IA aplicada · conocimiento · decisiones · automatización
Diseñamos y construimos sistemas que convierten datos e información en conocimiento utilizable, contenido, predicciones, decisiones y acciones.
Combinamos machine learning, modelos generativos, ingeniería de conocimiento, agentes, software y automatización para resolver problemas que atraviesan información, personas, aplicaciones y, cuando es necesario, el mundo físico.
02 — Qué podemos ayudar a resolver
Encontrar, relacionar y hacer utilizable lo que una organización sabe.
Documentos, bases de datos, conversaciones, código y conocimiento experto contienen partes distintas de lo que una organización sabe. Construimos sistemas de búsqueda, RAG, investigación y conocimiento capaces de encontrar, relacionar y contextualizar esa información para que personas, modelos y agentes puedan utilizarla.
Generar contenido de calidad a partir de datos, información y conocimiento.
Construimos sistemas capaces de organizar información, seleccionar qué comunicar, planificar contenidos y generar piezas de alta calidad adaptadas a diferentes audiencias, idiomas, duraciones y canales. Combinamos NLG, modelos generativos, terminología, localización y producción multimodal para crear texto, reporting, explicaciones, voz, subtítulos y vídeo desde una misma base informativa.
Convertir datos en predicciones, señales y decisiones que puedan medirse y mejorar.
Aplicamos machine learning, forecasting, clasificación, ranking, detección de anomalías, optimización y modelos de decisión para extraer señales útiles de datos complejos. Diseñamos los modelos alrededor de la decisión que deben mejorar, sus restricciones, la incertidumbre y el resultado que después puede observarse.
Coordinar información, decisiones y acciones entre personas, software, agentes, sensores y robots.
Construimos sistemas que no terminan al producir una respuesta: consultan información, toman o preparan decisiones, actúan sobre aplicaciones, coordinan agentes, gestionan excepciones y comprueban resultados. Cuando la operación continúa en el mundo físico, integramos percepción, visión, sensórica, navegación, manipulación y control robótico dentro del mismo recorrido operacional.
03 — Sistemas en práctica
Nuestros proyectos propios son una forma de investigar construyendo. Trabajamos sobre problemas reales de conocimiento, lenguaje, machine learning, software, agentes, robótica y sistemas físicos, y utilizamos esos proyectos para probar arquitecturas, métodos y tecnologías antes de convertirlas en capacidades reutilizables.
ERP-Bots
ERP-Bots reúne el contexto del caso, aplica la política que corresponde, actúa mediante herramientas tipadas sobre el ERP y las aplicaciones de negocio, y pide autorización cuando la acción lo exige. El recorrido conserva su estado durante esperas, reintentos y excepciones, y comprueba el efecto en la fuente antes de darlo por terminado.
Puede examinarse la traza completa de un caso: qué contexto se recuperó, qué política decidió, quién autorizó y qué señal permitió cerrarlo.
DocuLogic · KIR
DocuLogic reconstruye la lógica y el conocimiento operativo que hoy viven repartidos entre código, configuraciones, documentos, tablas, pruebas y trazas, y los conserva como conocimiento legible, versionable y unido a su evidencia.
Cada regla llega con su procedencia y su estado: comportamiento observado, lógica inferida, conocimiento validado o decisión acordada. Puede examinarse el mapa de reglas de un dominio, la evidencia que sostiene cada una y las contradicciones que el sistema muestra en lugar de resolver por su cuenta.
Finaz
Finaz investiga cómo convertir datos e información compleja en contenido de alta calidad de forma sistemática. Separa datos, cálculos, selección de contenido, planificación narrativa y realización lingüística para producir diferentes explicaciones, audiencias, idiomas y duraciones desde una misma representación.
Sobre esa arquitectura combina NLG, modelos generativos, localización, voz, subtítulos y vídeo. La misma información puede convertirse en un briefing breve, una explicación extensa, una narración o una pieza audiovisual sin tratar cada formato como un problema independiente.
Project Memory RAG
Un RAG útil para proyectos complejos necesita hacer algo más que buscar fragmentos semánticamente parecidos. Project Memory RAG combina recuperación léxica y vectorial con índices especializados para documentación, conversaciones y código, y añade reranking, expansión de contexto y recuperación estructural.
En código puede relacionar símbolos, módulos, llamadas, dependencias, tests y cambios en Git; en documentos conserva estructura y contexto; y en conversaciones transforma decisiones, problemas, restricciones y resultados en memoria reutilizable.
