Cada opinión corresponde a un proyecto terminado y en producción. Hemos pedido permiso para publicar nombre y cargo.
Teníamos un problema serio de sobrestock en productos frescos. El modelo predictivo que nos montaron ajusta los pedidos a proveedores cada lunes según la previsión de ventas de la semana. En cuatro meses redujimos las mermas un 31%. El equipo de AiProPrecision estuvo en nuestra nave dos días enteros para entender cómo funcionaba el proceso antes de escribir una sola línea de código.
Nos ayudaron a automatizar la generación de presupuestos para proyectos de climatización industrial. Antes, preparar una oferta técnica llevaba entre 6 y 8 horas porque había que consultar catálogos, calcular cargas térmicas y redactar el documento. Ahora el sistema recoge los parámetros del edificio, consulta nuestra base de datos de equipos y genera un borrador en 40 minutos. Mi equipo comercial puede atender el doble de peticiones.
Queríamos segmentar nuestra base de datos de clientes (unas 22.000 fichas) para enviar campañas de email más relevantes. El análisis de clustering que hicieron identificó cinco perfiles de compra que no habíamos visto. La tasa de apertura de nuestros correos subió del 14% al 27% en la primera campaña segmentada. Lo que más valoro es que nos explicaron el modelo con ejemplos concretos, sin jerga técnica innecesaria.
Instalaron un sistema de visión artificial en nuestra línea de esmaltado. Antes, un operario revisaba cada pieza a ojo y se le escapaban defectos pequeños, sobre todo en turnos de noche. La cámara con el modelo de detección rechaza las piezas defectuosas antes del horno, lo que nos ahorra el coste de cocer material que luego iría al contenedor. En los primeros seis meses detectó un 94% de los defectos frente al 72% del control manual.
Dos proyectos recientes que muestran cómo aplicamos inteligencia artificial a problemas concretos.
La cooperativa Olivares de Jaén exporta aceite de oliva virgen extra a 11 países. Su problema era que los pedidos internacionales fluctúan mucho según la temporada, el tipo de cambio y las promociones de los distribuidores locales. Preparar el stock para cada mercado era un ejercicio de adivinación.
Construimos un modelo de series temporales que integra datos de ventas de los últimos cuatro años, tipo de cambio EUR/USD y EUR/JPY, calendario de festivos en cada país destino y el volumen de búsquedas online de "olive oil" en Google Trends. El modelo genera una previsión mensual por país con un margen de error medio del 8,3%.
La cooperativa ajustó su planificación de envasado y redujo el stock medio en almacén un 22%, liberando capital circulante por valor de 140.000 euros anuales.
Clínicas Nervión recibe unas 800 llamadas y 400 formularios web al día entre sus seis centros. El equipo de atención al paciente dedicaba más de la mitad de su jornada a derivar cada consulta al departamento correcto: traumatología, dermatología, pruebas diagnósticas, facturación o citas.
Entrenamos un clasificador de texto que lee el mensaje del paciente (ya sea transcripción de llamada o formulario) y lo asigna a una de 14 categorías con una precisión del 91%. Los mensajes ambiguos se marcan para revisión humana en lugar de asignarse automáticamente, lo que evita errores de derivación.
El tiempo medio de respuesta al paciente bajó de 4 horas y 20 minutos a 47 minutos. Dos personas del equipo de recepción pudieron reasignarse a tareas de seguimiento post-consulta que antes nadie cubría.
Dudas que nos plantean a menudo antes de empezar un proyecto.
Depende del alcance, pero la mayoría de nuestros proyectos se entregan entre 6 y 14 semanas. Un modelo predictivo sencillo con datos limpios puede estar listo en 6 semanas. Un sistema de visión artificial con hardware dedicado suele requerir entre 10 y 14 semanas, incluyendo la instalación en planta y el período de ajuste.
No siempre. Para un modelo de predicción de ventas necesitamos al menos 18 meses de histórico con granularidad semanal. Para automatizar procesos documentales, basta con unos 200 ejemplos representativos de cada tipo de documento. En la auditoría inicial evaluamos si tus datos son suficientes y, si no lo son, te proponemos un plan para recopilarlos antes de arrancar el desarrollo.
Incluimos 90 días de soporte post-lanzamiento en todos los proyectos. Durante ese período monitorizamos el rendimiento del modelo, ajustamos umbrales si es necesario y resolvemos incidencias. Después puedes contratar un plan de mantenimiento mensual o gestionar el sistema internamente con la documentación técnica que entregamos.
Firmamos un acuerdo de confidencialidad antes de acceder a cualquier dato. Trabajamos en entornos aislados dentro de la infraestructura del cliente siempre que es posible. Si necesitamos usar servidores externos para el entrenamiento, los datos se cifran en tránsito y en reposo, y se eliminan una vez entregado el modelo final. Cumplimos con el RGPD y podemos adaptarnos a normativas sectoriales específicas como la de sanidad o banca.
Sí. Tenemos clientes en Madrid, Barcelona, Valencia y Bilbao. Las reuniones de seguimiento las hacemos por videoconferencia, y nos desplazamos para la auditoría inicial y la puesta en producción si el proyecto lo requiere. El 60% de nuestro trabajo actual es con empresas fuera de Sevilla.