Nuestro proceso de Artificial Intelligence

Cada proyecto sigue una metodología clara con entregables definidos en cada etapa. Aquí explicamos cómo trabajamos, desde la primera conversación hasta el monitoreo en producción.

Paso a paso

Un proyecto típico dura entre 8 y 16 semanas, dependiendo de la complejidad del modelo y del estado de los datos. Estas son las seis fases que recorremos contigo.

1

Diagnóstico y descubrimiento

Nos reunimos con tu equipo para entender el problema de negocio. No empezamos hablando de algoritmos: empezamos preguntando qué decisión necesitas tomar mejor y con qué frecuencia.

En esta fase revisamos las fuentes de datos disponibles, su formato, volumen y calidad. A veces descubrimos que hay información valiosa en hojas de cálculo que nadie ha conectado con el sistema principal. Otras veces encontramos que faltan variables clave y proponemos formas de capturarlas.

Duración habitual: 1 a 2 semanas. Entregable: documento de alcance con la definición del problema, las métricas de éxito y un mapa de datos.

2

Preparación de datos

Los datos rara vez llegan listos para entrenar un modelo. Hay registros duplicados, campos vacíos, formatos inconsistentes entre sucursales. Nuestro equipo de ingeniería de datos construye pipelines de limpieza y transformación que dejan la información en un estado utilizable.

Creamos un diccionario de datos documentado para que cualquier persona de tu organización pueda entender qué significa cada columna. Este paso suele tomar entre 2 y 3 semanas, y es el que más impacta la calidad del resultado final.

3

Desarrollo del modelo

Probamos varios enfoques: desde regresiones logísticas hasta redes neuronales, pasando por modelos de árboles de decisión como XGBoost. No elegimos la técnica más compleja por defecto. Si un modelo simple alcanza la precisión requerida, lo preferimos porque es más fácil de mantener y explicar.

Cada candidato se evalúa con validación cruzada sobre datos que el modelo nunca ha visto. Te mostramos las métricas en un lenguaje claro: "el modelo acierta 9 de cada 10 predicciones de abandono de clientes", por ejemplo. Duración: 2 a 4 semanas.

4

Validación con el negocio

Antes de desplegar nada, hacemos una prueba piloto con un subconjunto de datos reales o con un grupo de usuarios internos. El objetivo es verificar que las predicciones del modelo tienen sentido operativo, no solo estadístico.

En un proyecto para una cadena de farmacias, por ejemplo, el modelo predecía correctamente qué productos iban a agotarse, pero el equipo de compras necesitaba la predicción con 5 días de anticipación en lugar de 2. Ajustamos la ventana temporal en esta fase.

5

Despliegue en producción

Empaquetamos el modelo como un servicio API o lo integramos directamente en tu sistema existente (ERP, CRM, plataforma web). Usamos contenedores Docker y orquestación con Kubernetes para garantizar disponibilidad y escalabilidad.

Configuramos alertas automáticas que avisan si el modelo empieza a perder precisión, lo cual ocurre naturalmente cuando los patrones de datos cambian con el tiempo. El despliegue incluye documentación técnica y capacitación para tu equipo de TI.

6

Monitoreo y reentrenamiento

Un modelo no es un producto terminado. Los datos cambian, el mercado se mueve, las regulaciones evolucionan. Ofrecemos contratos de mantenimiento mensual que incluyen monitoreo de rendimiento, reentrenamiento programado y ajustes cuando las condiciones del negocio lo requieren.

Cada mes enviamos un informe con las métricas del modelo en producción y recomendaciones de mejora. Si el rendimiento cae por debajo del umbral acordado, reentrenamos con datos actualizados sin costo adicional dentro del contrato.

Herramientas que usamos

No nos casamos con un solo proveedor de nube ni con un solo framework. La elección depende de lo que tu proyecto necesite y de la infraestructura que ya tengas.

Para el entrenamiento de modelos trabajamos con Python, PyTorch y scikit-learn. Los pipelines de datos los construimos con Apache Airflow o Prefect, dependiendo de la complejidad. Para almacenamiento usamos PostgreSQL, BigQuery o Snowflake.

La visualización de resultados la entregamos en Metabase o en tableros personalizados con Plotly Dash, integrados en tu intranet o accesibles por navegador con autenticación segura.

Todo el código se versiona en Git y se despliega con CI/CD automatizado. Tú conservas acceso completo al repositorio desde el primer día.

Espacio de trabajo con código Python y visualizaciones de datos

Preguntas frecuentes sobre el proceso

Respuestas directas a lo que nos preguntan con más frecuencia antes de iniciar un proyecto.

¿Qué pasa si mis datos están desordenados?
Es lo normal. La mayoría de las empresas con las que trabajamos tienen datos en múltiples formatos, con campos incompletos y sin un diccionario de datos. La fase de preparación existe precisamente para resolver eso. Lo que sí necesitamos es un volumen mínimo: si tu empresa tiene menos de 500 registros históricos del fenómeno que quieres predecir, probablemente sea mejor empezar por un proyecto de captura de datos antes de entrenar un modelo.
¿Cuánto cuesta un proyecto típico?
Depende del alcance. Un modelo predictivo simple con datos limpios puede costar entre 15 y 25 millones de pesos colombianos. Un sistema de automatización con múltiples integraciones puede superar los 80 millones. Damos una cotización detallada después de la fase de diagnóstico, que tiene un costo fijo de 3.5 millones.
¿Necesito un equipo técnico interno?
No es imprescindible, pero ayuda. Si tienes un desarrollador o un analista de datos en tu equipo, lo involucramos en el proyecto para que pueda mantener el sistema después de la entrega. Si no tienes personal técnico, ofrecemos contratos de soporte continuo.
¿Mis datos están seguros?
Sí. Firmamos un acuerdo de confidencialidad antes de recibir cualquier dato. Usamos entornos aislados por cliente en la nube, con cifrado AES-256 en reposo y TLS 1.3 en tránsito. Cumplimos con la Ley 1581 de 2012 de protección de datos personales de Colombia. Al finalizar el proyecto, eliminamos todas las copias de tus datos de nuestros servidores si así lo solicitas.
¿Puedo cancelar el proyecto a mitad de camino?
Sí. Facturamos por fases completadas. Si decides no continuar después de la fase de diagnóstico, solo pagas esa fase. Todo el trabajo realizado hasta ese punto (documentos, código, datos procesados) te pertenece.

¿Listo para empezar?

El primer paso es una conversación de 30 minutos sin costo. Nos cuentas tu problema y te decimos si la IA puede resolverlo, y cómo.

Agendar conversación