Proyectos destacados

Problema

• Los alumnos se atascan con los deberes cuando no tienen a ningún profesor cerca.
• Los profesores no pueden ver qué temas domina de verdad cada alumno.
• El material del curso está repartido en archivos de muchos formatos distintos.

Qué hemos construido

El tutor explica paso a paso por escrito o en voz alta, lee la foto de un ejercicio y resuelve las matemáticas en una pizarra que comparte el alumno. Responde a partir del material del curso que importa la escuela, guarda el progreso por tema y redacta informes para los profesores. El acceso depende del rol de cada usuario, y en cada versión se ejecutan comprobaciones de seguridad, privacidad y accesibilidad.

Resultado

En desarrollo, con el motor de tutoría creado como un paquete independiente para que pueda servir a más de una escuela o producto.

Problema

• Jugadores y entrenadores no tienen datos de sus propios partidos.
• Grabar un partido es fácil; convertirlo en estadísticas a mano lleva horas.

Qué hemos construido

Dos cámaras sincronizadas alimentan un sistema de visión artificial que detecta los puntos, la posición de los jugadores y los eventos de la pelota. Con esos datos genera estadísticas, mapas de calor, clips de las mejores jugadas y notas de entrenamiento, que se muestran en una app móvil. Cada pista tiene su propio dispositivo, que instalamos y gestionamos a distancia.

Resultado

En marcha como piloto, con estadísticas y clips de partidos reales.

Problema

• Los pacientes que tienen que elegir una lente no logran imaginar la diferencia entre las opciones.
• Los gráficos y las descripciones de las lentes no ayudan mucho.

Qué hemos construido

Una app para iPhone que toma la imagen y la profundidad de la cámara en directo y muestra cómo se ve la escena a través de seis tipos de lente intraocular, en modo visor. La profundidad procede del sensor del móvil cuando lo tiene y, si no, se estima. Incluye control por voz y escenas nocturnas grabadas.

Resultado

Pensado con fines educativos: muestra el tipo de diferencia entre lentes, no lo que verá un paciente concreto.

Problema

• En estos espectros, un enorme pico instrumental está justo al lado de la señal débil que importa.
• Los métodos actuales para eliminar el pico pueden distorsionar esa señal.

Qué hemos construido

Un modelo transformer con la física incorporada en sus comprobaciones, entrenado para separar ambas señales en distintos microscopios y materiales, y desarrollado con un grupo de investigación de la Universidad de Barcelona.

Resultado

Un prototipo de investigación. El artículo está en preparación, así que todavía no damos resultados.

Problema

• Quien llama cuelga si tiene que esperar en silencio.
• Una IA sin guion es demasiado impredecible para algo tan sencillo como dirigir llamadas.

Qué hemos construido

Los menús fijos se ocupan del enrutamiento, así que las llamadas básicas nunca dependen de que el modelo improvise. Los proveedores de voz y de modelos están detrás de una única interfaz y se pueden cambiar, y se mide el tiempo hasta cada paso de la llamada.

Resultado

Un prototipo que funciona, con un banco de pruebas que cronometra cada paso de una llamada para comparar proveedores de voz y de modelos con cifras reales.

Problema

• Las observaciones de un mismo evento proceden de instrumentos muy distintos.
• Averiguar a mano cuáles podrían estar relacionadas es lento.

Qué hemos construido

Un servidor en Python empareja las observaciones por posición y tiempo y las ofrece a través de una API; una interfaz en React muestra los candidatos en 3D interactivo con actualizaciones en directo. Funciona en contenedores.

Resultado

En desarrollo, con el servidor de emparejamiento y la vista 3D interactiva creados como partes independientes.

Problema

• Los resúmenes de series largas acaban perdiendo el hilo de quién es quién.
• Hacerlo a mano lleva días por cada volumen.

Qué hemos construido

Las páginas se leen y se dividen en escenas, una biblia de la historia que se va actualizando mantiene coherentes los nombres, el aspecto y los acontecimientos, y el guion, la narración y el vídeo se generan con comprobaciones en cada paso. Solo usa cómics libres de derechos de autor.

Resultado

En desarrollo; la biblia de la historia mantiene coherentes los nombres, el aspecto y los acontecimientos de un volumen al siguiente.

Problema

• Los torneos se organizan con papel y chats de grupo.
• Jugadores y espectadores nunca saben el último resultado ni el horario actualizado.

Qué hemos construido

Una sola app con roles separados para organizadores, árbitros y espectadores. Incluye varios formatos y sistemas de puntuación para dos deportes, eventos de partido en directo, gestión de jugadores y equipos, búsqueda y varios idiomas.

