IA en producción.
No en demos.

Depende del caso de uso, los datos disponibles y las integraciones requeridas. Un PoC focalizado — un caso, datos accesibles, una integración — arranca en proyectos de cuatro a seis semanas. PoCs con integración compleja a múltiples sistemas existentes toman seis a diez semanas. En todos los casos arrancamos con un discovery gratuito que dimensiona scope, viabilidad técnica y ROI esperado antes de cerrar números. La factura mensual del modelo y la operación quedan definidas en el discovery, sin sorpresas posteriores.

Multi-proveedor por defecto. Hemos operado con APIs comerciales — OpenAI, Anthropic, AWS Bedrock, Azure OpenAI, Google Vertex AI — modelos open-source en cloud privado del cliente y deployments on-premise para datos altamente sensibles. La elección depende del caso, la criticidad de los datos, el compliance regulatorio del sector y el presupuesto operativo. No tenemos preferencia comercial por ningún proveedor. Si la empresa cliente ya tiene stack definido, nos integramos a él; si está empezando, recomendamos según restricciones reales.

No, salvo decisión explícita del cliente. Por defecto trabajamos con configuraciones que no permiten retención del prompt ni de la respuesta por parte del proveedor del modelo: cuentas enterprise con zero retention, AWS Bedrock o Azure OpenAI con cláusulas de no-retención contractuales, modelos abiertos desplegados en cloud privado del cliente. Para datos altamente sensibles — información financiera, biométrica, médica — desplegamos modelos open-source on-premise o en cloud privado sin salida externa. La política de retención queda documentada en el contrato.

Entre cuatro y diez semanas según complejidad. Casos focalizados — un proceso, integraciones simples — en cuatro a seis semanas hasta primer caso productivo. Casos complejos con múltiples integraciones, datos en varios sistemas o requisitos de compliance específicos en ocho a diez semanas. La regla operativa es clara: PoC con datos reales en cuatro a seis semanas, productivización en dos a cuatro semanas adicionales. La diferencia clave entre un PoC que escala y uno que muere es la decisión, desde el sprint cero, de tratar el PoC como software productivo.

Garantizamos métricas objetivas medidas, no resultados absolutos. Antes de productivizar acordamos con el cliente los criterios de aceptación: precision, recall, F1 score, satisfaction score, porcentaje de adopción del usuario final, según el caso. Si el modelo no llega al criterio acordado, no productivizamos — y trabajamos sobre la causa raíz, sea calidad de datos, diseño del prompt, arquitectura RAG o evaluación insuficiente. Lo que no hacemos: prometer accuracy del 99% sin haber visto los datos del cliente.

Tres dimensiones objetivas. Primero, horas liberadas del equipo: cuántas horas-hombre desaparecieron del proceso semanal o mensualmente. Segundo, errores reducidos: diferencia en tasa de error pre y post implementación, medida sobre el mismo volumen comparable. Tercero, decisiones aceleradas: diferencia en tiempo desde el momento en que se necesita decidir hasta que la decisión queda tomada. Las tres dimensiones se miden antes de empezar como baseline, después del PoC como delta y mensualmente en producción como sostenimiento.