Inteligencia artificial.

Los proyectos de inteligencia artificial suelen fallar lejos del modelo: nadie definió qué significa «respuesta correcta», el sistema alrededor no controla qué entra ni qué sale, o el problema se resolvía con software convencional y nadie quiso decirlo.

CosaSeria diseña, integra y evalúa sistemas con IA: modelos de lenguaje, recuperación aumentada (RAG), agentes y la infraestructura que hace falta para operarlos. El servicio empieza con una pregunta incómoda, si el problema necesita IA, y sigue con ingeniería: datos, evaluación, control, costos y operación. IA cuando ayuda. Software cuando basta.

Problemas que atiende

• Un prototipo con un LLM que impresionó en la demo y nadie sabe cómo llevar a producción con garantías.
• Un asistente que responde con seguridad cosas que no están en la documentación de la empresa.
• Falta de evaluación: no hay forma de saber si la versión de hoy contesta mejor o peor que la de la semana pasada.
• Costos y latencia de inferencia que crecen sin control conforme suben los usuarios.
• Un agente que ejecuta acciones (crear, cobrar, enviar) sin límites, trazas ni manera de revisar lo que hizo.

Cuándo conviene

• Cuando hay un proceso que depende de leer, clasificar o redactar texto a un volumen que las personas ya no alcanzan.
• Cuando se quiere responder preguntas sobre un cuerpo de documentos propio con trazabilidad a la fuente.
• Cuando un prototipo funciona y hay que decidir si vale la pena convertirlo en producto.
• Cuando se está evaluando «implementar IA» y no está claro dónde tendría sentido.

Cómo trabajamos

1. Decidir si hace falta. Se compara la solución con IA contra la alternativa convencional en costo, riesgo y mantenimiento. Si la alternativa gana, se recomienda la alternativa.
2. Definir qué es una buena respuesta. Conjunto de casos de evaluación con respuestas esperadas, construido con quien conoce el dominio. Sin esto, cualquier cambio es una apuesta.
3. Diseñar el sistema alrededor del modelo. Recuperación con fuentes verificables, contexto controlado, validación de salidas, límites de acción para agentes y registro de cada decisión.
4. Evaluar y medir. Precisión, cobertura, latencia y costo por petición, antes de cada cambio de modelo, de prompt o de datos.
5. Operar. Monitoreo de calidad en producción, control de costos y un plan para cuando el proveedor del modelo cambie algo sin avisar.

Qué entregamos

• Evaluación de viabilidad con la recomendación de usar IA, software convencional o una combinación.
• El sistema implementado: pipeline de ingesta, recuperación, generación y validación, según el caso.
• Conjunto de evaluación y el tablero que mide la calidad de las respuestas a lo largo del tiempo.
• Controles para agentes: permisos, límites, trazas y revisión humana donde el riesgo lo pida.
• Documentación de costos, dependencias de proveedores y operación.

Sobre los resultados. No se prometen porcentajes ni plazos antes de entender el problema. Los números se publican cuando se puede decir exactamente qué miden, en qué periodo y quién los verificó.

Evidencia relacionada

AuxiDocente, producto del estudio en operación, interpreta notas de voz, fotos y texto que las maestras envían por WhatsApp y las organiza en planeaciones editables. Es un sistema con IA que cobra suscripción y da soporte en producción.

ValladolIA es un asistente con recuperación aumentada que responde dudas sobre reglamentos municipales de Morelia y muestra los artículos que consultó en cada respuesta. Nació como investigación doctoral del fundador en el Tecnológico Nacional de México campus Morelia, y lo mantiene él, fuera del estudio. El fundador también colabora, como empleado de RevenueCat, en un agente que construye paywalls a partir de una descripción en texto. Las tres cosas, con su atribución exacta, están en Trabajo.

Preguntas frecuentes

¿Qué pasa si no necesitamos IA?

Se dice, y se propone la alternativa. Una parte del valor del servicio es evitar un proyecto de IA que un formulario bien diseñado o una consulta a la base de datos resolvía mejor y más barato.

¿Qué modelos usan?

Los que el problema, el presupuesto y los requisitos de privacidad permitan. El sistema se diseña para poder cambiar de modelo o de proveedor sin reescribirlo, porque ese cambio va a ocurrir.

¿Pueden trabajar con nuestros datos sin que salgan de la empresa?

Depende de los requisitos y de la infraestructura disponible. Hay opciones con modelos desplegados en infraestructura propia o en regiones acordadas, con costos y limitaciones distintos. Se evalúa caso por caso antes de prometer nada.

¿Qué es RAG y cuándo conviene?

Recuperación aumentada por generación: el sistema busca los fragmentos relevantes de tus documentos y los usa como contexto para redactar la respuesta. Conviene cuando las respuestas deben salir de un cuerpo de documentos propio y verificable, con cita a la fuente.

¿Los agentes son seguros para ejecutar acciones?

Lo son en la medida en que el sistema alrededor los limite: permisos acotados, confirmación humana para acciones irreversibles, trazas de todo lo que hicieron y evaluación antes de ampliar su alcance. La evaluación y el control van antes que la generación.

---

Otros servicios. Arquitectura de software · Escalabilidad y sistemas distribuidos · Software a medida · Technical advisory.