Proyectos y ejemplos

Formas concretas de simplificar el trabajo diario.

Desde atender llamadas y ordenar documentos hasta preparar informes. Aquí explicamos cuál era el problema, qué se hizo y cómo puede ayudar al equipo.

Entender mejor lo que ocurre en cada llamada

La situación

Cuando un equipo atiende cientos de llamadas, revisar una por una para saber qué pasó lleva mucho tiempo.

Qué se hizo

Las conversaciones se convierten en transcripciones y resúmenes que se pueden consultar y analizar.

Cómo puede ayudar al equipo

El equipo puede localizar información y revisar la calidad de la atención. En una adaptación para RETAbet, el procesamiento se llevó a infraestructura local.

LlamadasTexto y datos útilesRevisión del equipo

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Konect convierte conversaciones de contact center en información para evaluar la atención, extraer datos y consultar métricas sobre las llamadas.

Transcripción con motores de voz como Deepgram y Whisper, extracción de datos y análisis de conversaciones con modelos de lenguaje. Búsqueda sobre las llamadas y procesamiento asíncrono, con selección de modelos según los requisitos de privacidad y rendimiento.

Adaptación a IA local para RETA

El proyecto se adaptó para trabajar con IA local sobre una NVIDIA DGX Spark, para una carga de 500 llamadas diarias. Esta variante lleva el procesamiento a la infraestructura del cliente.

Aritz contribuye al diseño de arquitectura, la selección de modelos y la integración del procesamiento de voz y análisis LLM. Este caso de IA forma parte de una colaboración con Irontec iniciada en 2025 que también incluye desarrollo de software.

Konect · información pública del producto

Atender reservas telefónicas desde el software del restaurante

La situación

Las llamadas de reservas interrumpen el trabajo del restaurante y dependen de que alguien esté disponible para responder.

Qué se hizo

Un asistente telefónico consulta disponibilidad y conecta las reservas con el sistema que ya usa el restaurante.

Cómo puede ayudar al equipo

La reserva queda dentro del flujo habitual del negocio, con sus horarios, mesas y datos de cliente.

LlamadaConsulta de disponibilidadReserva en el sistema

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Qamarero quería incorporar agentes telefónicos a su SaaS de hostelería, conectados con la operativa diaria de los restaurantes.

Aritz implementó el sistema de agentes telefónicos y las herramientas que consultan disponibilidad y conectan las reservas con el CRM, las mesas y los horarios del SaaS. Varios meses de colaboración con el equipo de Qamarero hasta su puesta en producción.

Un flujo completo de atención y reserva conectado al software que utiliza el restaurante.

Encontrar la categoría correcta para cada documento

La situación

Una empresa de administración recibe cientos de miles de documentos al mes y necesita ordenarlos en muchas categorías.

Qué se hizo

Se compararon varias formas de clasificación y se construyó un sistema que propone las categorías más probables.

Cómo puede ayudar al equipo

En una prueba de 1.414 documentos, la categoría correcta apareció entre las cinco primeras propuestas en el 91,51 % de los casos. La cifra corresponde a ese test, no garantiza el mismo resultado en otros documentos.

DocumentoPropuesta de categoríasRevisión cuando hace falta

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Un flujo de administración de comunidades con cientos de miles de documentos al mes necesitaba clasificar en 15 categorías y 77 subcategorías. A ese volumen, el coste por documento, la latencia y la calidad del ranking condicionan la arquitectura.

Evaluamos LLMs generativos, centroides, routing híbrido y corrección de hubness con CSLS. El análisis geométrico mostró que las similitudes con centroides comprimían información útil. La última solución evaluada combina cuatro variantes de regresión logística con bagging sobre 154 similitudes semánticas y un clasificador sobre el embedding completo de 1.024 dimensiones. Una media geométrica fusiona sus probabilidades para ordenar las 77 subcategorías. La clasificación se ejecuta en CPU, sin llamadas a un LLM generativo ni un embedding adicional por documento.

Resultado medido72,35 %

de acierto Top-1 de subcategoría con el ensemble final en el test de 1.414 documentos. Top-5: 91,51 %; F1 macro: 69,15 %. Frente al CSLS histórico sobre ese test, el Top-1 mejora 15,91 puntos porcentuales y el Top-5, 7,85 puntos, con el mismo coste estimado de inferencia por documento.

