La mayoría de las funcionalidades de IA quedan bien en la demo y fallan en silencio. La diferencia casi nunca es el modelo: es la recuperación, las evaluaciones, las salvaguardas y la monitorización a su alrededor. Construyo las partes que nunca fueron inteligentes, porque son las que hacen que la parte inteligente se pueda usar sin miedo.
Alcance cerrado y precio cerrado, ambos acordados por escrito antes de empezar nada. Si tu proyecto queda entre dos de estos, tiene un número propio.
desde€4 000
1–2 semanas
Mejor cuando hay una sola funcionalidad de IA entre tú y una release.
Incluye
Recomendado
desde€10 500
3 semanas
Mejor cuando el valor está encerrado en documentos que nadie puede buscar.
Incluye
desde€21 000
6 semanas
Mejor cuando la IA es el producto y tiene que aguantar.
Incluye
¿Aún lo estás decidiendo, o el alcance sigue moviéndose? Una llamada de alcance de pago (€400) pone el plan y un número cerrado por escrito, y se descuenta del proyecto si seguimos adelante. La llamada inicial de treinta minutos sigue siendo gratis en cualquier caso.
Los mismos cuatro pasos siempre, para que sepas en todo momento dónde está.
Con unas líneas basta. Leo todos los mensajes yo mismo y respondo en un día laborable.
Gratis, y sin discurso de venta. Vemos qué significa estar terminado aquí, y si soy siquiera la persona adecuada.
Si el alcance queda claro en esa llamada, el plan y el precio cerrado llegan después sin coste. Si sigue moviéndose, la llamada de alcance de pago lo resuelve primero y se descuenta del proyecto.
Una demo funcionando por semana, no un informe de estado. Te enteras en la semana dos de que algo va mal, no en la ocho.
Los que encajen: OpenAI, Claude, Gemini, o modelos de pesos abiertos en tu propia infraestructura cuando los datos no pueden salir. Es una cuestión de restricciones, no de preferencia.
Sí. He desplegado en Azure, AWS, GCP y Kubernetes on-premise, incluidos modelos de pesos abiertos autoalojados cuando el cumplimiento normativo lo exigía.
Anclando las respuestas en fuentes recuperadas, mostrando citas y ejecutando un conjunto de evals que detecta regresiones antes que tus usuarios. Lo que el sistema no pueda responder debería decirlo, en vez de adivinar.
Sí. La mayor parte de este trabajo es entrar en algo que ya existe, no arrancar un repositorio nuevo.
Todo, en tu repositorio, con la infraestructura definida como código.
Una función con una llamada a un LLM dentro no es un agente, y llamarla así no es una simplificación inofensiva. Construí la misma tarea de auditoría de gastos como función, como workflow y como agente, ejecuté 150 corridas evaluadas y medí lo que la palabra cuesta de verdad, y luego escalé los datos hasta que la única jugada de la función dejó de existir y el agente fue la última arquitectura en pie.
Notas de campo sobre la construcción de Smithproof, un plano de control multiinquilino para agentes de IA, y por qué la detección sin respuesta y la política sin aplicación no gobiernan nada.
Notas de campo de OrbitSpec, un motor de clarificación que convierte peticiones vagas en Context Bundles tipados y auditables antes de que se ejecute ningún modelo, y por qué la fiabilidad empieza antes de la respuesta.
Cuéntame qué tiene que responder y qué fuentes puede leer. Te respondo con cómo construiría la búsqueda en tus fuentes, cómo mediría las respuestas y cuánto costaría cada petición.
Leo cada mensaje yo mismo y respondo en un día laborable. Sin discurso de venta, solo una conversación franca sobre tu proyecto.
¿Prefieres contratar a través de un marketplace, con escrow y reseñas de la plataforma? Este servicio en Fiverr
Última actualización