IA hecha en casa
El proyecto de Qomplement aprovecha un momento clave en el mercado, porque, de acuerdo con Google Cloud, el 50% de las empresas en México ya utilizan agentes de IA, pero aún con un gran margen en su nivel de integración, ya que solo un 17% reporta tenerlos “profundamente integrados”.
En este espacio, Taray y Garza apuestan por diferenciarse. “Los datos de Estados Unidos o China no siempre resuelven los problemas de la región. Nuestra apuesta fue tropicalizar la inteligencia artificial para que responda a las realidades de las empresas mexicanas”, señala Garza.
Los emprendedores mencionan que uno de los aspectos más valorados por sus clientes es que el modelo funciona de manera local. Los datos nunca salen de la computadora, a diferencia de lo que ocurre con la mayoría de las soluciones en la nube. Para bancos, hospitales y escuelas —donde la protección de información sensible es un requisito indispensable— este diseño representa una ventaja competitiva.
El modelo se entrena previamente (en servidores potentes) y después se “empaqueta” en una versión optimizada para correr en computadoras locales. Así, een la PC del cliente se ejecuta ese sistema predeterminado y aprende de los movimientos y acciones en pantallas.
“Cuando el modelo corre en tu propia máquina, ya no se trata de confiar en la palabra de una empresa que dice no usar tus datos. La propia tecnología impide que salgan de tu computadora”, enfatiza Taray.
Un ejemplo concreto fue el de una empresa logística obligada a emitir 5,000 facturas mensuales por nuevas regulaciones fiscales. El área administrativa estaba saturada y los costos se disparaban, pero con el agente de Qomplement lograron ahorrar 15,000 dólares al mes, reduciendo la carga de trabajo y los errores humanos.
“Automatizar no significa cambiarlo todo, sino hacer que lo que ya existe rinda más”, afirma Taray.
Qomplement destina cerca de 60,000 dólares mensuales en infraestructura de AWS para entrenar y sostener sus modelos, pero la diferencia radica en el producto final: las empresas que lo adoptan no dependen de la nube para operar. Gracias a técnicas de compresión y optimización, los agentes se ejecutan directamente en las computadoras locales de los clientes, lo que permite reducir costos frente a las alternativas en línea. El resultado son agentes hasta 15 veces más económicos que las alternativas en la nube.