Casos de Éxito

Conoce nuestros proyectos: qué objetivos se plantearon, a qué desafíos nos enfrentábamos y cuáles fueron los resultados obtenidos.

Casos de Éxito

Aquí tienes algunos clientes que confían en nosotros para su transformación digital.

Aquí tienes algunos clientes que confían en nosotros para su transformación digital.

Mejoramos el proceso de toma de decisiones, creación y ejecución de campañas de Marketing a través de la automatización y análisis por IA.

Logística

Optimizamos costes de operación a través de la selección de las mejores rutas, tiempos y movimientos.

Pesca Inteligente

Utilizamos modelos de IA para monitorizar las poblaciones de peces, prediciendo su crecimiento e incluso sus pautas migratorias.

LegalTech

Creamos software especializado en terminología legal. Más allá de digitalizar documentos, clasificamos de forma óptima la información.

RRHH

Conoce en profundidad las percepciones de tu equipo para desarrollar planes de acción a su medida y optimizar tus resultados.

Banca

Aprovechamos el procesamiento de un gran volumen de datos para segmentar clientes, prevenir fraudes, generar insights y desarrollar el negocio.

Salud

De la mano de prestigiosas instituciones del sector sanitario fomentando la investigación y la mejora de la calidad de vida mediante el uso de la IA.

SmartAgriculture

Conoce nuestra colaboración en el proyecto para identificar el momento optimo para la recolección del olivar.

PREDICCIÓN DE CTR

OBJETIVOS

En el año 2017, uno de los principales fabricantes de automóviles del mundo y el mayor de Europa, necesitaba medir el retorno de la inversión (ROI) y predecir el rendimiento de los datos y las campañas para maximizar la inversión en publicidad prediciendo el Click Through Ratio (CTR).

DESAFÍOS

Diseñar un modelo muy eficiente que explotara la gran cantidad de datos (150M impresiones – 2 meses de campaña), estructurados como variables categóricas, con clases muy desbalanceadas.

RESULTADOS

Creación de un Modelo personalizado y de predicción del CTR con datos de adservers, que analiza más de 100 millones de interacciones mensuales entre usuarios y anuncios con métrica F1-score de 70%, mejorando el modelo anterior en un 50%.

Base para la toma de decisiones: recomendar un anuncio en un contexto de marketing de precisión.

PREDICCIÓN DE VENTAS

OBJETIVOS

En el año 2018, el minorista mundial líder en servicios de alimentos, con unas ventas de más de 950 M€ en España, deseaba mejorar el marketing predictivo de precisión y en concreto, medir el retorno de la inversión (ROI), prediciendo las ventas semanales de sus franquicias (>420), y maximizar las campañas publicitarias controlando la inversión por canal.

DESAFÍOS

Gran cantidad de datos no estructurados, provenientes de diferentes fuentes (4 años de ventas, campañas publicitarias, clima, eventos sociales y deportivos, vacaciones, etc

RESULTADOS

Sistema de ayuda a la toma de decisión que permite pronosticar las ventas para las próximas semanas con un 96% de precisión, en función de las variables de entorno y de niveles de inversión en distintos canales de publicidad.

Identificación del peso de cada canal en las ventas (simulación de contrafactuales) que maximiza el retorno de las campañas publicitarias ayudando a decidir la asignación por canales y programación en el tiempo.

PREDICCIÓN DE RUTAS INTELIGENTES

OBJETIVOS

Satlink, proveedor líder mundial de soluciones tecnológicas para el segmento pesquero, quería añadir valor a sus productos comercializados prediciendo, con un horizonte temporal a medio plazo (7-10 días), la trayectoria futura de una boya a la deriva y evitar que colisionara con la costa para aumentar su vida útil.

DESAFÍOS

Incorporación de gran cantidad de datos diarios de oceanografía (corrientes, viento, olas, temperatura, etc.), que puede fallar o retrasarse debido a incidencias externas.

Alta incertidumbre en las predicciones meteorológicas.

Despliegue del servicio robusto, usado diariamente por múltiples clientes.

RESULTADOS

Aumento de la vida útil de las boyas un 186%. Sistema de alertas de monitorización de la información que permite múltiples intentos diarios para intentar recuperarse de las incidencias, con múltiples peticiones concurrentes.

PREDICCIÓN DE LA CANTIDAD DE PESCADO EN BALIZA

OBJETIVOS

Predicción de pesca a partir de las señales de ecosonda y datos oceanográficos de las balizas.

Distinguir marcaciones que permitan discriminar entre las especies de atúnidos más frecuentemente capturados.

