Servicios
Alcance cerrado. Precio cerrado. Resultados medidos. Todo se despliega en su nube o en sus servidores.
Auditoría de costes de LLM
Adónde va su gasto en IA y qué llamadas puede asumir un modelo pequeño, con cifras.
Sustituya su clasificador basado en LLM
Un modelo ajustado, entrenado con sus datos y comparado con lo que usa hoy.
Previsión de la demanda
Primero, referencias honestas; gradient boosting donde compensa. Previsiones en las herramientas que ya usa.
Recomendaciones de productos
«Comprados juntos con frecuencia» y «Complete su pedido», aprendidos de sus propios pedidos y servidos desde sus sistemas.
Pasarela de IA privada
Un modelo pequeño que encuentra nombres, direcciones, números de cuenta y de identidad en lo que su equipo pega en herramientas tipo ChatGPT, y los sustituye antes de que el texto salga de su red. Funciona en sus servidores; cuando llega la respuesta, los marcadores pueden sustituirse de nuevo por los datos reales.
Los proyectos se presupuestan a precio cerrado tras la auditoría o una llamada de 30 minutos.
Preguntas
¿Qué datos necesita?
Para un clasificador, ejemplos de sus mensajes y del destino al que fueron. Para previsión, su histórico de ventas o visitas, idealmente dos años para que cada temporada aparezca dos veces. Para recomendaciones, pedidos pasados. La auditoría dice si lo que tiene es suficiente.
¿Firmará un acuerdo de confidencialidad (NDA)?
Sí, antes de que comparta ningún dato. Sus datos y el modelo entrenado siguen siendo suyos.
¿Cómo se cumple el RGPD?
Siempre que es posible, el trabajo se hace en su entorno, así que los datos no salen de él. Cuando hay que compartir datos personales, primero se firma un contrato de encargo del tratamiento (art. 28 del RGPD), que fija cuándo se devuelven o se suprimen los datos.
¿Qué recibo al final?
El modelo funcionando en su infraestructura, el código y el pipeline de entrenamiento en su repositorio, un benchmark frente a lo que usa hoy y documentación para su equipo. Sin licencias, sin dependencia de un proveedor.
¿Y si un modelo pequeño no basta?
Entonces el benchmark lo muestra antes de que pague un desarrollo, y usted se queda con lo que tiene.