Preguntas frecuentes sobre Artificial Intelligence

Depende mucho del tipo de modelo y del estado de tus datos. Un proyecto de análisis predictivo con datos estructurados y limpios puede estar listo en 8 semanas. Proyectos de visión por computadora o procesamiento de lenguaje natural suelen necesitar entre 12 y 16 semanas porque requieren más iteraciones de entrenamiento y validación.

La fase de diagnóstico inicial (10 a 15 días hábiles) nos permite darte un cronograma detallado antes de que te comprometas con nada.

No. Muchos de nuestros clientes llegan con datos dispersos en hojas de cálculo, bases de datos relacionales y archivos planos sin estructura definida. Parte del trabajo que hacemos en la fase de diagnóstico es mapear esas fuentes, evaluar la calidad de los registros y diseñar un pipeline de limpieza.

Lo que sí necesitamos es acceso a los datos reales. Trabajar con datos inventados o con muestras demasiado pequeñas produce modelos que no funcionan en producción.

Antes de pasar a producción, comparamos el rendimiento del modelo con la línea base que definimos al inicio. Si no la supera, ajustamos la arquitectura, probamos con otros algoritmos o revisamos la ingeniería de características. Esto está incluido en el presupuesto del proyecto.

En los cinco años que llevamos operando, solo dos proyectos no alcanzaron la métrica objetivo después de tres iteraciones. En ambos casos el problema fue la calidad de los datos de origen, y lo comunicamos al cliente antes de la tercera semana.

Sí. Todos los modelos que desplegamos exponen una API REST documentada con Swagger. Si tu ERP o CRM tiene capacidad de hacer llamadas HTTP, la integración es directa. Hemos trabajado con SAP Business One, Odoo, Salesforce y varios sistemas desarrollados a medida.

En el caso de sistemas legacy que no soportan APIs, configuramos un proceso batch que lee y escribe en la base de datos del sistema. No es tan elegante, pero funciona.

Facturamos por entregable, no por hora. Después del diagnóstico, presentamos un presupuesto cerrado con el detalle de cada fase y su costo. Si el alcance cambia durante el proyecto, renegociamos antes de continuar.

El diagnóstico inicial tiene un costo fijo que comunicamos en la primera llamada. Si decides continuar con el proyecto, ese monto se descuenta del presupuesto total.

Los proyectos de análisis predictivo con datos tabulares arrancan desde COP 18 millones (aproximadamente USD 4.500). Proyectos de visión por computadora o chatbots con entrenamiento personalizado suelen estar entre COP 35 y 80 millones, dependiendo del volumen de datos y la complejidad de la integración.

No publicamos una lista de precios fija porque cada proyecto tiene variables distintas. Lo que sí hacemos es darte un estimado de rango en la primera conversación para que sepas si estamos dentro de tu presupuesto antes de invertir más tiempo.

Sí. La estructura habitual es 30 % al firmar el contrato, 40 % al entregar el prototipo validado y 30 % al desplegar en producción. Para proyectos de más de COP 50 millones podemos dividirlo en cuotas mensuales vinculadas a hitos intermedios.

Python es nuestro lenguaje principal. Para modelos de deep learning usamos PyTorch; para modelos clásicos de machine learning, scikit-learn y XGBoost. Los pipelines de datos los orquestamos con Apache Airflow o Prefect, según la infraestructura del cliente.

En cuanto a cloud, tenemos experiencia con AWS (SageMaker, Lambda, S3) y Google Cloud (Vertex AI, BigQuery, Cloud Run). Si tu empresa ya tiene infraestructura en Azure, también podemos adaptarnos.

Los primeros tres meses después de la entrega están incluidos en el presupuesto del proyecto. Durante ese período respondemos incidentes en menos de 4 horas hábiles, hacemos ajustes menores al modelo y monitoreamos el rendimiento.

Después de esos tres meses, ofrecemos planes de mantenimiento mensual. El plan básico incluye monitoreo de drift, reentrenamiento trimestral y actualización de dependencias. El plan avanzado añade reentrenamiento mensual, reportes de rendimiento y soporte prioritario con respuesta en 2 horas.

Esa es la idea. Todos los proyectos incluyen documentación técnica completa: arquitectura del modelo, diccionario de datos, instrucciones de reentrenamiento y guía de despliegue. Si tu equipo tiene al menos un desarrollador con conocimientos básicos de Python, puede encargarse del mantenimiento rutinario.

Para equipos que necesitan formación, incluimos un taller de transferencia de conocimiento de 8 horas. Lo impartimos en persona en Barranquilla o por videoconferencia. Cubre desde la interpretación de las métricas del modelo hasta cómo ejecutar el pipeline de reentrenamiento.

Firmamos un acuerdo de confidencialidad (NDA) antes de acceder a cualquier dato. Los datos se almacenan en entornos cifrados con TLS en tránsito y AES-256 en reposo. Solo los miembros del equipo asignados al proyecto tienen acceso, y lo revocamos al finalizar.

Si lo prefieres, podemos trabajar directamente en tu infraestructura sin extraer datos a nuestros servidores. Varios clientes del sector financiero eligen esta modalidad por política interna.