Somos un equipo pequeño con ideas claras: construir modelos de inteligencia artificial que funcionen en el mundo real, no solo en presentaciones.
La empresa nació en 2019 en Cartagena, cuando dos ingenieros de sistemas que trabajaban en una empresa de logística se dieron cuenta de que pasaban más tiempo limpiando hojas de cálculo que tomando decisiones. Construyeron un modelo de predicción de rutas para uso interno. Funcionó. Los proveedores lo vieron y pidieron algo similar.
Ese primer encargo externo se convirtió en un segundo, y luego en un tercero. Para 2021 ya teníamos cinco clientes recurrentes y habíamos contratado a cuatro personas más. Hoy somos ocho: cuatro científicos de datos, dos ingenieros de software, una diseñadora de producto y una persona encargada de operaciones y relación con clientes.
Seguimos en Cartagena. Nos gusta trabajar desde aquí. La mayoría de nuestros clientes están en la costa Caribe, aunque también atendemos empresas en Bogotá, Medellín y, desde 2023, en México y Panamá. Las reuniones son por videollamada; las visitas presenciales las reservamos para los talleres de diagnóstico y las sesiones de capacitación.
No tenemos un manifiesto de diez páginas. Tenemos cuatro principios que guían las decisiones del día a día.
Si tu problema no necesita inteligencia artificial, te lo decimos. Hemos rechazado proyectos donde una consulta SQL bien escrita resolvía todo. Preferimos perder un contrato a entregar un sistema innecesariamente complejo que nadie va a mantener.
Cada modelo que entregamos tiene métricas de rendimiento definidas antes de empezar el desarrollo. No usamos palabras vagas como "mejora significativa". Decimos: "el error medio de predicción bajó de 12 % a 4,3 %". Si no podemos medir el impacto, no hacemos el proyecto.
Queremos que tu equipo entienda qué hace el modelo y por qué. Por eso documentamos todo, damos sesiones de capacitación y escribimos el código con nombres de variables que un humano puede leer. La dependencia del proveedor es mala para el cliente y, a largo plazo, también para nosotros.
No prometemos plazos que solo se cumplen trabajando fines de semana. Nuestro equipo trabaja de lunes a viernes, ocho horas. Los proyectos bien planificados no necesitan heroísmos de última hora. Cuando un plazo es irreal, lo negociamos antes de firmar.
Ocho personas, cada una con un rol claro. No tenemos gerentes que no programan ni programadores que no hablan con clientes. Todos participan en al menos una reunión con el cliente durante el proyecto.
Cofundador y científico de datos principal. Ingeniero de sistemas de la Universidad de Cartagena, con maestría en aprendizaje automático de la Universidad de los Andes. Antes de fundar la empresa trabajó cinco años en optimización logística.
Cofundadora e ingeniera de software. Diseña las arquitecturas de despliegue y las APIs que conectan los modelos con los sistemas del cliente. Especialista en infraestructura cloud con certificación en AWS y Google Cloud.
Científico de datos especializado en procesamiento de lenguaje natural. Ha desarrollado modelos de clasificación de documentos para empresas del sector financiero y de salud. Matemático de formación.
Responsable de operaciones y relación con clientes. Coordina los cronogramas, gestiona la comunicación semanal y se asegura de que cada entregable llegue a tiempo. Administradora de empresas con experiencia en gestión de proyectos tecnológicos.
Estos números reflejan el trabajo acumulado desde 2019 hasta diciembre de 2025.
Las seis industrias en las que hemos trabajado son logística, comercio minorista, salud, servicios financieros, manufactura y agricultura. En cada una, el tipo de modelo y los datos disponibles son distintos, lo que nos ha dado una perspectiva amplia sobre qué funciona y qué no en diferentes contextos operativos.
El dato del 92 % de modelos en producción activa significa que, de los 37 proyectos entregados, 34 siguen funcionando y generando valor para el cliente. Los tres restantes fueron prototipos de exploración que cumplieron su objetivo de validar una hipótesis, aunque el cliente decidió no avanzar al despliegue completo.