Blog
Lo que hemos construido y lo que aprendimos haciéndolo
Aquí publicamos dos cosas distintas. Los proyectos documentados cuentan trabajos que ya entregamos: qué pedía el cliente, qué se decidió y por qué, con qué se construyó y qué resultado dio. Los artículos explican los temas que aparecen una y otra vez en esas conversaciones, para quien está evaluando si un problema suyo tiene solución y cuánto trabajo implica.
Ninguno de los dos está escrito para impresionar a otro programador. El fundamento técnico se desarrolla sin presuponer formación en desarrollo, y cada texto dice también los límites del enfoque que describe: cuándo no aplica, qué requisitos tiene y qué cuesta sostenerlo después. Si buscas algo específico, cada área tiene su propia página en servicios, con los casos y artículos de ese tema agrupados.
Proyectos documentados
Trabajo real, contado completo. Cada uno describe el problema tal como llegó, las alternativas que se evaluaron, la decisión técnica que se tomó y cómo quedó la operación después. Donde el acuerdo con el cliente lo permite van los números; donde no, se dice que no van en lugar de inventar una cifra redonda. Son la respuesta a la única pregunta que importa antes de contratar a alguien: esto que dicen que hacen, ¿ya lo hicieron?
Extracción de entidades sobre texto legal panameño
Cómo se construyó un reconocedor de entidades afinado sobre el estilo de redacción legal panameño, para un despacho que revisaba leyes y expedientes a mano.
Migración de datos dispersos a una fuente única
Los datos de una pyme vivían repartidos entre hojas de cálculo y herramientas desconectadas. Cómo se consolidaron sin arrastrar las inconsistencias acumuladas.
Pipeline de agentes de IA para un catálogo de e-commerce
Cómo se encadenaron agentes de IA, con verificación entre etapas, para investigar, redactar y publicar productos de un catálogo que crecía a mano.
Reconocimiento facial en tiempo real: qué es y cuándo tiene sentido para tu negocio
No es solo para grandes bancos. Qué hace falta para que el reconocimiento facial en tiempo real valga la pena, y cómo se integra con la seguridad que ya tienes.
¿Cómo funciona un grafo de detección de fraude en seguros?
Por qué las reglas simples y la revisión manual no alcanzan para detectar fraude en reclamos, y cómo un grafo de entidades expone lo que antes era invisible.
Artículos
Explicaciones de los temas que más se repiten: qué es un pipeline de datos y cuándo hace falta, cómo saber si un proceso está listo para automatizarse, qué puede y qué no puede hacer hoy la extracción de datos con inteligencia artificial. Cada uno parte de una situación concreta de una empresa, no de una definición de manual, y termina con los criterios para decidir. Sirven tanto para evaluar una propuesta nuestra como para descartarla con argumentos.
Servidores sin actualizar: el riesgo que nadie ve
Un servidor sin parches no falla: sigue andando igual hasta el día que alguien entra. Qué revisar, en qué orden y por qué el riesgo real no es técnico.
¿Cómo saber si mi pyme necesita automatización?
Tres señales concretas - más allá de 'la IA está de moda' - que indican que un proceso ya está listo para automatizarse.
¿Qué es un pipeline de datos y por qué importa para tu negocio?
Una explicación sin jerga de qué hace un pipeline de datos, y por qué reemplaza los reportes armados a mano cada mes.
Extracción de datos de facturas y documentos con IA: ¿qué es la IDP?
Qué es el Procesamiento Inteligente de Documentos (IDP), cómo funciona en la práctica y qué tan preciso puede ser.