Saltar al contenido

Servicios de desarrollo de IA

Desarrollo de IA, de la estrategia a MLOps. Construimos agentes, modelos y las integraciones que los ponen a trabajar en su empresa.

Desarrollo de IA, de la estrategia a MLOps. Construimos agentes, modelos y las integraciones que los ponen a trabajar en su empresa.

Consultoría.

Dónde rinde la IA en su empresa, qué necesita de sus datos y qué construir primero.

  • Una lista priorizada de casos de uso
  • Una evaluación de la preparación de los datos
  • Un primer desarrollo con alcance definido
Clasificación de ejemplo · una ilustración del formato, no los casos de uso de un cliente
  1. 1 Respuestas de soporte redactadas desde su centro de ayuda Documentos claros, gran volumen
  2. 2 Notas de llamadas de ventas escritas en su CRM Trabajo repetitivo, fácil de comprobar
  3. 3 Una previsión de demanda para sus productos más vendidos Los datos existen, el valor es claro

Servicios de desarrollo de IA · El pipeline de IA · 1 de 6

Consultoría. Dónde rinde la IA en su empresa y qué construir primero.

Qué es

La consultoría de IA decide dónde vale la pena construir IA en su empresa antes de construir nada. Analizamos sus procesos y sus datos, clasificamos los casos de uso según lo que puede aportar cada uno y lo que necesita, y definimos el alcance de el primer desarrollo para que su resultado se pueda medir.

Qué hacemos

  • Priorizar los casos de uso
  • Comprobar qué necesitan de sus datos
  • Definir el alcance de un primer desarrollo

Cómo lo hacemos

  1. EntrevistarLas personas que conocen el trabajo y los datos que lo respaldan.
  2. PriorizarCada caso de uso según lo que puede aportar y lo que necesita.
  3. Comprobar los datosSi existen, están limpios y se pueden usar.
  4. Definir el alcanceEl primer desarrollo y cómo se medirá su resultado.

Qué obtiene

  • Una lista priorizada de casos de uso
  • Una nota sobre la preparación de los datos
  • Un primer proyecto con alcance definido

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · El pipeline de IA · 2 de 6

IA generativa. Asistentes y funciones de IA construidos sobre sus documentos y su producto.

Qué es

La IA generativa es software que redacta, responde y resume a partir de su propio material. Construimos asistentes sobre sus documentos que citan sus fuentes y funciones de IA dentro de su producto, cada una probada con ejemplos que usted aprueba antes de llegar a sus usuarios.

Qué hacemos

  • Un asistente sobre sus documentos
  • Respuestas que citan sus fuentes
  • Funciones de IA en su producto

Cómo lo hacemos

  1. Reunir las fuentesLos documentos y los datos que el asistente puede leer.
  2. Construir y fundamentarRespuestas que citan el pasaje del que proceden.
  3. EvaluarPreguntas reales de su equipo, puntuadas antes del lanzamiento.
  4. Lanzar por etapasPrimero a un grupo pequeño y después a todos.

Qué obtiene

  • El asistente y su código en su repositorio
  • Un conjunto de evaluación y sus puntuaciones
  • Un runbook para su equipo

Stack y herramientas

  • Model APIs
  • Embeddings
  • Vector search
  • Evaluation sets

Evidencias

Leer el caso: Kuest AI, un tutor de IA que enseña paso a paso

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · El pipeline de IA · 3 de 6

Agentes. Software que ejecuta acciones en sus sistemas, dentro de los límites que usted fija.

Qué es

Un agente es software que ejecuta acciones en sus sistemas: lee una tarea, llama a las herramientas que puede llamar y registra cada paso. Construimos cada agente dentro de un arnés de permisos y límites que están fuera del modelo, con una persona que aprueba los pasos que usted elija, para que el agente solo pueda hacer lo que usted ha fijado.

Qué hacemos

  • Mapear la tarea: sus pasos, los sistemas que toca y dónde aprueba una persona.
  • Construir las herramientas que el agente puede llamar, cada una con su propio permiso.
  • Fijar los límites de datos, gasto y alcance, aplicados fuera del modelo.
  • Registrar cada paso, para que su equipo pueda reproducir lo que hizo el agente y por qué.

