Lo que dicen las empresas que ya trabajan con nosotros. Nombres reales, proyectos concretos, cifras verificables.
Estas opiniones las recogemos al final de cada proyecto, cuando el modelo lleva al menos tres meses en producción. No publicamos valoraciones de la fase de prototipo porque nos parece prematuro.
Llevábamos dos años intentando predecir la rotación de personal con hojas de cálculo. Robust AI Framework construyó un modelo en cinco semanas que identifica a los empleados con riesgo de salida con un 82% de acierto. Desde que lo usamos, hemos reducido la rotación no deseada un 19% porque intervenimos antes.
Nos gustó que en la primera reunión nos dijeron que una de las tres ideas que teníamos no era viable con nuestros datos. Esa honestidad nos ahorró meses. El proyecto que sí hicimos, un clasificador de incidencias de soporte técnico, funciona desde hace un año sin caídas. Responde en menos de 200 milisegundos.
El prototipo tardó algo más de lo previsto, unas siete semanas en lugar de cinco. Pero el resultado final compensa: nuestro sistema de detección de anomalías en consumo eléctrico detecta fugas y averías 14 horas antes que el método manual. Para una red de 200 edificios, eso supone un ahorro considerable en mantenimiento correctivo.
Somos una empresa pequeña, 35 empleados, y pensábamos que la inteligencia artificial era algo reservado a las grandes corporaciones. Robust AI Framework nos demostró que con 18 meses de datos de ventas podíamos construir un modelo de previsión de demanda que funciona. Ahora pedimos la cantidad justa de materia prima y hemos reducido el desperdicio un 27%.
Contratamos la formación de 40 horas para nuestro equipo de desarrollo. No fue un curso genérico: usaron nuestros propios datasets y nos enseñaron a entrenar, evaluar y desplegar modelos con las herramientas que ya teníamos. Tres meses después, uno de nuestros ingenieros construyó su primer modelo de producción sin ayuda externa.
El modelo de visión por computador que instalaron en nuestra línea de envasado detecta defectos que el ojo humano pasa por alto a velocidad de producción. La tasa de producto defectuoso que llegaba al cliente bajó del 1,2% al 0,3%. El único punto mejorable: la documentación técnica llegó dos semanas después de lo acordado.
Tres proyectos representativos con datos que podemos compartir públicamente, con permiso de los clientes.
Cliente: Cadena de 42 farmacias en Castilla y León.
Problema: Cada temporada de gripe, algunas farmacias se quedaban sin antigripales mientras otras acumulaban stock que caducaba. La pérdida anual por exceso de inventario rondaba los 120.000 euros.
Solución: Un modelo XGBoost que combina datos históricos de ventas con variables externas: temperatura media semanal, índice de incidencia gripal del ISCIII y calendario de festivos locales. El modelo genera predicciones semanales por farmacia con un error medio absoluto del 8%.
Cliente: Fabricante de componentes metálicos para automoción en Zaragoza, 180 empleados.
Problema: La inspección manual de soldaduras detectaba el 96% de los defectos, pero a velocidad de producción (1.200 piezas/hora) los inspectores se fatigaban y la tasa de falsos negativos subía al turno de tarde.
Solución: Una red convolucional ResNet-50 entrenada con 14.000 imágenes de soldaduras buenas y defectuosas, capturadas con cámaras industriales de 5 MP ya instaladas. El sistema clasifica cada pieza en 120 milisegundos y marca las sospechosas para revisión humana.
Cliente: Bufete de abogados con 28 letrados en Madrid, especializado en derecho mercantil.
Problema: Cada operación de fusión o adquisición requería revisar entre 200 y 500 contratos para identificar cláusulas de cambio de control, limitaciones de responsabilidad y penalizaciones. Un abogado junior tardaba unas cuatro horas por contrato.
Solución: Un pipeline de NLP que segmenta cada contrato en cláusulas, las clasifica por tipo y extrae las condiciones numéricas relevantes. El sistema genera un informe resumen que el abogado revisa en 20 minutos en lugar de cuatro horas. Entrenamos el modelo con 3.200 cláusulas anotadas por los propios abogados del bufete.
Si tienes datos y un problema que resolver, podemos ayudarte. La primera consulta es gratuita: analizamos tu caso y te decimos si tiene sentido aplicar inteligencia artificial o si hay una solución más sencilla.
Ir al formulario de contacto