Desarrollo con IA

Una primera versión típica sale en 2-6 semanas; un MVP de IA completo, en 6-8. Empezamos con una primera parte desplegable en lugar de una fase larga de discovery, y la IA despeja el código repetitivo para que los ingenieros sénior se centren en la arquitectura y las evals. Tienes una URL de staging que puedes abrir desde la primera semana.

Construimos sobre GPT, Claude, Gemini y modelos de pesos abiertos, elegidos por caso de uso según evals, latencia y coste. Entrenar un modelo desde cero casi nunca compensa. El fine-tuning a veces sí; solo lo proponemos cuando las evals muestran una mejora clara. Las llamadas al modelo pasan por una sola capa de abstracción para que puedas cambiarlo más adelante.

Tú, al completo. Código, prompts, suites de evals y datos aterrizan en tu repositorio y en tus cuentas mientras construimos, con documentación y un runbook de traspaso. No hay plataforma propietaria ni lock-in. Tus datos se tratan bajo un DPA y nunca se usan para entrenar nada.

Con evals. Antes del lanzamiento montamos un set de pruebas con entradas reales, definimos contigo los umbrales de precisión y ejecutamos la suite en CI con cada cambio. Ves las puntuaciones, no una demo que funcionó una vez. Nada se lanza por debajo del umbral que acordamos, y la suite de evals se queda en tu repo.

Tu sistema sigue funcionando. Cada llamada al modelo pasa por una capa de abstracción, así que un modelo retirado se cambia en una línea, no en una reescritura. Volvemos a ejecutar la suite de evals con el modelo nuevo, comparamos puntuaciones y lanzamos el cambio tras un pull request revisado. Los planes de mantenimiento lo cubren como trabajo rutinario.

Sí; la mayoría de los proyectos empiezan exactamente así. Una prueba de concepto cubre un flujo clave, funciona con tus datos y se despliega en una URL que puedes abrir, normalmente en dos semanas. Parte de unos 2.000 $. Si da paso al proyecto completo, el código se aprovecha; no se tira nada.

Sí. Todo proyecto incluye despliegue, un runbook escrito y dos semanas de soporte posterior. A partir de ahí eliges: llevarlo del todo a tu equipo, dejarnos con un retainer ligero para actualizaciones de modelo y nuevas ejecuciones de evals, o acotar la siguiente fase. El código es tuyo en cualquier caso, así que la elección es real.