Preguntas frecuentes sobre Artificial Intelligence

Depende del alcance, pero un proyecto estándar toma entre 8 y 16 semanas. Las primeras cuatro semanas las dedicamos al diagnóstico: revisamos los datos disponibles, definimos métricas de éxito y proponemos la arquitectura del modelo. Luego vienen entre cuatro y ocho semanas de desarrollo iterativo, donde el cliente ve avances cada dos semanas. Las últimas dos semanas se destinan a pruebas en producción y transferencia de conocimiento.

Proyectos más pequeños, como un chatbot basado en un modelo de lenguaje preentrenado, pueden estar listos en cinco semanas. Proyectos de visión artificial con datos propios suelen requerir más tiempo de etiquetado y entrenamiento.

No. De hecho, la mayoría de nuestros clientes llegan con datos dispersos en hojas de cálculo, sistemas ERP y correos electrónicos. Parte del diagnóstico inicial es evaluar la calidad de esos datos, identificar vacíos y proponer un plan de limpieza y consolidación.

Lo que sí necesitamos es acceso a las fuentes de datos relevantes y al menos una persona del lado del cliente que conozca el contexto de negocio detrás de esos números. Sin esa persona, el modelo puede funcionar técnicamente pero resolver el problema equivocado.

Trabajamos principalmente con Python y sus bibliotecas de machine learning: scikit-learn para modelos clásicos, PyTorch para redes neuronales y Hugging Face Transformers para modelos de lenguaje. Para infraestructura usamos Google Cloud Platform y AWS, según lo que el cliente ya tenga contratado.

Los dashboards de monitoreo los construimos con Streamlit o Grafana, conectados directamente a las bases de datos del cliente. Evitamos crear dependencias con herramientas propietarias nuestras: todo el código y la documentación quedan en manos del cliente al finalizar el proyecto.

El diagnóstico inicial tiene un costo fijo de 4.800.000 COP. A partir de ahí, la implementación se cotiza según la complejidad: un chatbot con integración a WhatsApp suele estar entre 12 y 20 millones de COP, mientras que un sistema de análisis predictivo con múltiples fuentes de datos puede oscilar entre 25 y 60 millones.

Cobramos por fases con entregables definidos, no por horas. Si al terminar el diagnóstico decidimos que la IA no es la solución correcta para su caso, se lo decimos y le sugerimos alternativas. Eso ha pasado en tres ocasiones y preferimos ser directos a vender un proyecto que no va a generar retorno.

Sí. Todos los proyectos incluyen tres meses de soporte posterior a la entrega, sin costo adicional. Durante ese periodo corregimos errores, ajustamos parámetros del modelo si los datos cambian y respondemos dudas técnicas del equipo interno.

Después de esos tres meses, ofrecemos contratos de mantenimiento mensual que incluyen monitoreo del rendimiento del modelo, reentrenamiento periódico y soporte técnico por correo y videollamada. El costo varía según la complejidad del sistema, pero típicamente está entre 1.500.000 y 4.000.000 COP mensuales.

Sí. Cerca de un 30 % de nuestros proyectos son con empresas en México, Perú y Chile. Trabajamos de forma remota con reuniones semanales por videollamada y acceso compartido a repositorios de código. La diferencia horaria con estos países es mínima, lo que facilita la coordinación.

Para proyectos que requieren acceso a infraestructura local del cliente, viajamos al sitio durante la fase de diagnóstico y al momento del despliegue. Los costos de viaje se presupuestan por separado y se acuerdan antes de firmar el contrato.

Firmamos acuerdos de confidencialidad (NDA) antes de acceder a cualquier dato. Los datos se procesan en entornos aislados dentro de la infraestructura en la nube del cliente o en instancias dedicadas que nosotros configuramos. No mezclamos datos de distintos clientes en un mismo entorno.

Todo el tráfico entre nuestros sistemas y los del cliente viaja cifrado con TLS 1.3. Los datos en reposo se cifran con AES-256. Al finalizar el proyecto, eliminamos todas las copias de datos del cliente de nuestros sistemas y entregamos un certificado de destrucción.

No. Cada modelo se entrena exclusivamente con los datos del cliente para quien fue diseñado. Los pesos del modelo, los datos de entrenamiento y la configuración son propiedad del cliente. No reutilizamos esos activos en otros proyectos.

Cuando usamos modelos preentrenados de código abierto como base (por ejemplo, un modelo de lenguaje), el ajuste fino se hace con los datos del cliente en un entorno privado. El modelo base original es público; el modelo ajustado es del cliente.