Saltar al contenido
Plazoleta

Hay trabajo manual atrapado en tus documentos y procesos.

IA y Automatización

Una demo de IA se monta en una tarde y parece magia. Llevarla a producción es otra cosa: acierta el 90% de las veces y el 10% restante se equivoca con una seguridad absoluta. Toda la ingeniería está en ese 10% — detectarlo, acotarlo y decidir qué pasa cuando ocurre.

Por eso no montamos nada sin una forma de medir si funciona, y sin dejar a una persona en medio allí donde equivocarse cuesta dinero. La IA que no se evalúa no es un producto, es una apuesta.

Qué te llevas

  • Una métrica antes que un modelo

    Primero acordamos cómo sabremos si esto funciona. Sin eso no hay forma de distinguir un sistema que acierta de uno que suena bien.

  • Conectado a tus datos, no a internet

    RAG sobre tu documentación, tus procesos y tu vocabulario. El valor no está en el modelo, que es el mismo para todos: está en lo que sabe de ti.

  • La persona en el sitio correcto

    Los casos claros pasan solos; los dudosos llegan priorizados a quien decide. El equipo revisa en lugar de teclear.

No nos creas

Producto propio, en producción. Descárgalo y juzga tú.

Le damos a la IA el tiempo de AEMET. Servidor MCP open source, en npm y en producción.

  • · Conecta la meteorología oficial de AEMET a asistentes y agentes de IA compatibles con MCP, como Claude
  • · Ya en producción: alimenta notemojes.com —web y bot de Telegram— vía API routes de Next.js sobre la librería
  • · Open source de verdad: publicado en npm con provenance y OIDC, repo abierto, CI en verde y docs versionadas

Cuándo no somos para ti

  • Si quieres «meter IA» sin un proceso concreto que arreglar. Eso es una solución buscando problema y se nota en la factura.

  • Si necesitas que acierte el 100% sin que nadie revise nada. Hoy eso no existe, lo diga quien lo diga.

  • Si tus datos están tan desordenados que ni tu equipo los encuentra. La IA no arregla eso; lo amplifica.

Si te reconoces aquí, dínoslo igual. Prefiero mandarte a otro sitio en un correo que descubrirlo los dos a mitad de proyecto.

Preguntas

¿Nuestros datos acaban entrenando un modelo?
No, si se monta bien. Se elige el proveedor y el modo de uso para que tus datos no se usen en entrenamiento, y se deja por escrito. Es de las primeras decisiones, no de las últimas.
¿Necesitamos entrenar un modelo propio?
Casi nunca. En la gran mayoría de casos un buen modelo general con tus datos bien conectados gana a un modelo propio, y cuesta una fracción.