La versión cortaThe short version
Treinta segundosThirty seconds
ES
«Montamos el departamento que hace vuestro trabajo repetitivo. Corre en vuestro propio hardware, así que los datos no salen del edificio. Y está diseñado para encoger: cada tarea que ve tres veces se convierte en un script, así que la factura de IA baja mientras el volumen sube.»
EN
"We build the department that does your repetitive work. It runs on your own hardware, so client data never leaves the building. And it's designed to shrink — every job it sees three times becomes a script, so your AI bill goes down as your volume goes up."
CapEx
no una suscripciónnot a subscription
3
repeticiones y pasa a scriptrepeats and it becomes code
0
datos personales fuerapersonal data leaving
10:49
5.241 docs, de cero a consultable5,241 docs, cold to searchable
Las preguntas que siempre salenThe questions that always come up
«Ya tenemos licencias de ChatGPT / Copilot.»"We already have ChatGPT / Copilot licences."
Esas son herramientas que tu gente conduce prompt a prompt, y el coste crece con cada uno. Esto es un departamento que ejecuta el trabajo de principio a fin, se revisa a sí mismo, y convierte lo que se repite en código que no cuesta nada ejecutar. Otra cosa, y con la curva de coste al revés.Those are tools your staff drive one prompt at a time, and the cost grows with every prompt. This is a department that runs work end to end, checks itself, and converts what repeats into code that costs nothing to run. Different thing, opposite cost curve.
«Nuestros datos no pueden ir a una empresa de IA.»"Our data can't go to an AI company."
Correcto, y por eso está diseñado así. Todo lo que toca datos personales corre en una máquina de tu edificio. La capa de enrutado rechaza un endpoint no local antes de hacer la petición: es una comprobación en el código, no un ajuste que alguien puede olvidar.Correct, and that is the design. Anything touching personal data runs on a machine in your building. The routing layer refuses a non-local endpoint before the request is made — a check in the code path, not a setting somebody can forget.
«¿Y si se equivoca?»"What if it gets something wrong?"
Está construido dando por hecho que se equivocará. Cada resultado lo comprueba un segundo agente contra la fuente, los desacuerdos van a un tercero, y todo lo que tiene consecuencias espera a una persona con nombre. Cuando falta evidencia, la respuesta es una entrada en la lista de trabajo con su motivo — nunca una suposición.It is built assuming it will. Every result is checked by a second agent against the source, disputes go to a third, and anything consequential waits for a named human. When evidence is missing, the answer is a worklist entry with the reason — never a guess.
«¿Hace falta una máquina muy potente?»"Does it need a powerful machine?"
No. Los 5.241 documentos pasaron por un portátil y un sobremesa normales. Interpretar 4.506 PDFs costó 26 segundos; el 88% del tiempo total fue una sola etapa. Se puede empezar con lo que ya hay en la oficina, o directamente contra API sin comprar nada, y mover carriles a local cuando el volumen lo justifique.No. The 5,241 documents went through an ordinary laptop and one desktop. Parsing 4,506 PDFs took 26 seconds; 88% of total time was one single stage. You can start on what is already in the office, or on API with no hardware at all, and move lanes local when volume justifies it.
«¿Qué encontró en un caso real?»"What did it find in a real case?"
Que el cliente tenía cuatro libros contables y no lo sabía — cobros, pagos, un registro de facturas en otro país, y lo que se debía a los profesores, que no se comparaba con nada. Unas 30 contradicciones entre libros, cada una entregada a una persona con las dos filas de origen. Habían pasado por varios contables; el problema no era la contabilidad, era que no se podía ver de una vez.That the client had four finance ledgers and did not know it — receivables, payments, an invoice register in another country, and what was owed to teaching staff, which was compared to nothing. Around 30 contradictions between books, each handed to a person with both source rows. They had been through several accountants; the bookkeeping was not the problem, seeing it at once was.
Lo que no vamos a afirmarWhat we will not claim
La precisión de recuperación es 0,68 en el corpus financiero desordenado y 0,90 en documentación institucional limpia. Citamos el 0,68, porque ese es el corpus que una empresa real tiene. Alrededor del 7% de ese corpus son imágenes escaneadas que necesitaron reconocimiento de caracteres antes de que nada pudiera leerlas — el tipo de detalle que normalmente se descubre después de firmar. Las contradicciones se detectan, no se resuelven: cada una la decide una persona.
Retrieval accuracy is 0.68 top-1 on the messy finance corpus and 0.90 on clean institutional documents. We quote the 0.68, because that is the corpus a real business actually has. Around 7% of that corpus is scanned images that needed character recognition before anything could read them — the kind of detail usually discovered after a contract is signed. Contradictions are surfaced, not resolved: a person decides every one.