Preguntas frecuentes sobre Artificial Intelligence

No hay un precio fijo porque cada proyecto tiene un alcance diferente. Un modelo predictivo con datos ya limpios y una sola variable objetivo puede partir de 8.000 €. Proyectos más complejos que incluyen auditoría de datos, múltiples modelos e integraciones con ERP pueden llegar a 45.000 € o más.

Lo que sí hacemos siempre es darte un presupuesto cerrado antes de empezar la fase de desarrollo. La auditoría de datos tiene un precio fijo (entre 1.500 € y 3.500 € según el volumen de fuentes) y se descuenta del presupuesto final si decides continuar.

El plazo medio desde la primera reunión hasta el despliegue en producción es de 8 a 12 semanas para proyectos de complejidad media. Un modelo predictivo sencillo puede estar listo en 4 semanas. Un sistema de visión por computador con etiquetado de datos desde cero puede necesitar 14 semanas.

Publicamos el cronograma detallado al final de la fase de diseño, con hitos intermedios y fechas de demo. Si un hito se retrasa por nuestra parte, te avisamos con al menos 5 días de antelación y proponemos un plan de recuperación.

No. El presupuesto incluye el periodo de soporte post-entrega (entre 1 y 6 meses según el servicio). Durante ese periodo, los reentrenamientos del modelo y las correcciones de errores están cubiertos. Si después quieres un contrato de mantenimiento mensual, te lo presupuestamos aparte, pero no es obligatorio. El modelo es tuyo y puedes operarlo con tu equipo.

Depende del problema. Para un modelo de previsión de demanda, necesitamos al menos 12 meses de datos de ventas con granularidad diaria, incluyendo variables como producto, punto de venta, precio y promociones activas. Para automatización documental, necesitamos una muestra de entre 200 y 500 documentos representativos.

En la fase de auditoría evaluamos si tus datos son suficientes. Si no lo son, te indicamos exactamente qué necesitas recoger y durante cuánto tiempo antes de que el proyecto sea viable. No empezamos a desarrollar hasta que los datos cumplen un umbral mínimo de calidad.

Firmamos un acuerdo de confidencialidad (NDA) antes de recibir cualquier dato. Trabajamos en entornos aislados: cada proyecto tiene su propia instancia cloud con acceso restringido al equipo asignado. Nunca compartimos datos entre proyectos de distintos clientes.

Si tus datos contienen información personal (nombres, DNI, datos médicos), aplicamos técnicas de anonimización o pseudonimización antes de usarlos para entrenamiento. Cumplimos con el RGPD y con la LOPDGDD española. Si tu sector tiene regulación específica (sanitario, financiero), adaptamos los protocolos de seguridad a esos requisitos.

Sí, es más habitual de lo que parece. Muchos de nuestros clientes empiezan con datos en Excel o Google Sheets. Lo que hacemos es migrar esos datos a una base de datos estructurada como parte de la fase de preparación. El coste de esa migración se incluye en el presupuesto del proyecto.

Lo que sí necesitamos es que los datos tengan un formato mínimamente consistente: mismas columnas en todos los ficheros, fechas en un formato reconocible, sin filas duplicadas intencionadas. Si hay problemas de consistencia, los detectamos en la auditoría y proponemos cómo resolverlos.

No es imprescindible para la fase de desarrollo. Nosotros nos encargamos de todo: preparación de datos, entrenamiento, despliegue y monitorización inicial. Sin embargo, recomendamos que al menos una persona de tu organización participe en las sesiones de formación que incluimos al final de cada proyecto.

Esa persona no necesita ser programadora. Puede ser alguien de operaciones o de análisis de negocio que entienda los datos y sepa interpretar las métricas del panel de seguimiento. Su papel es detectar si el modelo empieza a dar resultados extraños y avisarnos durante el periodo de soporte.

No. Hemos trabajado con empresas de 15 empleados y con empresas de 2.000. Lo que determina si un proyecto es viable no es el tamaño de la empresa, sino la cantidad y calidad de los datos disponibles y la claridad del problema que se quiere resolver.

Para empresas pequeñas solemos recomendar empezar con un proyecto acotado (por ejemplo, automatizar la clasificación de emails de soporte) que tenga un retorno rápido y visible. Eso permite validar el enfoque antes de invertir en proyectos más ambiciosos.

La mayoría de nuestros proyectos se ejecutan en remoto. Las reuniones de descubrimiento y las demos intermedias se hacen por videollamada. Si estás en Madrid y prefieres reuniones presenciales, nos adaptamos sin problema.

Para proyectos de visión por computador que requieren instalar cámaras o sensores, sí necesitamos visitar las instalaciones. En esos casos, incluimos las visitas técnicas necesarias en el presupuesto.

Nuestro stack principal es Python con librerías como scikit-learn, PyTorch y Hugging Face Transformers para modelos de lenguaje. Para despliegue usamos Docker y Kubernetes en AWS, Azure o Google Cloud, según lo que ya use el cliente.

No tenemos preferencia dogmática por una plataforma. Si tu empresa ya tiene infraestructura en Azure, desplegamos allí. Si no tienes nada, recomendamos AWS por la amplitud de servicios de machine learning gestionados, pero la decisión final es tuya.