DESAFÍOS

Gran cantidad de datos para alimentar los modelos: información de la posición de la baliza (latitud, longitud, océano), ecosonda (marcaciones de cada una de las capas) y oceanografía en superficie (~90 millones de marcaciones de ~20k balizas a lo largo de 4 años).

RESULTADOS

Predicción de pesca con 95% de precisión.

Desarrollo de modelos de clasificación para predecir la presencia/ausencia de atún debajo de la baliza y de regresión para predecir la cantidad total exacta de toneladas de atún debajo de la baliza.

MONITORIZACIÓN ELECTRÓNICA

OBJETIVOS

Satlink cuenta actualmente con un sistema de monitorización electrónica de buques pesqueros con cámaras que graban la actividad relevante en la cubierta. Las grabaciones son procesadas con algoritmos básicos de visión artificial para detectar las distintas especies de peces y facilitar la tarea de los expertos a la hora de revisar la gran cantidad de horas de vídeo.

DESAFÍOS

Falta de videos etiquetados para resolver el problema de seguimiento de objetos. Esto hace complicado entrenar modelos específicos que puedan tener en cuenta el componente temporal.

RESULTADOS

Desarrollo e implementación del algoritmo de tracking más apropiado, aprovechando los algoritmos de detección de objetos existentes. Reducción en la cantidad de falsos positivos gracias a tener en cuenta el componente temporal. Los algoritmos desarrollados sirven también como asistentes para etiquetar nuevos videos, en caso de que fuera necesario. 

SEGMENTACIÓN DE CLIENTES

OBJETIVOS

Una entidad bancaria con más de 3 millones de clientes deseaba segmentar segmentar a sus clientes en base a sus transacciones con tarjeta bancaria y de acuerdo a cinco ámbitos (cómo, dónde, cuándo, cuánto, qué) y graficar las tendencias en la evolución de los patrones de consumo.

DESAFÍOS

Gran volumen de datos con más de 3 millones de clientes con un número de operaciones semestrales en torno a, ~190M de transacciones bancarias, con ~40 columnas, necesidad de interpretación de clusters con sentido de negocio.

RESULTADOS

Modelos de clustering escalables que sirven de base cognitiva y uso como entrada de otros modelos del banco: predicción de renta, propensión a consumo y medida de similaridad entre clientes y comercios.

Fidelizar a sus clientes al ofrecerles productos y servicios más personalizados y seleccionar los canales de marketing idóneos para cada audiencia.

DETECCIÓN DE FRAUDE EN TARJETAS DE CRÉDITO

OBJETIVOS

Dada una transacción con tarjeta bancaria, desarrollar un sistema para gestionar las alertas y predicción en tiempo real de si es fraudulenta o legítima.

Desarrollo de sistema de ayuda a la decisión para gestionar las alertas. Es decir, decidir cuándo alertar o suspender una operación teniendo en cuenta todos los costes involucrados.

DESAFÍOS

Gran volumen de datos (+150 millones de transacciones de pago), sin suficiente memoria RAM on premises.

Necesidad de realizar inferencia de modelos en tiempo real (para que el cliente no perciba retraso al pagar). 

RESULTADOS

Mejora del 36% sobre la precisión anterior.

Modelos de clasificación de fraude mejorando la precisión y manteniendo controlada la tasa de falsos positivos (molestias para el cliente).

Con la información recabada de los datos del proyecto se realizó un estudio acerca del comportamiento de los defraudadores. 

ESTRUCTURACIÓN DE INFORMES DE CÁNCER DE MAMA

OBJETIVOS

Desarrollo, implementación y despliegue de varios modelos de Procesamiento de Lenguaje Natural (PLN) destinados a estructurar y codificar informes clínicos de biopsias de cáncer de mama en terminología SNOMED que permitiese al Hospital Puerta del Mar de Cádiz ahorrar tiempo de sus facultativos y aumentar la productividad del servicio de Anatomía Patológica.

DESAFÍOS
Gran cantidad de información guardada como texto libre en informes clínicos (>150k reportes).

Informes en lenguaje no estructurado con múltiples clases (400+).
RESULTADOS

Desarrollo de dos modelos independientes de codificación en base a la terminología SNOMED-CT) e integración de los modelos con reconocimiento de voz.

  • Ahorro del tiempo de sus facultativos y aumento la productividad del servicio de Anatomía Patológica.
  • Clasificadores multiclase: 86% accuracy, 87% F1.
  • NER: 90% F1-score con 4 entidades distintas.
  • ESTUDIO DE ENFERMEDADES CARDIOVASCULARES

    OBJETIVOS

    El Instituto de Salud Carlos III junto con Quirón Prevención, que proporcionó los datos anónimos utilizados en este estudio y prestó apoyo en los análisis y la interpretación, deseaba determinar la influencia de distintos factores, en el riesgo de padecer enfermedades cardiovasculares.

