Inteligencia artificial aplicada al negocio

La IA no es el proyecto: el proceso es el proyecto

La pregunta que recibimos suele ser "¿cómo aplico inteligencia artificial en mi empresa?". Es la pregunta al revés. La correcta es: ¿qué tarea repetitiva, cara o lenta hace hoy una persona, y podría hacerla un modelo con supervisión? Ahí la IA se vuelve medible: tantas horas menos por semana, tantos errores menos por lote, tantos días menos de cierre. Si no podemos escribir esa frase antes de empezar, el proyecto todavía no está listo.

Por eso todos nuestros modelos están acotados a un dominio. Un modelo que "entiende todo" no entiende tu negocio. Uno entrenado sobre tus documentos, tus imágenes de línea o tu histórico de cartera, sí.

Capacidades que desplegamos

Supervisión humana, por diseño

En los dominios donde una decisión equivocada tiene consecuencias serias —salud, decisión pública, riesgo crediticio— la IA propone y la persona decide. En nuestras plataformas médicas, por ejemplo, el triaje asistido clasifica y ordena, pero la atención está supervisada por profesionales de salud. Eso no es una limitación técnica que esperamos superar: es cómo debe funcionar el sistema. Un modelo sin un humano responsable detrás no es automatización, es una fuga de responsabilidad.

En la práctica esto se traduce en tres cosas que construimos siempre: un umbral de confianza (por debajo de él, el caso va a revisión humana), una traza auditable (por qué el modelo dijo lo que dijo, con qué datos) y una vía de corrección (la persona corrige, y esa corrección alimenta la mejora del modelo).

El dato antes que el modelo

La parte más subestimada de un proyecto de inteligencia artificial es la que ocurre antes del modelo. Si los datos están en tres sistemas que no se hablan, si el histórico tiene dos años de campos mal llenados, si nadie registró los casos negativos, ningún modelo lo va a arreglar. Buena parte de nuestro trabajo en IA es, en realidad, ingeniería de software y analítica: construir el pipeline que hace que el dato exista, esté limpio y llegue a tiempo. Cuando la IA necesita datos del mundo físico —una planta, un campo, un estanque— ese pipeline empieza en sensores IoT.

Dónde la hemos aplicado

• Salud: triaje asistido, analítica clínica sobre cohortes de pacientes y asistentes conversacionales supervisados por profesionales. Es el corazón de Clini.pe, nuestra historia clínica electrónica. Ver sector salud.
• Automatización documental: OCR y clasificación para convertir flujos de papel en flujos digitales, sin retipeo.
• Vigilancia y control de calidad: visión computacional sobre entornos críticos y líneas de producción. Ver manufactura.
• Agro y acuicultura: lectura de índices de vegetación desde captura aérea con drones y alertas anticipadas sobre condiciones del cultivo. Ver agricultura y acuicultura.
• Gobierno y análisis político: detección de anomalías y verificación automática de actas en VotoRadar. Ver gobierno.
• Finanzas: scoring y segmentación sobre carteras propias, con validación continua. Ver finanzas.

IA conversacional sobre WhatsApp

En el Perú, el canal donde la gente realmente está es WhatsApp. Un modelo conversacional que vive en un widget de tu web tiene un problema estructural de adopción; el mismo modelo en el canal oficial de WhatsApp de tu institución, no. Somos Proveedor de Tecnología verificado por Meta y desplegamos asistentes sobre la WhatsApp Business API. Ver chatbots de WhatsApp.

Alianza académica

Trabajamos con la Facultad de Medicina de la Universidad Nacional de Piura en una alianza de colaboración tecnológica orientada a impulsar una aplicación médica basada en inteligencia artificial, con el objetivo de optimizar la atención de salud reduciendo tiempos de espera y fortaleciendo los procesos clínicos con respaldo académico.

Los sistemas de IA que desplegamos en salud y decisión pública operan siempre bajo supervisión del profesional o funcionario responsable.