Cómo lo hacemos

  1. Definir el alcance de la tareaLos pasos, los sistemas y las decisiones que conserva una persona.
  2. Construir las herramientasCada herramienta que el agente puede llamar, con su propio permiso.
  3. EvaluarUn conjunto de evaluación a partir de sus propios casos, puntuado antes del lanzamiento.
  4. Lanzar por etapasPrimero una persona aprueba cada acción; después, solo las excepciones.
  5. Vigilar y mejorarTrazas, alertas y una revisión periódica de lo que hizo mal.

Qué obtiene

  • El agente y sus herramientas en su repositorio
  • Un mapa de permisos
  • Un conjunto de evaluación y sus puntuaciones
  • Una traza de cada ejecución
  • Un runbook para su equipo

Stack y herramientas

  • Model APIs
  • Tool calling
  • Sandboxes
  • Tracing
  • Evaluation sets

Evidencias

Leer el caso: Jeriko, un equipo de agentes de IA personales

Relacionado

Agentes para su empresa. Cuéntenos la tarea y los sistemas que toca. Respondemos en un día laborable.

Servicios de desarrollo de IA · El pipeline de IA · 4 de 6

IA documental y visual. Lectura de documentos, imágenes y video con IA.

Qué es

La IA documental y visual lee lo que su empresa recibe como archivos: formularios, facturas, contratos, páginas escaneadas, imágenes y video. Construimos sistemas que extraen los datos que necesita, convierten los escaneos en texto en el que se puede buscar, clasifican imágenes según su contenido y encuentran los momentos de un video que usted indica, cada uno comprobado con ejemplos que usted aprueba.

Qué hacemos

  • Extraer datos de formularios, facturas y contratos
  • Convertir páginas escaneadas en texto en el que se puede buscar
  • Clasificar imágenes e identificar su contenido
  • Buscar en videos los momentos que usted indica

Cómo lo hacemos

  1. Reunir ejemplosDocumentos, imágenes o videos reales de su trabajo.
  2. Construir el lectorUn modelo que los lee, comprobado con sus ejemplos.
  3. Revisar lo dudosoUna persona comprueba aquello de lo que el modelo no está seguro.
  4. ConectarLos resultados llegan al sistema que los necesita.

Preguntas

¿Puede una persona comprobar los resultados?

Sí. Todo aquello de lo que el modelo no está seguro va a una cola de revisión, y una persona decide antes de que siga adelante.

¿Qué tipos de documentos pueden leer?

Formularios, facturas, contratos, páginas escaneadas, imágenes y video. Hacemos pruebas con ejemplos suyos antes de construir.

Qué obtiene

  • El pipeline de extracción en su repositorio
  • Un conjunto de evaluación y sus puntuaciones
  • Una cola de revisión para su equipo

Stack y herramientas

  • Document parsing
  • Optical character recognition
  • Vision models
  • Evaluation sets

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · El pipeline de IA · 5 de 6

Integración. IA conectada a los sistemas que ya opera.

Qué es

La integración pone la IA a trabajar dentro de los sistemas que ya opera. Conectamos un modelo a sus aplicaciones, sus datos y su inicio de sesión único, elegimos el modelo que encaja con cada tarea y medimos su costo y su tiempo de respuesta para que la función siga siendo asequible a medida que crece su uso.

Qué hacemos

  • El modelo que encaja con la tarea
  • Inicio de sesión único
  • Costo y tiempo de respuesta medidos

Cómo lo hacemos

  1. Mapear los sistemasDónde vive la función y qué lee y escribe.
  2. Elegir el modeloPuntuado en su tarea por calidad, costo y tiempo de respuesta.
  3. ConectarA través de sus API y su inicio de sesión único.
  4. MedirCosto y tiempo de respuesta vigilados una vez en producción.

Qué obtiene

  • El código de integración en su repositorio
  • Un informe de costo y tiempo de respuesta
  • Un runbook para su equipo

Stack y herramientas

  • Model APIs
  • API gateways
  • Single sign-on
  • Monitoring

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · El pipeline de IA · 6 de 6

MLOps. Modelos lanzados, medidos y en funcionamiento.

Qué es

MLOps mantiene los modelos en funcionamiento después del lanzamiento. Construimos los pipelines que entrenan, evalúan y lanzan un modelo, un registro que versiona cada uno, una supervisión que lo vigila en producción y un reentrenamiento cuando cambian los datos, con cada lanzamiento reversible.

