Preguntas frecuentes sobre Artificial Intelligence

Hemos recopilado las dudas que más nos plantean los clientes antes de iniciar un proyecto. Si no encuentras tu respuesta aquí, escríbenos.

Sobre nuestros servicios

Depende del alcance, pero damos cifras orientativas. Un prototipo funcional con datos reales parte de 4.500 €. Incluye la auditoría de datos, el entrenamiento de un modelo y un informe de resultados con métricas de rendimiento.

Si necesitas un modelo en producción con API, monitorización continua y documentación técnica, el rango habitual está entre 12.000 € y 35.000 €. Proyectos con múltiples modelos interconectados o requisitos de tiempo real pueden superar esa franja; en esos casos preparamos un presupuesto a medida tras la auditoría inicial.

La auditoría de datos dura dos semanas. Durante ese tiempo revisamos las fuentes de información, limpiamos registros problemáticos y definimos las métricas de éxito junto con tu equipo.

Después, el desarrollo del modelo y su integración requieren entre 6 y 16 semanas. Un clasificador de texto sencillo puede estar listo en mes y medio; un sistema de detección de anomalías con datos de sensores industriales necesita más iteraciones de entrenamiento y validación, así que suele acercarse a los cuatro meses.

Es lo habitual. La mayoría de empresas que nos contactan tienen datos repartidos en hojas de cálculo, bases de datos SQL antiguas y correos electrónicos. Parte de nuestro trabajo consiste en diseñar un pipeline de limpieza y normalización antes de entrenar cualquier modelo.

Si el volumen de datos es demasiado pequeño para obtener resultados fiables, lo decimos con claridad. En esos casos recomendamos primero un plan de recogida de datos durante tres o cuatro meses y arrancamos el proyecto cuando haya material suficiente. Preferimos ser sinceros a vender un modelo que no va a funcionar.

Python es nuestro lenguaje principal. Para modelos tabulares usamos scikit-learn y XGBoost. Cuando el problema requiere redes neuronales profundas trabajamos con PyTorch. El procesamiento de lenguaje natural lo hacemos con spaCy para tareas ligeras y con modelos transformer de Hugging Face para clasificación y generación de texto.

Las APIs las desplegamos con FastAPI sobre contenedores Docker, normalmente en infraestructura de Google Cloud o AWS según lo que ya use el cliente. Para la monitorización de modelos en producción usamos MLflow y alertas personalizadas en Grafana.

No es imprescindible. Muchos de nuestros clientes son pymes sin departamento de IT propio. En esos casos nos encargamos de todo: desde la infraestructura cloud hasta la formación del personal que va a usar el sistema.

Si ya tenéis desarrolladores, mejor. Pueden participar en las revisiones de código y hacerse cargo del mantenimiento una vez terminado el proyecto. Les damos acceso al repositorio, documentación técnica detallada y dos sesiones de transferencia de conocimiento incluidas en el precio.

Firmamos un acuerdo de confidencialidad (NDA) antes de recibir cualquier dato. Todos los ficheros se almacenan en entornos cifrados con acceso restringido a los miembros del equipo asignados al proyecto.

Cuando el proyecto termina, eliminamos los datos del cliente de nuestros servidores en un plazo máximo de 30 días, salvo que se acuerde un contrato de mantenimiento que requiera conservarlos. Te enviamos una confirmación por escrito de la eliminación.

Sí. Tenemos un plan de mantenimiento mensual que cuesta entre 600 € y 1.800 € según la complejidad del sistema. Incluye monitorización del rendimiento del modelo, reentrenamiento cuando la precisión cae por debajo del umbral acordado y actualizaciones de las dependencias de software.

Los modelos de IA se degradan con el tiempo porque los datos del mundo real cambian. Un modelo de predicción de demanda entrenado con datos de 2023 puede perder precisión en 2025 si cambian los patrones de consumo. El mantenimiento evita ese problema.

Sí. Nuestra auditoría de dos semanas termina con un informe que incluye un modelo preliminar entrenado con una muestra de tus datos. Verás métricas reales de precisión, recall y error medio. Si los números no son prometedores, te lo diremos y no tendrás obligación de continuar.

La auditoría tiene un coste fijo de 1.200 € que se descuenta del presupuesto total si decides seguir adelante con el proyecto.

Recursos para entender la IA aplicada

Publicamos guías breves para que cualquier responsable de negocio pueda evaluar si un proyecto de Artificial Intelligence tiene sentido en su contexto. Aquí van tres de las más consultadas.

Pantalla de portátil con gráficos de datos y métricas de IA

¿Tiene mi empresa datos suficientes?

Explicamos cuántos registros necesita cada tipo de modelo, desde clasificadores simples (unos pocos miles de ejemplos) hasta sistemas de visión artificial (decenas de miles de imágenes etiquetadas). Incluimos una checklist descargable para hacer una autoevaluación rápida.

Profesionales revisando un cronograma de proyecto

Cómo presupuestar un proyecto de IA

Desglosamos las fases típicas de un proyecto y qué porcentaje del presupuesto se destina a cada una. La recogida y limpieza de datos suele consumir entre el 30 % y el 50 % del esfuerzo total, algo que muchas empresas no anticipan.

Ingeniero monitorizando paneles de rendimiento en sala de operaciones

Mantener un modelo en producción

Un modelo que funciona en el laboratorio puede fallar en producción si no se monitoriza. Describimos las métricas que hay que vigilar, con qué frecuencia reentrenar y cómo detectar el data drift antes de que afecte a las decisiones de negocio.

¿Tienes más preguntas?

Llámanos al +34 96 703 72 67 o escríbenos a [email protected]. Respondemos en menos de 24 horas laborables.

Ir al formulario de contacto