El objetivo es que un agente o una persona pueda recuperar no solo contenido parecido, sino el contexto que realmente necesita para continuar el trabajo.
SuperSocrates · SuperQuestions
SuperSocrates busca lo que falta y lo que no encaja: huecos de información, datos que no coinciden entre fuentes, decisiones que se contradicen y supuestos que nadie llegó a escribir. En lugar de cerrar una respuesta, propone la siguiente pregunta útil y muestra qué evidencia la resolvería.
SuperQuestions es un producto distinto: representa y gestiona las preguntas de un proyecto junto a su evidencia, sus decisiones, sus dependencias y el trabajo que abren. Puede examinarse una colisión concreta con las dos fuentes que la originan y la pregunta que abre.
SuperPythagoras · SecondOpinion
SuperPythagoras es el arnés con el que construimos software cuando personas y bots comparten el trabajo: reparte roles, fija contratos de entrega, ordena los traspasos y exige revisión antes de que un cambio avance. SecondOpinion añade una perspectiva independiente sobre cada cambio con consecuencias, formulada por quien no lo escribió.
Puede examinarse el recorrido de un cambio: quién lo propuso, bajo qué contrato, qué observó la segunda opinión y qué evidencia queda de por qué se construyó así.
PentaEmbeddings
PentaEmbeddings investiga representaciones vectoriales especializadas para información financiera y series temporales. El objetivo es que patrones de precios, retornos, volatilidad, volumen, microestructura y contexto de mercado puedan compararse, recuperarse y combinarse con otras modalidades dentro de sistemas de machine learning y búsqueda.
Frente a embeddings diseñados únicamente para lenguaje, exploramos representaciones capaces de capturar estructura temporal y comportamiento de mercado: encontrar periodos similares, reconocer regímenes, recuperar precedentes y conectar series financieras con información textual y fundamental.
Es una línea de trabajo en la intersección entre embeddings, series temporales, representación multimodal y machine learning financiero.
Excorpora
Excorpora investiga cómo modelar qué debe cambiar, qué puede cambiar y qué debe permanecer invariable cuando transformamos lenguaje entre variedades, idiomas, registros y contextos.
Combina investigación contrastiva, terminología computacional, corpus sintéticos, representación semántica, modelos generativos y evaluación adversarial para tratar traducción y localización como un problema de ingeniería lingüística, no únicamente de fluidez.
MagdalenOS · MontojOS · Visort · IoRT · Utobot
Nuestro trabajo en Inteligencia Física reúne varias líneas complementarias. MagdalenOS investiga manipulación robótica: geometría, cinemática, planificación de movimiento, herramientas, cargas y evitación de colisiones. MontojOS trabaja sobre navegación y control de robots móviles, combinando percepción, estimación de estado, localización y planificación de trayectorias.
Visort explora visión artificial como capa de percepción para reconocer, localizar y caracterizar aquello sobre lo que un sistema debe decidir o actuar. IoRT extiende estas capacidades con una arquitectura de Internet of Robotics Things que conecta robots, sensores, cámaras, modelos, agentes y sistemas digitales dentro de una misma operación.
Nuestra spin-off Utobot lleva parte de esta experiencia a robótica aplicada, con sistemas para ámbitos como cocinas, logística, distribución, limpieza y automatización de espacios.
Juntas, estas líneas investigan un mismo problema: cómo hacer que percepción, decisión, software y acción física formen parte de un único sistema inteligente.
Cinemática · planificación · herramientas · cargas · colisiones
Localización · percepción · trayectorias · control · autonomía
Visión artificial · percepción · localización · inspección
Robots · sensores · agentes · modelos · software · eventos
Cocinas · logística · distribución · limpieza · automatización
Cada proyecto hace visible un recorrido: qué entra, qué criterio se aplica, qué actúa y cómo se comprueba el resultado.
04 — Cómo construimos estos sistemas
Distintos problemas requieren distintas formas de inteligencia. Combinamos sistemas que organizan conocimiento, componentes que interpretan y deciden, y arquitecturas operacionales capaces de mantener el trabajo en marcha hasta producir un resultado.
Establece qué sabe el sistema, de dónde procede y qué significa.
Reunimos documentos, datos, lenguaje, código, reglas y conocimiento experto; resolvemos entidades, versiones y contradicciones; y construimos una representación común con significado, procedencia y estado de validación.
Esa base puede alimentar investigación, búsqueda, reporting, traducción, localización, composición NLG, asistentes, agentes y memoria de proyectos. También puede hacer examinable la lógica que hoy vive repartida entre software, configuraciones, documentación y experiencia.