Clasificación de subcategoría, 77 etiquetas. Mismo test de 1.414 documentos. Top-1 = primera propuesta; Top-5 = entre cinco propuestas.
MétodoTop-1Top-5
CSLS histórico56,44 %83,66 %
Cabeza supervisada · 154 similitudes66,48 %89,25 %
Ensemble final · similitudes + embedding72,35 %91,51 %

La evolución redujo costes y mejoró la clasificación respecto al planteamiento inicial 100% LLM. El asesoramiento matemático ayudó a orientar el análisis geométrico. El ensemble elegido también superó a los rerankers generativos probados, manteniendo una clasificación local y reproducible tras la extracción documental y el embedding.

Informe de iteraciones, resultados guardados e implementación de LAE_CATEGORIZACION (lae-parser). Son resultados de evaluación del desarrollo; el volumen operativo mensual es distinto de la muestra de test.

Tener expedientes y documentos en un mismo espacio de trabajo

La situación

Los equipos de protección a la infancia necesitan coordinar información sensible, tareas y seguimiento sin perder de vista los permisos.

Qué se hizo

Se desarrolló una plataforma para organizar expedientes, documentos, actividades y notas, con un asistente que responde apoyándose en fuentes consultables.

Cómo puede ayudar al equipo

El equipo mantiene la revisión profesional y puede comprobar de dónde sale cada respuesta. Producto cofundado por Aritz.

Expedientes y documentosBúsqueda con fuentesRevisión profesional

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Los equipos de protección a la infancia necesitan coordinar expedientes, notas de intervención, documentos y seguimiento diario sobre información especialmente sensible. La IA debe trabajar dentro de ese contexto profesional y respetar los permisos de cada usuario.

Arquitectura y desarrollo de la plataforma: expedientes, notas, documentos, actividades, calendario e informes, con roles y registros de seguridad. Backend FastAPI, PostgreSQL y tareas asíncronas con ARQ/Redis. El asistente combina búsqueda híbrida en Typesense y modelos locales con Ollama, cita las notas originales y controla el presupuesto de contexto. La generación de borradores incorpora síntesis iterativa, verificación de fuentes y fallbacks.

Como cofundador y CTO, Aritz dirige la arquitectura y el desarrollo y lideró e implementó la adecuación al ENS de categoría Media hasta conseguirla. La revisión de respuestas e informes corresponde al equipo profesional.

Plataforma cofundada. Adecuación al ENS de categoría Media confirmada en septiembre de 2026.

Preparar informes a partir de documentación clínica

La situación

Reunir fechas, lesiones y valoraciones de muchos documentos puede hacer que preparar un informe sea lento y difícil de revisar.

Qué se hizo

Un flujo de trabajo extrae información y prepara borradores por secciones, con comprobaciones de coherencia.

Cómo puede ayudar al equipo

En la evaluación interna descrita en el detalle técnico, el coste aproximado de las fases medidas bajó un 42 %. Un profesional revisa el informe final.

Documentación clínicaBorrador por seccionesRevisión profesional

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Preparar un informe pericial exige mantener fechas, lesiones y valoraciones consistentes. La documentación original y el criterio del profesional deben guiar cada sección.

Un flujo LangGraph de 12 nodos por sección, con extracción a JSON validado y lectura de la documentación completa. Combina comprobaciones deterministas de fechas y coherencia con un juez LLM que evalúa cada sección contra un informe de referencia. Las trazas de Langfuse permiten seguir el procesamiento; la selección de modelos por tarea se apoya en esa evaluación.

Resultado medido−42 %

de coste aproximado en las fases evaluadas de extracción y redacción: de 0,93 a 0,54 dólares por informe. Comparativa interna con evaluación y revisión manual; las cifras materiales se mantuvieron en las pruebas documentadas.

La evaluación permitió ajustar el coste de los modelos conservando la calidad medida. El profesional mantiene la revisión del informe final.

Reunir el trabajo diario de un despacho

La situación

Expedientes, correo, documentos y agenda suelen estar repartidos entre varias herramientas.

