Valentina Restrepo
Cofundadora y directora técnica. Lideró proyectos de NLP en una multinacional de telecomunicaciones antes de fundar la empresa. Especialista en modelos de lenguaje y procesamiento de texto en español.
Cómo empezó todo
En 2021, tres ingenieros que trabajaban en proyectos de machine learning para empresas multinacionales se dieron cuenta de algo incómodo: las pymes latinoamericanas pagaban precios de Fortune 500 por soluciones que no necesitaban ser tan complejas. Un modelo de clasificación de texto para una empresa de 200 empleados no requiere la misma infraestructura que uno para Amazon.
Así nació Strategic AI Nat. Abrimos oficina en Cartagena porque queríamos estar cerca del ecosistema empresarial del Caribe colombiano, una región con mucha actividad comercial y poca oferta técnica en inteligencia artificial.
Hoy atendemos clientes en seis países, pero seguimos con el mismo equipo base: personas que escriben código, no solo presentaciones.
Nuestra historia en el tiempo
2021: fundación
Primer proyecto: un clasificador de correos para una aseguradora en Bogotá que recibía 3.000 mensajes diarios y los enrutaba manualmente. Redujimos el tiempo de clasificación de 4 horas a 12 minutos.
2022: expansión a México
Un fabricante de autopartes en Monterrey nos contrató para predecir fallas en su línea de producción. Fue nuestro primer proyecto de mantenimiento predictivo con sensores IoT.
2023: lanzamiento de asistentes conversacionales
Desarrollamos nuestra propia arquitectura de chatbot multilingüe, entrenada con datos específicos de cada cliente. El primer despliegue fue para una cadena de farmacias con 45 sucursales en Perú.
2024: equipo de 14 personas
Incorporamos especialistas en visión por computadora y procesamiento de documentos. Completamos 18 proyectos ese año.
2025: presente
47 proyectos acumulados, presencia en Colombia, México, Perú, Ecuador, Chile y Panamá. Seguimos sin oficinas lujosas; preferimos invertir en GPUs.
Lo que nos importa
No tenemos una lista de "valores corporativos" sacada de un generador de misión empresarial. Tenemos cuatro reglas que seguimos en cada proyecto.
-
El modelo tiene que funcionar con tus datos, no con datos de laboratorio
Antes de proponer cualquier algoritmo, revisamos la calidad, el volumen y la estructura de la información que realmente tienes. Si tus datos no alcanzan para entrenar un modelo robusto, te lo decimos y proponemos alternativas: reglas de negocio, modelos preentrenados con fine-tuning o recolección estructurada durante 60 días antes de arrancar.
-
Transparencia en los costos
Cada propuesta incluye un desglose por fase: exploración, desarrollo, pruebas, despliegue y soporte. Si el proyecto cambia de alcance, actualizamos el presupuesto antes de seguir, no después.
-
Tu equipo aprende a operar lo que construimos
Entregamos documentación técnica y hacemos sesiones de transferencia de conocimiento. La idea es que no dependas de nosotros para siempre, aunque muchos clientes eligen seguir trabajando con nuestro equipo en nuevas fases.
-
Decir "no" cuando corresponde
Si un problema se resuelve mejor con una hoja de Excel bien diseñada que con un modelo de deep learning, lo decimos. Hemos rechazado proyectos donde la inteligencia artificial no era la herramienta correcta, y esos clientes nos han referido después para proyectos donde sí lo era.
El equipo
Somos 14 personas distribuidas entre Cartagena, Bogotá y Ciudad de México. Todos escriben código o trabajan directamente con datos; no tenemos capas de gestión intermedias.
Diego Herrera
Cofundador y responsable de infraestructura. Diseña las arquitecturas de despliegue en la nube y gestiona los pipelines de entrenamiento. Antes trabajó seis años en el equipo de datos de un banco en Ciudad de México.
Andrés Camilo Parra
Cofundador y líder de producto. Se encarga de traducir las necesidades del cliente en especificaciones técnicas. Tiene experiencia en gestión de proyectos de software para el sector salud.
Lucía Mendoza
Ingeniera de machine learning. Especializada en modelos de visión por computadora para control de calidad industrial. Se unió al equipo en 2023 tras completar su maestría en la Universidad de los Andes.