Cada proyecto sigue seis etapas bien definidas. Sabemos cuánto dura cada una, qué necesitamos de ti y qué entregaremos al final. Sin sorpresas.
Un proyecto típico dura entre cuatro y ocho semanas. Proyectos más grandes pueden extenderse a doce. Aquí explicamos qué ocurre en cada fase.
Agendamos una videollamada de 45 minutos donde nos cuentas el problema que quieres resolver. No necesitas saber nada de IA: nosotros hacemos las preguntas correctas. Al terminar la llamada tendremos claro si tu problema se puede abordar con inteligencia artificial, con una solución más simple, o si necesitamos más información antes de decidir.
Revisamos las fuentes de datos disponibles: bases de datos, hojas de cálculo, APIs de terceros, archivos de texto. Evaluamos la calidad, el volumen y la estructura. Muchas veces los datos existen pero están dispersos o tienen inconsistencias que hay que corregir antes de entrenar cualquier modelo. Al final de esta etapa entregamos un informe con hallazgos concretos y una recomendación técnica sobre el enfoque más adecuado.
Limpiamos, transformamos y enriquecemos los datos. Esto incluye eliminar duplicados, normalizar formatos, manejar valores faltantes y crear variables derivadas que mejoren el rendimiento del modelo. En un proyecto reciente para una cadena de farmacias, descubrimos que agregar datos meteorológicos como variable mejoraba la predicción de ventas de antigripales en un 18 %. Este tipo de hallazgo solo aparece cuando trabajas con los datos de verdad.
Seleccionamos la arquitectura del modelo según el tipo de problema: regresión, clasificación, detección de anomalías, procesamiento de lenguaje natural o visión por computador. Entrenamos varias versiones, comparamos métricas (precisión, recall, F1-score, error absoluto medio) y seleccionamos la que mejor equilibra rendimiento y costo computacional. Te mostramos los resultados en una reunión intermedia para que valides que el modelo responde a tu necesidad real.
Empaquetamos el modelo como una API REST o lo integramos directamente en tu sistema (ERP, CRM, plataforma web). Configuramos el entorno cloud con autoscaling para que el sistema responda bien bajo carga. Instalamos un dashboard de monitoreo donde puedes ver en tiempo real las predicciones del modelo, las métricas de rendimiento y las alertas si algo se desvía de lo esperado.
Entrenamos a las personas de tu equipo que usarán el sistema. La sesión dura cuatro horas e incluye ejercicios prácticos con datos reales. Entregamos documentación técnica y un manual de usuario. Durante los 30 días posteriores al despliegue, resolvemos cualquier incidencia sin costo adicional. Si decides contratar el plan de soporte continuo, seguimos monitoreando y reentrenando el modelo cada mes.
Un proyecto de IA funciona cuando el cliente participa activamente en tres momentos clave. Primero, durante el diagnóstico: necesitamos acceso a tus datos y a las personas que los conocen. Segundo, en la validación del prototipo: tú sabes mejor que nadie si las predicciones del modelo tienen sentido en el contexto de tu negocio. Tercero, en el despliegue: tu equipo de TI colabora con el nuestro para configurar accesos, permisos y conexiones.
No te pedimos que aprendas Python ni que entiendas las matemáticas detrás de una red neuronal. Te pedimos tiempo, acceso a datos y honestidad sobre lo que funciona y lo que no. Con eso es suficiente.
La comunicación durante el proyecto se hace por un canal dedicado en Slack o Microsoft Teams, más reuniones semanales de 30 minutos por videollamada. Cada viernes enviamos un resumen por escrito con el avance de la semana, los pendientes y los riesgos identificados.
Tres compromisos que asumimos en cada proyecto, por escrito en el contrato.
Si no entregamos un prototipo funcional en las primeras cuatro semanas del proyecto, las dos semanas adicionales de trabajo corren por nuestra cuenta. Esto nos obliga a empezar con lo esencial y evitar la parálisis por análisis.
Todo el código fuente del modelo y las pipelines de datos se entregan documentados con comentarios en español. Si en el futuro decides cambiar de proveedor o desarrollar internamente, no empezarás de cero. El código es tuyo.
Antes de empezar el desarrollo, definimos contigo las métricas de éxito del modelo (por ejemplo, precisión mínima del 85 % o reducción del error en un 30 %). Si el modelo no alcanza esas métricas, iteramos sin costo adicional hasta un máximo de tres ciclos de reentrenamiento.