Soluciones de IA para empresas

Desarrollo de IA para empresas que necesitan automatización práctica, no promesas.

UnderStack integra la IA en procesos concretos de la empresa: extraer datos de documentos, responder preguntas a partir del conocimiento interno y automatizar pasos repetitivos, con modelos en la nube o locales y una persona al mando.

Si prefieres hablar de más detalles, buscamos un momento que te venga bien.

01

Para quién es y qué resuelve

La IA es útil donde las personas dedican horas a un trabajo repetitivo, pero no lo bastante regular para las reglas clásicas. Un equipo de contabilidad vuelve a teclear facturas de proveedores que llegan en veinte formatos. Una aseguradora o una firma de peritajes lee informes largos para encontrar los mismos diez datos. Un equipo de soporte responde las mismas preguntas a partir de un manual en el que nadie puede buscar. Un equipo comercial reescribe ofertas a partir de ofertas anteriores. Una cocina copia a mano los albaranes en el inventario. En todos estos casos un modelo puede hacer la primera pasada: leer, extraer, clasificar, redactar o buscar. Después, la persona revisa y aprueba. No hacemos chatbots por el hecho de tener uno. Buscamos un proceso con fricción medible y construimos la automatización más pequeña que la elimine.

02

Qué construimos

La mayoría de los sistemas de IA útiles son software corriente con un modelo en uno o dos pasos. Lo que los hace seguros para el trabajo es el software que los rodea: permisos, pantallas de revisión y registros.

  • Extracción y clasificación de documentos con revisión humana
  • Asistentes internos que responden a partir de tus propios documentos
  • Automatizaciones dentro de herramientas y procesos existentes
  • Funciones de IA en productos web y móviles
  • Asistentes con modelos locales, sin procesamiento en la nube
  • Pasos de aprobación y registro de cada acción que propone un modelo

03

Modelos en la nube o locales

Dónde se ejecuta el modelo es una decisión de negocio tanto como técnica. Los modelos alojados por un proveedor son la forma más rápida de empezar y son adecuados cuando el contenido puede salir de tu entorno bajo un acuerdo de tratamiento de datos. Los modelos locales se ejecutan en tus propios equipos o dispositivos, de modo que los documentos y las conversaciones nunca salen de ellos. Trabajamos con las dos opciones. UnderStack Code, nuestro asistente para Mac, ejecuta modelos locales mediante Ollama y mantiene los chats y los archivos en el equipo, y UnderStack Pocket AI está diseñado para ejecutarse en el propio dispositivo Android. Antes de construir nada indicamos qué datos se enviarían y adónde, para que la decisión sea tuya.

04

Cómo se desarrolla un proyecto de IA

Los proyectos de IA fracasan cuando parten de la tecnología. Los nuestros parten de un proceso y de ejemplos reales de ese proceso.

  1. 1Elección del proceso: elegimos un proceso y medimos el trabajo manual que implica. Recibes una descripción breve del proceso, del beneficio esperado y de los datos que toca.
  2. 2Prototipo con material real: el modelo se prueba con tus propios documentos o preguntas. Recibes los resultados, incluidos los casos en que falla, antes de decidir si continuar.
  3. 3Revisión y controles: diseñamos la pantalla en la que una persona aprueba, corrige o rechaza el resultado. Recibes el flujo de revisión y las reglas sobre lo que el sistema puede hacer por sí solo.
  4. 4Integración: la automatización se conecta a las herramientas donde ya se hace el trabajo. Recibes una versión funcional para el uso diario.
  5. 5Seguimiento: tras la puesta en marcha se siguen la precisión y las excepciones, y se ajustan las instrucciones, las reglas o los modelos.

05

Tecnología y decisiones técnicas

La aplicación que rodea al modelo se construye con React, TypeScript y Node.js, como el resto de nuestro software, de modo que una función de IA puede vivir dentro de un sistema existente y no en una herramienta aparte. A los modelos se accede mediante una API o se ejecutan en local con Ollama. En cada proyecto se toman tres decisiones de forma explícita. Primera, qué puede hacer el modelo sin aprobación: en nuestros propios productos, las ediciones, los comandos y otras acciones con consecuencias esperan al usuario. Segunda, qué datos puede leer: el acceso se concede fuente por fuente, no de manera global. Tercera, qué se registra, para que un paso automático pueda auditarse después. El modelo en sí se trata como un componente reemplazable, porque cada pocos meses aparecen otros mejores y más baratos.

React
TypeScript
Node.js

06

Límites que conviene conocer antes de empezar

Los modelos de lenguaje son buenos leyendo, resumiendo y redactando, y poco fiables en aritmética exacta, en datos que no se les han dado y en reconocer que no saben algo. Un sistema bien diseñado lo tiene en cuenta. Las cifras las calcula código corriente, las respuestas se apoyan en tus propios documentos mostrando la fuente, y todo lo que modifica datos o sale de la empresa pasa antes por una persona. Si un proceso necesita una respuesta correcta siempre y sin revisión, un modelo es la herramienta equivocada y el software convencional es mejor opción. Lo decimos en la primera conversación, no después del prototipo.

07

Presupuesto y plazos

Un proyecto de IA tiene dos componentes de precio: construir la automatización y ejecutar el modelo. El primero depende del proceso, de las pantallas de revisión y de las integraciones. El segundo depende del volumen y de si el modelo está alojado o es local. Como el prototipo se ejecuta primero con tu propio material, ves la calidad y una estimación del gasto de funcionamiento antes de comprometerte con el desarrollo completo. No publicamos rangos de precios. El artículo sobre automatización con IA para empresas europeas explica cómo elegir un primer proceso, y recibes un presupuesto antes de empezar.

Preguntas y respuestas

¿Qué puede automatizar la IA de forma realista en una empresa?

Leer y extraer datos de documentos, ordenar y repartir las solicitudes entrantes, redactar respuestas y resúmenes, y buscar en el conocimiento interno. Funciona mejor como una primera pasada que una persona aprueba, no como un sistema que decide sin supervisión.

¿Nuestros datos se envían a un proveedor de IA?

Solo si eliges un modelo alojado, y en ese caso sabes de antemano qué datos se envían y a quién. Con modelos locales, los documentos y las conversaciones se quedan en tus propios equipos.

¿Necesitamos una gran cantidad de datos para empezar?

No. La mayoría de las automatizaciones usan modelos existentes y necesitan un conjunto de ejemplos reales para hacer pruebas, no un conjunto de datos de entrenamiento. Unas pocas decenas de documentos representativos bastan para un primer prototipo.

¿Cómo sabemos si el resultado es fiable?

El prototipo se mide con tu propio material, incluidos los casos en que falla. En producción, una persona revisa el resultado allí donde un error tendría consecuencias, y las excepciones quedan registradas.

¿Cuánto cuesta un proyecto de IA?

Depende del proceso, de las integraciones y de si el modelo se ejecuta en la nube o en local. Empezamos con un solo proceso y un prototipo, lo que mantiene pequeño el primer paso. Recibes un presupuesto antes de empezar.

¿Se puede añadir IA al software que ya usamos?

A menudo, sí. Si el sistema existente tiene una API o una base de datos a la que podamos acceder, la automatización puede leer de él y escribir en él, de modo que el equipo sigue trabajando en la misma herramienta.