    DESAFÍOS

    Mantener los más altos estándares científicos para que sea aceptado en revistas de prestigio; utilizando datos provenientes de muchas fuentes, no estandarizados; con más de 500.000 pacientes con múltiples reconocimientos médicos a lo largo de los años. 

    RESULTADOS

    Publicación de resultados del estudio en la revista European Journal of Preventive Cardiology. A través de la homogeneización de información textual, se evidencia cómo actividades físicas pueden reducir el riesgo de padecer enfermedades graves.

    NLP EN TEXTOS JURÍDICOS END TO END

    OBJETIVOS

    En el año 2018, la compañía líder en España en el suministro de información jurídica, deseaba clasificar, etiquetar e identificar los datos clave automáticamente de un gran corpus (1M+) de sentencias y documentos jurídicos en constante crecimiento y ser capaz de gestionar las necesidades de búsqueda sobre dichos documentos para la toma de decisión.

    DESAFÍOS

    Inicio con datos no etiquetados, que dado el contexto tan específico jurídico y en lengua española hace imposible el uso de herramientas preentrenadas. Requiere uso de herramientas de anotación y estrategia active learning y herramientas SOTA en 2018.

    RESULTADOS

    Sistema de clasificación de sentencias y documentos según categorías jurídicas organizadas por numerosos niveles de clasificación jerárquica con precisión superior al 90%.

    Búsqueda semántica 22 veces más eficiente que la solución anterior que reduce significativamente el tiempo operativo y aumenta la productividad del servicio.

    ANÁLISIS DE SENTIMIENTO

    OBJETIVOS

    El cliente del sector digital, deseaba desarrollar una herramienta que les permitiera recopilar los textos de cualquier fuente para analizar la información, entenderla y tomar acciones sobre el entorno laboral y monitorizar la opinión, emoción o actitud de los empleados.

    DESAFÍOS

    Necesidad de modelo robusto con alta precisión para conseguir incrementar el porcentaje de textos clasificados correctamente sin añadir coste computacional.

    RESULTADOS

    Desarrollo de un modelo de clasificación de textos multietiqueta y análisis de sentimiento con un 96% de precisión que ayuda a adoptar nuevas estrategias y tomar decisiones de manera ágil. Uso de modelos state of the art en NLP (Transformers): contribución a Hugging Face. Técnicas de active learning: zero-shot learning, etiquetado inteligente basado en la entropía.

    SISTEMA DE OPTIMIZACIÓN DE RUTAS

    OBJETIVOS

    Una compañía líder del sector de los materiales de construcción y soluciones para albañiles, constructores, arquitectos e ingenieros de todo el mundo, deseaba optimizar sus sistema actual de rutas para dotarlo de más flexibilidad, modularidad y mantenimiento.

    Asimismo, se debía modernizar el sistema previo corrigiendo errores de diseño y mejorando el rendimiento.

    DESAFÍOS

    Código poco mantenible y de difícil comprensión al no estar documentado y ausencia de una visión global del problema de optimización a resolver desde un punto de vista matemático.

    RESULTADOS

    Nueva formulación del problema matemático para la gestión de rutas que permita adaptarse a los nuevos escenarios y requisitos a medida que el producto se va implantando en cada país.

    Mejora del sistema de optimización de rutas que permite minimizar los costes operacionales, el tiempo de planificación, el uso de combustible y la contaminación, mejorando la trazabilidad y la gestión de flotas.

    IDENTIFICACIÓN DEL MOMENTO ÓPTIMO DE COSECHA EN OLIVAR

    OBJETIVOS

    Identificación automática y objetiva del momento óptimo de recolección del olivar en aras de maximizar la producción de aceite de oliva de la calidad más alta, virgen y virgen extra.

    DESAFÍOS

    Construcción de una herramienta de Smart-Agriculture basada en el tratamiento masivo de datos de la cadena de valor del sector oleícola. Esta herramienta se apoya en diferentes tecnologías para obtener, almacenar y procesar grandes cantidades de datos de fuentes variadas.

    RESULTADOS

    La futura plataforma BeHTool construye tres componentes fundamentales:

    • Obtención de la información que procede de las redes de sensores, satélites y estaciones meteorológicas.
    • Gestión de toda la información anterior y combinación con datos de los olivares y almazaras, como el estado fenológico y la producción.
    • Capacidades de analítica avanzada y modelos predictivos que, basándose en los datos recogidos y almacenados en los anteriores módulos, emitan las predicciones.

    Cómo aplicarlo
    a tu negocio

    Haz crecer tu negocio
    aplicando IA