Machine Learning, LLMs, NLP y forecasting integrados en tus procesos de negocio. Desde el primer prototipo hasta producción.
Soluciones
Desde proyectos piloto hasta sistemas en producción. Cada solución parte de tus datos reales.
Modelos de forecasting para ventas, stock y producción. Reducción de roturas y exceso de inventario con predicciones precisas.
Lectura de facturas, albaranes y pedidos con modelos Claude sobre Amazon Bedrock, ejecutados dentro de la infraestructura del propio cliente.
El modelo lee la factura, el albarán o el pedido tal y como lo haría una persona, sin OCR por medio. Por eso funciona aunque cada proveedor use su propio formato. Integración directa con el ERP.
Clasificación de textos, análisis de sentimiento, extracción de entidades y resumen automático de documentos extensos.
Identificación automática de fraude, errores en datos, fallos de proceso y comportamientos atípicos sobre el dato operativo.
Lectura de documentos escaneados y fotografiados: corrección de orientación, recorte y extracción de los datos aunque el papel llegue torcido o con mala luz.
En producción
Casi cualquiera puede enseñar una demo de IA. Lo difícil es que siga acertando dentro de seis meses, cuando el negocio ha cambiado y los datos ya no se parecen a los del entrenamiento.
Los modelos se ejecutan dentro de la infraestructura cloud del propio cliente, no en servicios externos de uso general. Las ventas, los clientes, los márgenes y los precios de compra no salen de su entorno, se procesan dentro de su propia cuenta cloud y no se usan para entrenar modelos de terceros. Es la primera pregunta que hace cualquier comité de dirección, y la respuesta condiciona si el proyecto sale adelante.
Nuestros sistemas de IA no son un script que alguien ejecuta a mano. Son un ciclo completo y automático:
Las peticiones se encolan y se procesan sin bloquear al usuario ni al ERP.
El modelo responde en segundos, con trazabilidad de qué versión respondió qué.
El resultado vuelve al proceso de negocio: un pedido, una ruta, una alerta.
Cuando el modelo se degrada, se reentrena solo con los datos nuevos y se publica la versión actualizada.
Ese cuarto paso es el que casi nadie monta, y es el que decide si al año siguiente el sistema sigue sirviendo o se ha quedado en un piloto que nadie mira.
Para distribución y hostelería, donde la estacionalidad canaria y los picos de ocupación hacen que la media sirva de poco. Medimos el error del modelo por categoría y lo publicamos: las familias de alto volumen se predicen bien; el producto fresco y volátil, bastante peor. Decirlo por adelantado evita decisiones mal fundadas.
Precios que no se han actualizado, márgenes que caen sin motivo aparente, consumos fuera de rango, movimientos que no cuadran con el albarán. No es fraude de película: es el error silencioso que se repite cada día y que nadie ve hasta que alguien cruza dos fuentes que nunca se habían cruzado.
Casos en marcha
El trabajo administrativo que nadie quiere hacer: teclear facturas de proveedor, pasar pedidos del correo al ERP, cuadrar albaranes. Son procesos reales, funcionando en producción.
El documento llega en PDF, cada proveedor con su formato, su maquetación y sus manías. Y aquí no hay OCR: el modelo ve el documento igual que lo vería una persona. Esa diferencia es la que hace que funcione con cualquier formato nuevo sin reprogramar nada, mientras que un OCR clásico hay que enseñarlo plantilla a plantilla. El modelo lee el documento completo y devuelve lo que pone: quién emite y quién recibe con su CIF, qué tipo de documento es (factura, albarán, presupuesto, pedido o abono), número y fecha, y el desglose línea a línea con referencia del proveedor, descripción tal cual viene, cantidad, unidad, precio, base, IVA y total.
Funciona por dos vías: una pantalla donde se sube el PDF a mano cuando hace falta revisarlo, y un proceso automático que vacía el buzón de facturas sin que nadie intervenga. Incluso corrige la orientación de los documentos escaneados torcidos, que es la mitad de los que llegan.
Un cliente escribe un correo pidiendo mercancía. A veces en el cuerpo del mensaje, a veces en un PDF adjunto, a veces en una foto de un papel. El sistema lee el buzón, detecta que ese correo contiene un pedido, identifica al cliente y su delegación, reconoce cada producto contra el catálogo real y propone el pedido ya montado, con sus cantidades, precios y descuentos.
Una persona lo revisa en pantalla y, si está bien, lo vuelca al ERP de un clic. La respuesta sale desde el buzón comercial de la empresa, no desde una dirección de sistema que acabaría en la carpeta de spam. Lo difícil aquí nunca es leer el texto: es acertar con qué artículo del catálogo quiso decir el cliente cuando escribió «2 cajas de las de siempre».
En la propia cuenta cloud del cliente, sobre Amazon Bedrock, con modelos Claude. Los documentos no se suben a servicios de uso general ni se usan para entrenar modelos de terceros: entran, se procesan y se guardan en el almacenamiento del cliente. La integración con el correo corporativo se hace con Microsoft Graph sobre el propio tenant de la empresa.
El recorrido completo —desde que el correo entra hasta que el pedido está en el ERP— está contado en este caso de una distribuidora con varias sedes.
FAQ
Hablemos
Cuéntanos tu proyecto y te proponemos la solución más adecuada sin compromiso.