Preguntas frecuentes sobre Artificial Intelligence

Respuestas directas a las dudas que escuchamos con más frecuencia de empresarios, gerentes de tecnología y equipos de operaciones.

Sobre costos y plazos

Las dos preguntas que nos hacen en la primera llamada, siempre.

Depende del tipo de servicio. Un modelo predictivo de demanda para una empresa con entre 50.000 y 200.000 registros históricos arranca desde 18 millones de pesos colombianos. Los proyectos de automatización de documentos empiezan en 12 millones, porque suelen requerir menos entrenamiento personalizado y más configuración de pipelines existentes.

Para proyectos más grandes, como un sistema de recomendación para un marketplace con millones de interacciones, la inversión puede superar los 80 millones. Siempre entregamos una cotización detallada después de la fase de diagnóstico, que para proyectos superiores a 15 millones es gratuita.

Un proyecto de complejidad media toma entre 6 y 10 semanas desde el diagnóstico hasta el despliegue en producción. Eso incluye una semana de diagnóstico, dos a tres semanas de prototipo, dos a cuatro semanas de desarrollo en producción y una semana de pruebas finales con su equipo.

Proyectos de automatización de documentos suelen ser más rápidos: 4 a 6 semanas, porque la arquitectura base ya la tenemos probada en más de 15 implementaciones anteriores. Lo que varía es la configuración de los campos a extraer y las reglas de validación específicas de cada empresa.

Si el proyecto estimado supera los 15 millones de pesos, el diagnóstico es gratuito. Para proyectos más pequeños cobramos un diagnóstico exprés de 1,5 millones que se descuenta del valor total si decide continuar con nosotros.

No. De hecho, la mayoría de nuestros clientes llegan con datos en hojas de cálculo dispersas, bases de datos sin documentar o incluso archivos PDF escaneados. Parte de nuestro trabajo en la fase de diagnóstico es evaluar el estado de esos datos, identificar qué falta y proponer un plan de limpieza.

Eso sí: cuanto más ordenados estén sus datos al inicio, menos tiempo y presupuesto se gasta en preparación. Si tiene un equipo de datos interno, le damos una guía de preparación antes de arrancar para que el proceso sea más ágil.

Por eso existe la fase de prototipo. Antes de invertir en el desarrollo completo, entrenamos una versión del modelo con un subconjunto de datos y medimos su rendimiento contra las métricas que definimos juntos al inicio. Si los resultados no alcanzan el umbral mínimo acordado, le presentamos un informe explicando por qué y qué alternativas existen. Usted decide si continúa, ajusta el enfoque o detiene el proyecto.

En tres años hemos detenido dos proyectos en esta fase porque los datos del cliente no tenían la señal suficiente para el problema que queríamos resolver. En ambos casos el cliente pagó solo la fase de diagnóstico y prototipo, no el proyecto completo.

Sí. Tenemos clientes en Panamá, Ecuador y Costa Rica. Todo el trabajo de diagnóstico y desarrollo lo hacemos de forma remota, con videollamadas semanales de seguimiento. Si el proyecto requiere acceso a infraestructura física (por ejemplo, instalar cámaras para un sistema de visión por computador en una planta), coordinamos visitas presenciales con nuestro equipo o con socios locales.

Firmamos un acuerdo de confidencialidad antes de recibir cualquier dato. Los datos se transfieren por canales cifrados (TLS 1.3) y se almacenan en servidores con cifrado en reposo (AES-256). Solo los ingenieros asignados a su proyecto tienen acceso, y ese acceso se revoca al terminar el contrato.

Si su empresa requiere que los datos no salgan de su propia infraestructura, podemos trabajar directamente en sus servidores o en una VPN dedicada. Lo hemos hecho para clientes del sector salud que manejan historias clínicas.

Usted. Una vez pagado el proyecto, los pesos del modelo, los scripts de entrenamiento y la documentación técnica son de su propiedad. Lo que no transferimos es el código fuente de nuestras bibliotecas internas de preprocesamiento, que licenciamos para su uso dentro del proyecto. Si en el futuro quiere migrar a otro proveedor, le entregamos todo lo necesario para que pueda hacerlo sin depender de nosotros.

Consejos antes de arrancar un proyecto de IA

Cosas que hemos aprendido después de 37 proyectos y que ojalá alguien nos hubiera dicho antes del primero.

Defina el problema antes que la tecnología

Muchas empresas llegan pidiendo "implementar IA" sin tener claro qué problema quieren resolver. Antes de hablar de modelos, escriba en una frase qué decisión quiere tomar mejor, con qué frecuencia y qué le cuesta equivocarse hoy. Esa frase es el punto de partida de cualquier proyecto serio.

Revise qué datos tiene (y cuáles no)

Un modelo solo es tan bueno como los datos con los que se entrena. Si lleva tres años registrando ventas en un Excel sin fechas consistentes, el primer paso será limpiar esa información. No es un obstáculo fatal, pero sí afecta el cronograma y el presupuesto. Saberlo de antemano evita sorpresas.

Involucre al equipo que usará la herramienta

El mejor modelo del mundo fracasa si el equipo de operaciones no confía en él o no sabe interpretarlo. Desde la fase de prototipo incluimos a los usuarios finales en las pruebas. Ellos detectan errores que ningún ingeniero ve desde su escritorio, y cuando el sistema se despliega, ya lo sienten propio.

No espere magia instantánea

Un modelo predictivo necesita tiempo para calibrarse con datos reales de producción. Las primeras dos semanas después del despliegue son de ajuste: el modelo aprende patrones que no estaban en los datos históricos y el equipo aprende a leer sus predicciones. La mejora real se ve a partir del segundo mes.

¿Tiene una pregunta que no aparece aquí?

Escríbanos y le respondemos en menos de 24 horas. Sin compromiso, sin formularios eternos.

Ir al formulario de contacto