Modelos predictivos a medida
No vendemos software genérico. Construimos modelos entrenados con los datos de tu empresa, validados contra métricas que tú defines y desplegados en tu infraestructura o en la nuestra.
El proceso típico dura entre cuatro y ocho semanas. Empezamos con una exploración de datos de cinco días donde evaluamos la calidad, el volumen y la viabilidad estadística del problema. Si los datos no son suficientes, te lo decimos antes de cobrar la fase de desarrollo.
Qué incluye
- Exploración y limpieza de datos (informe de calidad incluido)
- Entrenamiento y comparación de al menos tres algoritmos candidatos
- Modelo final empaquetado en contenedor Docker con API REST documentada
- Dashboard de monitorización de rendimiento del modelo (drift, latencia, precisión)
- 90 días de soporte post-entrega para ajustes y reentrenamiento
Usamos Python, scikit-learn, XGBoost, LightGBM y, cuando el volumen lo justifica, PyTorch. La elección depende del problema, no de la moda.
Procesamiento de lenguaje natural
Analizamos texto en español, euskera, inglés y francés. Clasificación de tickets de soporte, extracción de entidades en contratos, análisis de sentimiento en reseñas de producto y generación de resúmenes automáticos de actas de reunión son los casos que más nos piden.
Para un operador logístico de Barakaldo, construimos un clasificador de emails entrantes que asigna cada mensaje a uno de 14 departamentos. El modelo alcanza un 93 % de precisión y procesa unos 800 correos diarios sin supervisión humana. Cuando la confianza del modelo baja del 70 %, el email se deriva a una bandeja de revisión manual.
Qué incluye
- Anotación asistida de corpus de entrenamiento (hasta 5.000 ejemplos)
- Fine-tuning de modelos transformer (BERT, RoBERTa) o entrenamiento de modelos ligeros según el caso
- Endpoint de inferencia con tiempo de respuesta inferior a 200 ms
- Interfaz web sencilla para que el equipo no técnico pruebe el modelo antes de integrarlo
Visión artificial e inspección automatizada
Instalamos sistemas de cámaras conectadas a modelos de detección de objetos y clasificación de imágenes. El caso más frecuente es la inspección de calidad en líneas de producción: detectar grietas, deformaciones o defectos de pintura en piezas que pasan por una cinta a ritmo constante.
Un taller de estampación metálica en Eibar nos contrató para inspeccionar piezas de carrocería. Antes, un operario revisaba cada pieza a ojo durante unos tres segundos. Ahora, una cámara industrial captura la pieza y el modelo (YOLOv8 optimizado con TensorRT) emite un veredicto en 40 milisegundos. La tasa de defectos no detectados bajó del 2,1 % al 0,3 %.
Qué incluye
- Selección e instalación de hardware de captura (cámaras industriales, iluminación controlada)
- Etiquetado de imágenes de entrenamiento con tu equipo de calidad
- Modelo de detección o segmentación optimizado para inferencia en GPU edge (Jetson, similar)
- Panel de control con histórico de inspecciones, alertas y exportación de informes
Consultoría y arquitectura de datos
Muchas empresas tienen datos dispersos en hojas de cálculo, bases de datos locales y aplicaciones SaaS que no se hablan entre sí. Antes de aplicar cualquier modelo, hay que poner orden.
Diseñamos data warehouses en PostgreSQL, BigQuery o Snowflake según el presupuesto y el volumen. Definimos pipelines ETL con Apache Airflow o dbt, y documentamos cada tabla, cada transformación y cada dependencia para que tu equipo pueda mantener el sistema sin depender de nosotros indefinidamente.
Qué incluye
- Auditoría de fuentes de datos existentes (completitud, consistencia, frescura)
- Diseño del modelo dimensional (star schema o snowflake según complejidad)
- Implementación de pipelines ETL/ELT con tests automáticos
- Formación de dos sesiones (4 horas cada una) para el equipo técnico del cliente
Cómo trabajamos contigo
Todos nuestros proyectos siguen estas cuatro fases. La duración total varía según el servicio, pero la estructura es siempre la misma para que sepas en todo momento en qué punto estamos.
1. Diagnóstico (1-2 semanas)
Revisamos tus datos, entendemos el problema de negocio y evaluamos la viabilidad técnica. Al final de esta fase recibes un informe con nuestra recomendación: seguir adelante, ajustar el alcance o, si no tiene sentido, no hacerlo. Cobramos esta fase por separado para que puedas decidir sin compromiso.
2. Desarrollo (4-8 semanas)
Construimos la solución en sprints de dos semanas. Cada sprint termina con una demo donde ves el avance real, no diapositivas. Puedes pedir cambios de prioridad entre sprints sin coste adicional, siempre que el alcance global no cambie.
3. Despliegue (1-2 semanas)
Integramos la solución en tu entorno: servidores propios, cloud (AWS, GCP, Azure) o infraestructura híbrida. Ejecutamos pruebas de carga y validamos que los resultados en producción coinciden con los obtenidos en desarrollo.
4. Acompañamiento (90 días)
Durante tres meses monitorizamos el rendimiento, ajustamos parámetros si los datos cambian y resolvemos incidencias. Si el modelo necesita reentrenamiento, lo hacemos sin coste extra dentro de este periodo.
Orientación de precios
Cada proyecto es diferente, pero estas cifras te dan una idea del rango habitual. El presupuesto definitivo se cierra tras la fase de diagnóstico.
Diagnóstico inicial
Evaluación de datos, viabilidad técnica e informe de recomendaciones.
- Duración: 1-2 semanas
- Informe escrito de 10-15 páginas
- Videollamada de presentación de resultados
- Sin compromiso de continuidad
Proyecto estándar
Modelo predictivo, clasificador NLP o pipeline de datos completo.
- Duración: 6-10 semanas
- Incluye diagnóstico, desarrollo y despliegue
- 90 días de soporte post-entrega
- Código fuente y documentación completa
Proyecto de visión artificial
Incluye hardware de captura, modelo y panel de control.
- Duración: 8-14 semanas
- Instalación in situ en planta
- Hardware de cámara e iluminación incluido
- Formación para operarios de línea