Qué se hizo

Se conectaron esas herramientas en un espacio de gestión y la IA puede proponer tareas y clasificar adjuntos.

Cómo puede ayudar al equipo

El profesional revisa y acepta las propuestas antes de que se conviertan en acciones.

Correo y documentosPropuestas organizadasAprobación del profesional

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

La información de un despacho se reparte entre expedientes, correo, documentos y agenda. El trabajo requiere conectar estas herramientas y mantener el control del profesional.

Plataforma de gestión con clientes, expedientes, Gmail, Drive, Calendar, tareas y generación documental. La IA propone tareas y clasificación de adjuntos; el abogado revisa y acepta antes de ejecutar.

Integración del flujo de trabajo y asistencia de IA con un punto explícito de aprobación humana.

Pasar resoluciones judiciales a información ordenada

La situación

Para comparar resoluciones hay que leer documentos PDF y convertir su contenido en datos consistentes.

Qué se hizo

El sistema extrae la información, la clasifica y vuelve a revisar los casos dudosos.

Cómo puede ayudar al equipo

Los datos se validan antes de usarlos y el desarrollo incluye informes para medir precisión y consumo.

Resoluciones PDFClasificación y comprobaciónDatos estructurados

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Analizar resoluciones judiciales exige convertir PDFs en datos consistentes y tratar los casos ambiguos de forma explícita.

Extracción de documentos, clasificación en categorías legales y una segunda pasada para los casos ambiguos. Salida JSON validada con esquemas de datos e informes de precisión y consumo.

Un sistema documentado en código que combina procesamiento documental, validación estructural y evaluación.

Controlar fechas y estados de expedientes

La situación

Revisar manualmente el estado y las fechas importantes de muchos expedientes aumenta el riesgo de que algo pase desapercibido.

Qué se hizo

Se conectó el software jurídico con un flujo que extrae datos, los presenta para revisar y prepara avisos controlados.

Cómo puede ayudar al equipo

Cada actuación deja un justificante consultable y una persona confirma los datos antes de continuar.

ExpedienteDatos para revisarSeguimiento con registro

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

El seguimiento de expedientes necesita reunir información de sistemas jurídicos y comprobar los datos relevantes antes de actuar.

Integración con software jurídico, extracción estructurada de estado, fecha y matrícula, un panel de revisión humana, notificaciones controladas y justificantes PDF auditables.

Automatización con trazabilidad y revisión de los datos que intervienen en cada actuación.

Redactar informes largos con las fuentes a la vista

La situación

Al preparar un informe extenso cuesta mantener las fuentes correctas y la coherencia entre secciones.

Qué se hizo

El sistema busca citas, elimina duplicados y redacta el informe por partes antes de revisar inconsistencias.

Cómo puede ayudar al equipo

La persona responsable puede comprobar las fuentes y validar el documento antes de usarlo.

Fuentes documentalesBorrador con citasRevisión final

Resumen visual del proceso

Ver detalle técnico y evaluación

Aportación técnica

Un informe extenso necesita fuentes pertinentes en cada sección y un relato coherente entre apartados.

Pipeline de kompletai-rag-langgraph: recuperación de citas, curación para resolver duplicados, redacción secuencial y una pasada de corrección para detectar inconsistencias y posibles alucinaciones. Modelos locales con Ollama y configuración por tarea.

Un desarrollo técnico que hace explícitas las fases de recuperación, redacción y revisión; el informe requiere validación profesional.

Desarrollo técnico: kompletai-rag-langgraph.

Siguiente paso

Cuéntanos qué quieres resolver.

Un proceso que ocupa demasiado tiempo, una funcionalidad de IA para tu producto o un equipo que necesita orientación. Aritz revisará el contexto y te ayudará a definir un siguiente paso útil.

¿Prefieres una conversación?

Agenda una llamada telefónica de 15 min

Hablaremos del objetivo, las herramientas y los datos disponibles, y de cómo podemos ayudarte.

Tu consulta

No incluyas documentación confidencial ni datos personales de terceros.

Usaremos tus datos para responder a tu consulta. Privacidad

Tu consulta llegará al equipo de TenBeltz
Encuentra tu punto de partida