Qué hacemos

  • Pipelines
  • Un registro de modelos
  • Supervisión
  • Reentrenamiento
  • Versiones numeradas con reversión
  • Fichas de modelo

Cómo lo hacemos

  1. Construir el pipelineEntrenamiento, evaluación y lanzamiento, escritos como código.
  2. Registrar cada modeloCada versión guardada con sus datos y sus puntuaciones.
  3. Lanzar con reversiónUna nueva versión sustituye a la anterior solo cuando supera las pruebas.
  4. SupervisarCalidad y deriva vigiladas en producción.
  5. ReentrenarCuando cambian los datos, con los mismos controles que antes.

Preguntas

¿Podemos revertir un modelo?

Sí. Cada lanzamiento está versionado, así que el modelo anterior puede volver cuando uno nuevo no da la talla.

¿Cómo saben que un modelo sufre deriva?

La supervisión compara las entradas y los resultados reales con el conjunto de prueba, y avisa a su equipo cuando se separan.

Qué obtiene

  • Los pipelines en su repositorio
  • Un registro de modelos
  • Supervisión y alertas
  • Una ficha de modelo para cada lanzamiento

Stack y herramientas

  • Pipeline orchestration
  • Model registries
  • Experiment tracking
  • Monitoring
  • Evaluation sets

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Dentro de un agente: el arnés. El modelo es una parte; el arnés que lo rodea decide qué puede hacer el agente.

Servicios de desarrollo de IA · Dentro de un agente: el arnés

El arnés del agente. Todo lo que rodea al modelo y decide qué puede hacer un agente.

Qué es

Un arnés de agente es el software que rodea a un modelo y decide qué puede hacer el agente: las herramientas que puede llamar, los permisos de cada una, el contexto que puede leer, dónde se ejecuta, los pasos que aprueba una persona y el registro de cada paso. Construimos primero el arnés y después el agente dentro de él, para que sus límites se mantengan responda lo que responda el modelo.

Qué hacemos

  • Nombrar cada herramienta que el agente puede llamar
  • Fijar los permisos de cada herramienta fuera del modelo
  • Ejecutar el agente en un sandbox, separado de sus sistemas
  • Poner a una persona antes de los pasos que usted elija
  • Escribir cada paso en un registro que su equipo puede reproducir

Qué obtiene

  • El arnés y sus herramientas en su repositorio
  • Un mapa de permisos
  • Una traza reproducible de cada ejecución

Stack y herramientas

  • Tool calling
  • Sandboxes
  • Policy enforcement
  • Tracing

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Modelos. Cuatro formas de poner un modelo a trabajar, y lo que cada una le pide.

Usar un modelo alojado El modelo de un proveedor, usado a través de su API.
Lo que necesita
Una cuenta con el proveedor y condiciones adecuadas para sus datos.
Lo que es suyo
Sus prompts, su conjunto de evaluación y el código que rodea al modelo.
Cuándo encaja
Cuando un modelo general ya hace la tarea suficientemente bien.
Operar un modelo abierto Pesos abiertos en una infraestructura que usted controla.
Lo que necesita
Servidores o una cuenta cloud con el hardware adecuado.
Lo que es suyo
El despliegue, y adónde van sus datos.
Cuándo encaja
Cuando sus datos deben permanecer en su propio entorno.
Ajustar un modelo Un modelo base con entrenamiento adicional sobre sus ejemplos.
Lo que necesita
Buenos ejemplos de la tarea y una forma de puntuarlos.
Lo que es suyo
Los pesos ajustados, donde la licencia del modelo base lo permita.
Cuándo encaja
Cuando los prompts por sí solos no alcanzan su nivel de calidad.
Entrenar uno propio Un modelo entrenado con sus datos para una tarea, como una previsión o un clasificador.
Lo que necesita
Suficientes datos etiquetados para la tarea.
Lo que es suyo
El modelo y su código de entrenamiento.
Cuándo encaja
Cuando la tarea es concreta y los datos son suyos.

Servicios de desarrollo de IA · Modelos · 1 de 4

Modelos alojados. El modelo de un proveedor, usado a través de su API, con las condiciones para sus datos comprobadas.

Qué es

Un modelo alojado es el modelo de un proveedor que usa a través de su API, sin servidores propios que operar. Elegimos entre proveedores puntuándolos con su propio conjunto de evaluación, comprobamos las condiciones de cada proveedor frente a sus datos y medimos el costo y el tiempo de respuesta de cada llamada.

