Respuestas directas a las dudas que nos plantean con más frecuencia antes de empezar un proyecto.
Depende del tipo de servicio. Un modelo de análisis predictivo con datos limpios puede estar en producción en cuatro semanas. Si los datos necesitan limpieza previa o hay que integrar varias fuentes, el plazo se extiende a ocho o diez semanas. Los proyectos de consultoría estratégica suelen cerrarse en dos semanas porque no implican desarrollo de software.
Publicamos un calendario detallado al inicio de cada proyecto con hitos semanales. Si un hito se retrasa por nuestra parte, el cliente lo sabe el mismo día.
No. Nos encargamos del desarrollo, la infraestructura y el mantenimiento. Lo que sí necesitamos es un interlocutor dentro de tu empresa que conozca el proceso de negocio y pueda validar que los resultados tienen sentido. Normalmente es alguien de operaciones, finanzas o dirección general.
Es lo habitual. La mayoría de empresas con las que trabajamos tienen datos en formatos distintos, con registros duplicados o campos vacíos. La auditoría de datos que hacemos al inicio sirve precisamente para evaluar el estado real de la información y decidir qué limpieza es necesaria antes de entrenar un modelo.
En algunos casos recomendamos empezar con la consultoría de datos para poner orden primero y abordar la IA después, cuando la base es sólida.
Para modelos de predicción de demanda, pedimos al menos 12 meses de datos con frecuencia diaria o semanal. Con menos de eso, el modelo no puede captar la estacionalidad. Para automatización documental, una muestra de 200 documentos representativos basta para la fase de entrenamiento inicial.
Si tienes menos datos de los necesarios, podemos diseñar una estrategia de captación de datos durante tres a seis meses y empezar el proyecto después.
No tenemos tarifas fijas porque cada proyecto tiene un alcance distinto. Una automatización documental sencilla para un tipo de factura puede costar entre 6.000 y 12.000 euros. Un sistema de predicción de demanda con integración en ERP suele estar entre 15.000 y 35.000 euros. La consultoría de datos parte de 3.500 euros.
Siempre enviamos un presupuesto cerrado antes de empezar. Si durante el proyecto surge un cambio de alcance, lo discutimos y acordamos por escrito antes de seguir.
Los tres primeros meses de soporte están incluidos en el precio del proyecto. Después ofrecemos contratos de mantenimiento mensuales que cubren la monitorización del modelo, el reentrenamiento periódico y la resolución de incidencias. El coste mensual depende del volumen de datos y de la complejidad del sistema, pero suele estar entre 400 y 1.200 euros al mes.
Si el modelo se ejecuta en infraestructura cloud, los costes de computación (AWS, Google Cloud o Azure) corren por cuenta del cliente, aunque nosotros nos encargamos de optimizarlos.
Sí. Facturamos por fases completadas. Si decides parar después de la auditoría de datos, pagas solo esa fase. El código y la documentación generados hasta ese momento son tuyos.
El cliente. Una vez pagado el proyecto, todo el código fuente, los modelos entrenados y la documentación técnica pasan a ser propiedad del cliente. Entregamos el repositorio completo en Git con historial de cambios.
Trabajamos con servidores ubicados en la Unión Europea, concretamente en las regiones de Fráncfort y Ámsterdam de AWS y Google Cloud. Si tu empresa requiere que los datos no salgan de España, podemos utilizar la región de Madrid de AWS.
Todos los datos se cifran en tránsito (TLS 1.3) y en reposo (AES-256). Al finalizar el proyecto, eliminamos todas las copias de datos del cliente de nuestros sistemas en un plazo de 30 días, salvo que se acuerde lo contrario.
Sí. Firmamos un acuerdo de encargado de tratamiento (DPA) con cada cliente antes de acceder a datos personales. Si el proyecto implica datos especialmente sensibles (salud, datos financieros), realizamos una evaluación de impacto en la protección de datos (DPIA) como parte de la fase de auditoría.
Cuatro ideas prácticas que hemos aprendido de más de cien proyectos.
Muchas empresas llegan pidiendo un chatbot o un modelo predictivo sin haber definido qué decisión quieren mejorar. Empieza por la pregunta de negocio: ¿qué decisión tomo hoy con intuición que podría tomar con datos?
Abre una muestra de tus datos y busca campos vacíos, formatos inconsistentes y registros duplicados. Si más del 30 % de los registros tienen problemas, conviene limpiar primero y modelar después.
Un piloto con una línea de producto, una tienda o un departamento permite validar la idea con menos riesgo. Si funciona, se escala. Si no, has invertido poco.
Las herramientas de IA que nadie usa son un gasto, no una inversión. Incluye a los futuros usuarios en las pruebas del prototipo para que el producto final responda a sus necesidades reales.