Resultado

Terminada y funcionando en iPhone, Android y la web.

Problema

• La recepción está más ocupada justo cuando los huéspedes más la necesitan.

Qué hemos construido

Un conserje de voz en el navegador que entiende las peticiones de los huéspedes y responde en voz alta, con reservas simuladas para la demostración.

Resultado

Una demo que funciona, con reservas simuladas. El siguiente paso es conectarla al teléfono y al sistema de reservas de un hotel.

Problema

• En las horas punta, la recepción no daba abasto con las llamadas.
• Los contactos que llegaban de los portales inmobiliarios esperaban demasiado una respuesta.
• Copiar datos de un sistema a otro provocaba errores.

Qué hemos construido

Conectamos la línea telefónica de la inmobiliaria a un asistente de voz que habla varios idiomas y pusimos en marcha un asistente de WhatsApp que responde en cuanto entra un contacto desde un portal. Ambos comparten el mismo historial de contactos y la misma agenda de visitas, y una persona revisa cada caso fuera de lo habitual.

Resultado

Las llamadas y los contactos de los portales se gestionan ahora en un único flujo de trabajo, a cualquier hora, y el personal revisa las excepciones.

Problema

• Entre el 30 y el 50% de los mensajes llegan con la clínica cerrada.
• Los datos de salud entran en la categoría más estricta del RGPD.
• Una sola respuesta errónea podría acabar en una reclamación formal.

Qué hemos construido

El asistente funciona en tres pasos. Las preguntas frecuentes se asocian a respuestas aprobadas por la clínica, que se envían al pie de la letra. Otras preguntas se responden solo a partir de documentos verificados, indicando la fuente. Todo lo demás se deriva a una persona del equipo.

Resultado

El objetivo es menos de una respuesta sin respaldo por cada 10.000. El sistema está pendiente de las pruebas finales y la aprobación de la clínica.

Problema

• Los pedidos, las existencias, los precios y los pagos se gestionaban por teléfono y en papel.
• El conocimiento clave estaba en manos de un solo empleado.
• Los plazos de facturación electrónica de Verifactu obligaban a hacer cambios.

Qué hemos construido

Un sistema en cinco partes: una cola de mensajes central, una base de datos compartida, un modelo de IA alojado en el servidor de la propia empresa, una capa de seguridad que registra cada acción y pedidos por WhatsApp y teléfono en tres idiomas.

Resultado

Valor estimado de entre 100.000 € y 120.000 € al año, calculado a partir de las horas ahorradas, la reducción de errores, las sanciones evitadas y los pedidos recibidos fuera del horario de oficina.

Problema

• Las facturas se introducían y se conciliaban a mano.
• Cada valoración exigía unas dos horas de investigación.
• Los registros del CRM había que corregirlos a mano.

Qué hemos construido

Cuatro módulos nuevos sobre la plataforma existente, cada uno aislado por seguridad, con controles en cada petición a la IA y un modelo de IA alojado en el servidor de la propia inmobiliaria para los datos sensibles.

Resultado

Objetivo: un borrador de valoración basado en inmuebles comparables en unos cinco minutos, y ninguna corrección manual más en el CRM.

Problema

• La preparación de pedidos dependía de la experiencia y de listas en papel.
• Los responsables se pasaban el tiempo preguntando en qué punto estaba cada cosa.

Qué hemos construido

Mapeamos los procesos, pasamos los pedidos a un flujo de trabajo digital y dimos al equipo los datos que necesitaba para trabajar con autonomía.

Resultado

El tiempo de preparación de pedidos se redujo en torno a un 50%, y ahora el equipo trabaja de forma autónoma con herramientas modernas.

Problema

• Cada pedido necesitaba un comercial.
• Los clientes no podían ver las existencias ni los precios.

Qué hemos construido

Los datos de existencias y precios se conectaron a un canal de pedidos en autoservicio, y el equipo comercial pasó a centrarse en las cuentas clave.

Resultado

Ahora los clientes hacen pedidos por su cuenta a cualquier hora, con existencias y precios en tiempo real, y el equipo comercial dedica su tiempo a las relaciones clave.

Problema

• La mayoría de las decisiones acababan en dirección.
• Los procesos no estaban por escrito.

Qué hemos construido

Procesos por escrito, un reparto claro de quién decide qué y herramientas de apoyo para que el equipo pudiera actuar sin esperar una aprobación.

Resultado

Se toman más decisiones sin pasar por dirección, y los responsables dedican su tiempo a mejorar el negocio en lugar de encargarse de cada tarea.