Qué hacemos

  • Elegir según su conjunto de evaluación
  • Comprobar las condiciones del proveedor
  • Medir el costo y el tiempo de respuesta

Cómo lo hacemos

  1. Construir el conjunto de evaluaciónEjemplos reales de la tarea, puntuados de la misma forma.
  2. Comparar proveedoresCada modelo puntuado con su conjunto.
  3. Comprobar las condicionesAdónde van sus datos y si pueden conservarse.
  4. MedirCosto y tiempo de respuesta a su volumen.

Qué obtiene

  • Una comparación de proveedores con su conjunto de evaluación
  • El código de integración en su repositorio

Stack y herramientas

  • Model APIs
  • Evaluation sets
  • Prompt management
  • Usage monitoring

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · Modelos · 2 de 4

Modelos abiertos. Pesos abiertos, ejecutados donde ya residen sus datos.

Qué es

Un modelo abierto es un modelo cuyos pesos ejecuta usted mismo, en servidores o en una cuenta cloud que controla. Encaja con trabajos cuyos datos deben permanecer en su entorno. Elegimos el modelo según su conjunto de evaluación, lo desplegamos en su infraestructura y medimos su calidad, su costo y su velocidad.

Qué hacemos

  • Elegir un modelo abierto según su conjunto de evaluación
  • Desplegarlo en una infraestructura que usted controla
  • Medir su calidad, su costo y su velocidad

Cómo lo hacemos

  1. PreseleccionarModelos abiertos cuya licencia encaja con su uso.
  2. PuntuarCada uno con su conjunto de evaluación.
  3. DesplegarEn sus servidores o en su cuenta cloud.
  4. MedirCalidad, costo y tiempo de respuesta bajo carga.

Qué obtiene

  • El despliegue como código en su repositorio
  • Una evaluación de los modelos que se consideraron

Stack y herramientas

  • Model serving
  • GPU infrastructure
  • Evaluation sets
  • Monitoring

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · Modelos · 3 de 4

Ajuste fino. Un modelo base con entrenamiento adicional sobre ejemplos de su tarea.

Qué es

El ajuste fino entrena un modelo base con ejemplos de su tarea, para que responda en su formato y en su dominio. Vale la pena cuando los prompts por sí solos no alcanzan su nivel de calidad. Preparamos los ejemplos, entrenamos y puntuamos el modelo ajustado frente al modelo base con su conjunto de evaluación.

Qué hacemos

  • Preparar ejemplos de su tarea
  • Seguir entrenando el modelo base
  • Puntuarlo frente al modelo base

Cómo lo hacemos

  1. Reunir ejemplosBuenos ejemplos de la tarea, comprobados por su equipo.
  2. EntrenarEl modelo base, entrenado además con ellos.
  3. PuntuarEl modelo ajustado y el modelo base, comparados con su conjunto de evaluación.
  4. DesplegarSolo si el modelo ajustado lo hace mejor.

Qué obtiene

  • Los pesos ajustados, a su nombre donde la licencia del modelo base lo permita

Stack y herramientas

  • Training frameworks
  • GPU infrastructure
  • Evaluation sets
  • Model registries

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Servicios de desarrollo de IA · Modelos · 4 de 4

Aprendizaje automático. Un modelo entrenado con sus datos para una tarea: una previsión, un ranking, un clasificador.

Qué es

Aquí, el aprendizaje automático significa un modelo entrenado con sus datos para una tarea concreta: una previsión, un ranking o un clasificador. Preparamos los datos, entrenamos y evaluamos el modelo, y lo desplegamos con los pipelines que lo mantienen al día a medida que cambian sus datos.

Qué hacemos

  • Preparar sus datos para una tarea
  • Entrenar y evaluar el modelo
  • Desplegarlo con pipelines que lo mantienen al día

Cómo lo hacemos

  1. Plantear la tareaQué predice el modelo y cómo se juzgará.
  2. Preparar los datosEtiquetados, limpios y divididos para entrenamiento y pruebas.
  3. Entrenar y evaluarCandidatos comparados con datos que no han visto.
  4. DesplegarCon el pipeline que lo reentrena a medida que cambian sus datos.

