predictivo sencillo con despliegue incluido parte de 8.000 €. Proyectos de visión por computador con etiquetado personalizado suelen moverse entre 15.000 y 40.000 € según el volumen de imágenes. La auditoría de sesgo tiene un precio fijo de 4.500 € por modelo auditado.
No. Aproximadamente la mitad de nuestros clientes son pymes con menos de 50 empleados. El requisito no es el tamaño de la empresa sino la existencia de datos estructurados y un problema de negocio que se beneficie de la automatización o la predicción.
Cuéntanos qué necesitas
Respondemos en menos de 24 horas laborables. Si tu proyecto es urgente, llámanos directamente.
Manzana Carolina Lucio Alba 85, 08002 Barcelona, Catalonia, Spain