Opiniones reales de empresas que trabajaron con nosotros. No editamos las reseñas ni cambiamos las cifras.
Estas reseñas las recibimos entre enero y diciembre de 2024. Pedimos permiso a cada persona antes de publicarlas.
Llevábamos dos años acumulando datos de sensores en nuestras plantas de tratamiento de agua sin hacer nada con ellos. AiTech Guidance construyó un modelo que predice fallos en las bombas con 48 horas de anticipación. En los primeros seis meses evitamos tres paradas no programadas que nos habrían costado alrededor de 120 millones de pesos cada una.
Necesitábamos clasificar miles de facturas escaneadas que llegaban en formatos diferentes. El equipo de AiTech entrenó un modelo de extracción de texto que identifica proveedor, monto, fecha y número de factura con una precisión del 94 %. Lo que antes tardaba dos días ahora se resuelve en menos de una hora.
El diagnóstico gratuito fue honesto: nos dijeron que con nuestro volumen de datos (menos de 2.000 registros) un modelo predictivo no iba a funcionar bien, y nos recomendaron primero acumular seis meses más de historial. Eso nos ahorró gastar plata en algo prematuro. Cuando tuvimos los datos suficientes, volvimos y el modelo funcionó como esperábamos.
Tenemos 14 cámaras en nuestro centro de distribución. AiTech las conectó a un sistema de conteo de personas y detección de zonas de congestión. Ahora sabemos en tiempo real dónde se forman cuellos de botella y podemos reasignar personal antes de que el problema afecte los tiempos de despacho.
Soy abogada y no entiendo de algoritmos. Lo que sí entiendo es que antes revisaba 30 contratos al día y ahora el clasificador de AiTech me marca las cláusulas de riesgo automáticamente. Reviso solo lo que importa. Mi productividad se duplicó sin contratar a nadie más.
El modelo de pronóstico de demanda tardó un poco más de lo prometido en estar listo (12 semanas en vez de 10), pero los resultados compensaron la espera. Nuestro error de pronóstico bajó del 25 % al 11 %, y eso se traduce directamente en menos producto vencido en bodega.
Dos proyectos explicados con más detalle: qué problema había, qué construimos y qué cambió después.
Una exportadora de camarón en Cartagena perdía entre dos y cuatro contenedores al año por rechazos fitosanitarios en puertos de destino. El problema: los inspectores humanos revisaban muestras, pero no podían cubrir el 100 % de la producción.
Entrenamos una red neuronal convolucional con 12.000 imágenes de camarones sanos e infectados. El sistema analiza cada pieza en la línea de producción y marca las que presentan signos de parásitos. La inspección humana se concentra solo en las piezas marcadas.
Farmared Distribuciones manejaba 1.800 referencias de medicamentos y productos de aseo. Su método de reposición era manual: el jefe de bodega estimaba cantidades basándose en su experiencia. El resultado era un exceso de inventario promedio del 22 % y roturas de stock frecuentes en productos de alta rotación.
Construimos un modelo de series temporales (Prophet + gradient boosting) alimentado con 3 años de historial de ventas, calendario de festivos colombianos y datos de estacionalidad. El modelo genera un pronóstico semanal por referencia.
Cuéntanos tu problema. Si la inteligencia artificial puede resolverlo, te decimos cómo, cuánto cuesta y en cuánto tiempo.
Solicitar diagnóstico gratuito