Qué obtiene

  • El modelo y su código de entrenamiento
  • Un informe de evaluación
  • Un pipeline de reentrenamiento

Stack y herramientas

  • Training frameworks
  • Feature stores
  • Experiment tracking
  • Model registries

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Evaluación: controles de lanzamiento. Cada modelo pasa las mismas comprobaciones antes de llegar a sus usuarios.

Controles de lanzamiento
ControlQué medimosCómoUmbralSe ejecutaMétodo
Calidad de la tareaQué medimosRespuestas correctas en su conjunto de pruebaCómoPuntuadas frente a un conjunto etiquetado que usted apruebaUmbralFijado con ustedSe ejecutaCada build
FundamentaciónQué medimosCada respuesta cita sus fuentesCómoCada frase rastreada hasta un pasaje recuperadoUmbralFijado con ustedSe ejecutaCada build
SeguridadQué medimosSolicitudes dañinas o contrarias a la política, rechazadasCómoPrompts de red team y baterías de jailbreakUmbralFijado con ustedSe ejecutaAntes del lanzamiento
PrivacidadQué medimosNingún dato personal sale de su perímetroCómoAnonimización probada con registros ficticiosUmbralFijado con ustedSe ejecutaCada build
LatenciaQué medimosLo bastante rápido para la tareaCómoTiempo de respuesta medido bajo cargaUmbralFijado con ustedSe ejecutaAntes del lanzamiento
CostoQué medimosAsequible a su volumenCómoCosto modelado a su volumen previstoUmbralFijado con ustedSe ejecutaAntes del lanzamiento
DerivaQué medimosSigue siendo correcto el mes que vieneCómoEntradas reales comparadas con el conjunto de pruebaUmbralNivel de alerta fijado con ustedSe ejecutaEn producción

Servicios de desarrollo de IA · Evaluación

Evaluación. Cada modelo pasa los mismos controles antes de llegar a sus usuarios.

Qué es

La evaluación es la forma en que un modelo se gana su lanzamiento. Cada modelo pasa los mismos controles: calidad de la tarea en un conjunto de prueba que usted aprueba, fundamentación en sus fuentes, seguridad frente a prompts adversarios, privacidad con registros ficticios, latencia bajo carga, costo a su volumen y deriva una vez en producción. El método de cada control está escrito y se ejecuta igual cada vez.

Cómo lo hacemos

  1. Construir el conjunto de pruebaEjemplos etiquetados de su tarea, aprobados por usted.
  2. Fijar los umbralesUno para cada control, acordado con usted antes de empezar el trabajo.
  3. Ejecutar en cada buildCalidad de la tarea, fundamentación y privacidad, a medida que cambia el código.
  4. Ejecutar antes del lanzamientoSeguridad, latencia y costo, sobre la versión candidata.
  5. Vigilar en producciónEntradas reales comparadas con el conjunto de prueba, para detectar la deriva.

Preguntas

¿Cómo evalúan un modelo antes del lanzamiento?

Con los controles de lanzamiento de esta página: calidad de la tarea, fundamentación, seguridad, privacidad, latencia, costo y deriva. Acordamos cada umbral con usted antes de empezar el trabajo, y una versión candidata que no alcanza uno espera hasta superarlo.

Qué obtiene

  • Un informe del resultado de cada control para cada versión candidata

Relacionado

Empiece con Etheon Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Desde el Lab. La investigación detrás de nuestra forma de construir IA.

  • ¿Qué modelo de IA deberíamos usar?

    El que mejor hace su tarea a un costo que pueda asumir. Puntuamos los modelos candidatos con su conjunto de evaluación y elegimos por calidad, costo y tiempo de respuesta.

  • En qué trabaja el Etheon Lab

    El Etheon Lab estudia qué hace que el software de IA sea seguro de lanzar: evaluación, salvaguardas, observabilidad, lanzamientos seguros y gobernanza.

Preguntas. Lo que preguntan los compradores antes de un proyecto de IA.

Con los controles de lanzamiento de esta página: calidad de la tarea, fundamentación, seguridad, privacidad, latencia, costo y deriva. Acordamos cada umbral con usted antes de empezar el trabajo, y una versión candidata que no alcanza uno espera hasta superarlo.

Empiece con Etheon

Cuéntenos su caso de uso y su plazo. Respondemos en un día laborable.

Datos

Pipelines, plataformas y BI

Explorar Datos

Cloud

Cloud, DevOps y SRE

Explorar Cloud