LLMs
Modelos según el caso, no según la moda.
OpenAI (GPT-4/5), Anthropic (Claude), Mistral, modelos open-source vía Together o Replicate. Comparamos coste/calidad/latencia para tu caso antes de comprometernos a un proveedor.
← Volver a Norteworks
◆IA aplicada
Integramos IA cuando suma valor real.
Agentes, chatbots y automatización con LLMs. Solo cuando la capability aporta valor medible. Nada de IA por moda.
30 min · gratuita · sin compromiso · si no encaja, te lo digo en la llamada
◆Tres capabilities core
Qué hacemos con IA, en concreto.
- 01
Agentes que conversan con tu base de conocimiento.
Chatbot de soporte, asistente interno, agente de calificación de leads. Responde con TUS documentos, no con conocimiento genérico de internet.
Caso típico
Un cliente con un manual de 300 páginas pasa de 40 emails de soporte al día a 5 que requieren intervención humana.
- 02
Tareas repetitivas que pasan de "media tarde" a "0 minutos".
Clasificación de tickets, extracción de datos de documentos, resumen de reuniones, generación de informes. Sin que tu equipo siga copiando-pegando.
Caso típico
Un departamento administrativo procesa 200 facturas/día con extracción automática de campos clave, validación, y carga al ERP. Antes 4h/día — ahora supervisión de 20 min.
- 03
Consultas en lenguaje natural sobre tus documentos.
"Búscame los contratos donde el cliente firmó cláusula de exclusividad". Tu equipo pregunta, el sistema responde con cita y enlace al documento original.
Caso típico
Un despacho legal consulta 8.000 documentos internos sin necesidad de leerlos uno a uno. Tiempo de búsqueda de horas a segundos.
◆Stack
Cómo lo construimos.
Sin un único proveedor. Sin frameworks pesados. Lo que aporta para tu caso, medido y justificable.
Recuperación · RAG
Tu conocimiento, indexado y citable.
pgvector si ya tienes Postgres, Pinecone o Weaviate si necesitas escalar. Embeddings, chunking, re-ranking y citas verificables al documento fuente.
Orquestación
Lo mínimo necesario.
Vercel AI SDK o LangChain donde aportan, código propio donde no. Sin frameworks pesados que oculten qué está pasando — debugging y observabilidad son requisito.
Evaluación
No fiamos. Medimos.
Golden sets propios al diseñar, Promptfoo o LangSmith para CI de prompts. Cada cambio se mide contra el dataset antes de ir a producción.
Infraestructura
Donde ya estés.
Cloudflare Workers, Vercel, AWS, Azure o on-prem si lo necesitas. La capa IA encaja con tu stack actual; no te forzamos a migrar a la nube de moda.
Seguridad y privacidad
Tus datos, tu control.
Acuerdos de procesamiento de datos con cada proveedor LLM. Opciones de modelo local cuando la regulación lo exige. PII filtrada antes de salir hacia un endpoint externo.
◆Dos contextos
Aplica igual al negocio que al producto.
En tu negocio
Agente de soporte 24/7 con tu base de conocimiento, automatización de procesos administrativos, clasificación de correos/tickets.
Hablemos →En tu producto
Feature de IA en tu SaaS (recomendaciones, autocompletado inteligente, generación), o add-on que añade capabilities IA a un producto existente.
Hablemos →◆Framework de decisión
¿Te conviene IA? Cuatro preguntas.
Cuatro síes → adelante. Una o más dudas → primero hablamos. La Brújula es gratuita por eso.
- 01
¿Tienes datos limpios o suficientes para contextualizar?
SÍ →Documentos, transcripciones, registros, ejemplos etiquetados — algo que el modelo pueda usar como verdad.
NO →Si tu base de conocimiento son emails desordenados y un Drive sin curar, lo primero es ordenar — no es trabajo de IA.
- 02
¿Sabes qué métrica concreta mejorarías?
SÍ →Tiempo de respuesta, % de tickets cerrados sin humano, horas/mes ahorradas, conversión, NPS.
NO →Sin métrica no hay ROI demostrable. Definirla es parte del Mapa, pero no podemos venderla.
- 03
¿Tu caso de uso NO se resuelve con algo determinista más barato?
SÍ →Si es lenguaje ambiguo, contexto variable, o requiere razonamiento — IA aporta valor.
NO →Si es una regex, una expresión SQL o un workflow lineal, te ahorras los tokens y el riesgo.
- 04
¿Los costes de inferencia caben en tu modelo de negocio?
SÍ →Volumen × coste por consulta × margen ≥ valor que aporta. Lo modelamos antes de construir.
NO →Si cada consulta cuesta 0,30 € y el cliente paga 9 €/mes con 200 consultas, hay un problema.
◆Lo que monitorizamos
Métricas en producción, no demos bonitas.
Si no se mide, no se mejora. Estas cuatro entran en el dashboard desde el día uno.
-
Latencia p95
Cuánto tarda el 95% de las consultas en responder. Si supera tu SLO, escalamos modelo o cachéamos.
-
Coste por consulta
Tokens × precio del modelo. Lo proyectamos por mes y lo monitorizamos en tiempo real.
-
Precisión vs ground truth
% de respuestas que coinciden con la respuesta correcta en tu golden set. Lo medimos en cada deploy.
-
Tasa de escalada a humano
Cuántas consultas el agente no resuelve y derivan a tu equipo. Si sube, algo se rompió.
◆Anti-hype
Cuándo NO recomendamos IA.
- Si no tienes datos limpios o suficientes para entrenar/contextualizar.
- Si no sabes qué métricas mejorarías (sin métrica no hay ROI).
- Si el caso de uso ya tiene una solución determinista más barata.
- Si añadir IA es por presión de marketing, no por necesidad operativa.
- Si los costes de inferencia (tokens) no caben en tu modelo de negocio.
Si vienes con un caso así, te lo decimos en la primera llamada. No vendemos lo que no necesitas.
¿Quieres explorar IA en tu proyecto?
Reserva una Brújula de 30 minutos. Gratis. Sin compromiso.