Interpretan el contexto y coordinan el siguiente paso dentro de límites definidos.
Construimos agentes con herramientas tipadas, memoria acotada, workflows duraderos, políticas e intervención humana, capaces de interpretar el contexto y elegir el siguiente paso.
La orquestación coordina ese trabajo entre modelos, software y personas, y conserva el objetivo, el estado, los permisos y el criterio de finalización hasta un resultado que puede evaluarse.
Mantiene el estado y lleva el trabajo hasta un resultado comprobable.
Representamos el estado del trabajo, aplicamos lógica y políticas, coordinamos agentes, software y personas, mantenemos procesos durante esperas y excepciones y verificamos el efecto en la fuente adecuada.
La operación puede vivir en un ERP, atravesar varias aplicaciones, continuar durante meses o extenderse al mundo físico. El sistema conserva quién posee la siguiente responsabilidad, qué autoridad necesita y qué señal permite considerarlo completado.
05 — Capacidades
Trabajamos desde las fuentes y la representación del conocimiento hasta los modelos, el software y la orquestación que sostienen decisiones y operaciones. Cada capacidad ocupa una función definida y se conecta con las demás mediante contratos, estado y criterios de evaluación.
Exploramos tecnologías nuevas y construimos sobre fundamentos duraderos. La selección se argumenta por función, datos, coste, latencia, responsabilidad, madurez y resultado.
Explorar capacidades06 — El trabajo real
El trabajo de una organización rara vez cabe en una sola herramienta o en una sola respuesta.
01
Documentos, datos, código, conversaciones y conocimiento de personas contienen partes diferentes del contexto.
02
Personas expertas dedican tiempo a buscar, contrastar, calcular y reunir información antes de poder decidir.
03
Una decisión debe convertirse después en acciones, aprobaciones, cambios en un ERP, mensajes, esperas o trabajo físico.
04
Cuando aparecen excepciones es difícil saber qué ocurrió, qué regla se aplicó, qué falta y quién tiene la siguiente responsabilidad.
Construimos sistemas para unir esas cuatro partes: conocimiento, decisión, ejecución y comprobación.
07 — Cultura 3.14
Nos interesan los problemas que exigen comprender antes de simplificar. Escuchamos distintas posiciones, aclaramos conceptos, examinamos supuestos y construimos sistemas que permiten poner las ideas en contacto con la realidad.
La ambición nos lleva a explorar tecnologías y conectar disciplinas. La humildad nos permite distinguir entre intuición, evidencia, prototipo y capacidad operativa; y revisar una decisión cuando el trabajo demuestra algo diferente.
08 — Inteligencia Física · Laboratorio
La IA deja de ser únicamente software cuando tiene que comprender una escena, estimar dónde está, decidir un movimiento, manipular un objeto o coordinarse con sensores y máquinas.
En nuestro Laboratorio trabajamos en visión artificial, percepción, fusión sensorial, estimación de estado, navegación robótica, planificación de movimiento, manipulación, control y edge computing. MagdalenOS, MontojOS y Visort nos permiten investigar estas capacidades sobre sistemas físicos reales.
Con IoRT exploramos además cómo unir robots, sensores, cámaras, modelos, agentes y aplicaciones en una misma arquitectura operacional. Y a través de nuestra spin-off Utobot, esta experiencia se conecta con aplicaciones de robótica de servicio, logística y automatización.
Nos interesa especialmente la frontera donde una decisión digital tiene una consecuencia física y el sistema necesita observar después qué ocurrió realmente.
09 — Construir juntos
Escuchamos el trabajo desde distintas posiciones: quienes lo realizan, quienes toman decisiones, quienes mantienen los sistemas y quienes responden de sus consecuencias. Recorremos los casos habituales y los que ponen a prueba el proceso; reunimos sus perspectivas y hacemos visible el conocimiento que hoy vive repartido.
Con esa comprensión formulamos juntos qué merece cambiar, qué conviene preservar y dónde puede aportar inteligencia. La propuesta toma forma mediante objetivos observables, límites, responsabilidades y una primera trayectoria completa que el equipo pueda examinar y poner a prueba.
Después construimos sobre artefactos compartidos: fuentes, modelos de conocimiento, decisiones, interfaces, prototipos, trazas y evaluaciones. Cada iteración incorpora la experiencia de quienes utilizarán el sistema y la evidencia de lo que sucede cuando empieza a trabajar.
Responderá una persona de 3.14.