Las cinco fases de un proyecto con nosotros
Este proceso lo hemos refinado a lo largo de 47 proyectos. No es rígido: se adapta al tamaño de tu empresa y a la complejidad del problema. Pero la secuencia general se mantiene porque funciona.
Diagnóstico inicial (gratis, 1 semana)
Empezamos con una videollamada de 60 a 90 minutos donde escuchamos tu problema. No usamos cuestionarios prediseñados. Queremos entender qué duele: ¿pierdes clientes porque tardas en responder? ¿Tu equipo dedica horas a copiar datos entre sistemas? ¿No puedes anticipar la demanda del próximo mes?
Después de la llamada, revisamos la información que nos compartas: bases de datos de ejemplo, capturas de pantalla de tus procesos, métricas actuales. En cinco días hábiles te entregamos un documento corto con nuestra evaluación: si la IA puede ayudarte, qué tipo de modelo proponemos, un rango de inversión y un cronograma tentativo.
Si decides no continuar, no hay costo. El diagnóstico es nuestro.
Exploración de datos (2 a 3 semanas)
Accedemos a tus datos reales bajo un acuerdo de confidencialidad. Los limpiamos, los exploramos y medimos su calidad. Este paso es crítico: un modelo entrenado con datos sucios produce predicciones inútiles.
Durante esta fase detectamos problemas comunes: campos vacíos, formatos inconsistentes, duplicados, sesgos. Documentamos todo en un informe de calidad de datos que te sirve más allá de nuestro proyecto. Un cliente en Bogotá descubrió gracias a este informe que el 12 % de sus registros de inventario estaban duplicados por un error en la migración de su ERP.
Al final de esta fase, definimos las variables relevantes para el modelo y establecemos la métrica de éxito: precisión, recall, tiempo de respuesta o la que aplique a tu caso.
Desarrollo del modelo (3 a 6 semanas)
Aquí construimos. Seleccionamos el algoritmo, entrenamos con tus datos, ajustamos hiperparámetros y validamos contra un conjunto de prueba que separamos al inicio. Usamos Python, PyTorch o scikit-learn según la complejidad del problema.
Cada semana compartimos un reporte de avance con las métricas actuales. Si el modelo no alcanza el umbral de rendimiento que acordamos, probamos arquitecturas alternativas antes de avanzar. En un proyecto para una empresa de transporte en Cali, pasamos de un modelo de regresión lineal a un gradient boosting que mejoró la precisión del pronóstico de tiempos de entrega en 19 puntos porcentuales.
También construimos la interfaz o la API que conectará el modelo con tu sistema. Puede ser un endpoint REST, un plugin para tu CRM, un bot de WhatsApp o un dashboard con gráficos en tiempo real.
Pruebas y despliegue (1 a 2 semanas)
Antes de poner el modelo en producción, lo probamos en un entorno que replica tu infraestructura. Simulamos carga real, verificamos tiempos de respuesta y comprobamos que los resultados sean consistentes con lo que vimos en desarrollo.
Tu equipo participa en esta fase. Les pedimos que usen el sistema durante tres a cinco días y reporten cualquier resultado que les parezca extraño. Esa retroalimentación nos permite ajustar umbrales o corregir casos límite que no aparecieron en los datos de entrenamiento.
Una vez aprobado, desplegamos en tu servidor o en la nube, según lo que hayas elegido. Configuramos monitoreo automático: si el rendimiento del modelo cae por debajo del umbral acordado, recibimos una alerta y tú también.
Soporte y evolución (continuo)
Los modelos de IA no son software estático. Los datos cambian, el comportamiento de los clientes evoluciona, aparecen nuevos productos. Si no re-entrenas el modelo, su precisión se degrada con el tiempo.
Ofrecemos planes de soporte mensuales que incluyen monitoreo, re-entrenamiento periódico (mensual o trimestral según el caso) y ajustes menores. El 89 % de nuestros clientes mantiene un plan activo después del primer año.
También usamos estas sesiones para identificar nuevas oportunidades. Un cliente que empezó con un chatbot de atención al cliente terminó implementando un sistema de recomendación de productos que aumentó su ticket promedio un 14 %.
Herramientas que utilizamos
No estamos casados con una sola plataforma. Elegimos la herramienta que mejor resuelve cada problema.
Python
PyTorch
TensorFlow
AWS / GCP
PostgreSQL
FastAPI
Preguntas frecuentes sobre el proceso
¿Cuánto cuesta un proyecto típico?
Depende del alcance. Un chatbot básico entrenado con las preguntas frecuentes de tu empresa puede estar listo por 8 a 12 millones de pesos colombianos. Un modelo predictivo con integración a tu ERP suele costar entre 18 y 35 millones. El diagnóstico inicial es gratuito y ahí te damos un rango preciso.
¿Necesito tener un equipo técnico interno?
No es obligatorio, pero ayuda. Si tienes un desarrollador o un analista de datos, la transferencia de conocimiento es más rápida. Si no lo tienes, nos encargamos de todo y te capacitamos para operar el sistema.
¿Qué pasa si mis datos no están organizados?
Es más común de lo que crees. La fase de exploración de datos incluye limpieza y estructuración. Si la calidad es muy baja, te proponemos un plan de recolección de datos durante 30 a 60 días antes de construir el modelo.
¿Puedo cancelar el proyecto a mitad de camino?
Sí. Facturamos por fase completada. Si decides no continuar después de la exploración de datos, pagas solo esa fase y te quedas con el informe de calidad de datos que produjimos.
¿Los datos de mi empresa están seguros?
Firmamos un acuerdo de confidencialidad antes de acceder a cualquier dato. Trabajamos en entornos aislados con cifrado en tránsito y en reposo. Al finalizar el proyecto, eliminamos las copias de tus datos de nuestros servidores y te entregamos certificación de eliminación.
¿Listo para dar el primer paso?
El diagnóstico inicial es gratuito y sin compromiso. Cuéntanos tu problema y te decimos si la inteligencia artificial puede resolverlo.
Solicitar diagnóstico