Implementación de IA en empresas
Te ayudo a decidir dónde la IA aporta valor en tu operación, a integrarla con los sistemas y datos que ya usas y a mantenerla bajo control humano. Empezamos por el proceso, no por la tecnología.
Actualizado:
Hay demasiadas herramientas y promesas. Necesitas una lista corta de casos de uso evaluados por impacto, esfuerzo y riesgo.
Un prototipo en un chat no es un proceso. Falta integración, control de calidad, permisos y alguien que lo mantenga.
Te preocupa qué datos salen a un proveedor externo y qué ocurre cuando el modelo se equivoca.
Clasificar correos, extraer datos de documentos o redactar respuestas se hace a mano, con errores y retrasos.
La mayoría de las empresas no necesitan «una IA»; necesitan que una tarea concreta —leer un documento, clasificar una petición, redactar un primer borrador— deje de depender de horas manuales. Mi trabajo consiste en convertir esa tarea en un proceso con entradas, salidas y criterios de calidad claros, y solo entonces decidir si un modelo de lenguaje, un modelo de clasificación clásico o una simple regla es la herramienta adecuada.
Técnicamente, lo habitual es una integración por API: tu sistema (correo, formulario, ERP, almacenamiento de documentos) envía la información relevante a un modelo, el resultado se valida con reglas y, cuando procede, se somete a revisión humana antes de actuar. Trabajo con las API de OpenAI y Anthropic, y también con alternativas cuando el caso exige que los datos no salgan de tu infraestructura.
Para evaluar un caso necesito ejemplos reales (anonimizados si es necesario) del input y del resultado esperado, y saber quién valida hoy el trabajo. No necesito migrar todos tus datos ni montar una plataforma. Si los datos están dispersos o son de mala calidad, el diagnóstico inicial lo dirá y el primer paso será ordenarlos, que es trabajo de ingeniería de datos y no de IA.
Antes de enviar información a un proveedor externo definimos qué datos pueden salir, cuáles se enmascaran y cuáles no deben salir nunca. Documento el flujo de datos para que puedas revisarlo con tu asesor legal o de protección de datos. La IA propone; una persona decide siempre que el error tenga consecuencias para un cliente, un pago o una obligación legal.
He desarrollado pipelines en Python que incorporan modelos de lenguaje en un entorno fintech (descrito aquí a alto nivel por confidencialidad) y, como proyecto personal, un asistente con memoria a largo plazo y recuperación híbrida. No son casos de cliente, y por eso los indico como lo que son. Puedes ver el detalle en los proyectos relacionados.
Documento corto con casos de uso priorizados, datos necesarios, riesgos y una estimación razonada de esfuerzo y beneficio.
El caso priorizado funcionando conectado a tus herramientas (correo, ERP, CRM, hojas, almacenamiento de documentos) mediante API.
Casos de prueba con tus datos, umbrales de confianza y un flujo de revisión humana donde el riesgo lo exija.
Arquitectura, decisiones, costes de uso de la API, guía de operación y formación a quien lo vaya a mantener.
Observo cómo se hace hoy el trabajo, dónde se pierde tiempo y qué se considera un resultado correcto. Sin esto, no hay forma de medir mejora.
Compruebo qué datos existen, en qué estado están y qué restricciones legales o contractuales aplican. Descarto lo que no merece la pena.
Construyo la versión más pequeña que pueda demostrarse con ejemplos tuyos y la evalúo contra un conjunto de prueba acordado.
Primero en paralelo al proceso manual, luego con revisión humana y, solo si los resultados lo justifican, con más autonomía.
Registro de usos, errores y costes; revisión periódica de la calidad y ajuste cuando cambian los datos o el modelo.
Responder preguntas sobre manuales, políticas o procedimientos citando el documento de origen. Se desarrolla en detalle en el servicio de asistentes RAG.
Etiquetar facturas, contratos, incidencias o correos por tipo y urgencia y enrutarlos a la persona o sistema correctos.
Pasar datos de PDF, correos o formularios a campos estructurados (importes, fechas, referencias) con validación posterior.
Borradores de respuesta y resúmenes de conversación que una persona revisa antes de enviar.
Redacción de informes, resúmenes de reuniones o preparación de presupuestos a partir de plantillas y datos existentes.
Conciliar listados, normalizar nombres o direcciones y detectar duplicados con reglas más modelos de lenguaje.
Depende del caso. La evaluación inicial suele ser un trabajo pequeño y de alcance cerrado; la integración varía según los sistemas implicados y el nivel de control exigido. Tras una primera conversación te doy una estimación por escrito. Los costes de uso de la API del modelo se suman y se estiman con ejemplos reales.
Solo si lo decidimos. Para cada caso defino qué información puede enviarse, qué se anonimiza y qué no debe salir. Existen opciones con términos de uso empresariales y, cuando es necesario, alternativas ejecutadas en tu propia infraestructura.
Se equivoca a veces. Por eso mido la calidad con un conjunto de pruebas, aplico validaciones automáticas y mantengo revisión humana en las decisiones con consecuencias. El objetivo es saber cuándo y cuánto falla, no fingir que no falla.
Para usar modelos de lenguaje ya entrenados normalmente no. Necesito ejemplos representativos del trabajo y de lo que se considera correcto. Para modelos predictivos propios sí importa la cantidad y calidad de datos, y eso lo valoramos antes.
Sí. Trabajo en remoto con empresas de toda España y de otros países, en español o en inglés.
Inteligencia artificialProyecto personal
Asistente basado en un modelo de lenguaje con memoria persistente y recuperación híbrida —semántica y por palabras clave— sobre un almacén en grafo.
Ingeniería de datosProyecto personal
Laboratorio personal que reproduce un entorno de analytics engineering sobre datos sintéticos de delitos financieros, con capas base, core y marts, tests de calidad y orquestación.
Para empresas4 min de lectura
Una regla práctica para decidir si automatizar una tarea compensa — tiempo, frecuencia, errores, mantenimiento — con un ejemplo de cálculo y una lista de comprobación.
Leer másConvierte tareas manuales y repetitivas en flujos programados, trazables y fáciles de mantener.
Ver servicioUn asistente que responde con tus documentos, cita la fuente y respeta los permisos.
Ver servicioPipelines fiables, modelos claros y tests de calidad para decidir con datos en los que confiar.
Ver servicioPrevisiones y clasificaciones evaluadas con honestidad frente a alternativas simples.
Ver servicioUna primera conversación sirve para saber si tiene sentido y por dónde empezar.