Estas son las experiencias de empresas que han trabajado con nosotros. Publicamos solo testimonios que hemos recibido por escrito con autorización expresa de cada cliente.
Teníamos tres años de datos de ventas en hojas de cálculo dispersas. El equipo de Noble AI Sci los unificó, limpió y construyó un modelo que ahora nos dice con bastante acierto cuántas unidades vamos a vender de cada referencia la semana siguiente. Hemos reducido las roturas de stock un 31 % desde que lo usamos.
Necesitábamos clasificar miles de reclamaciones de seguros al día. Antes, un equipo de ocho personas tardaba toda la mañana. Ahora el modelo de NLP hace el primer filtrado y solo interviene una persona para revisar los casos dudosos. El tiempo medio de respuesta al asegurado bajó de 72 a 18 horas.
Lo que más valoro es la honestidad técnica. En la primera reunión nos dijeron que uno de los tres casos de uso que proponíamos no tenía sentido con nuestros datos actuales. Nos ahorraron meses de trabajo inútil. Con los otros dos proyectos estamos muy contentos: el detector de anomalías en la cadena de frío funciona desde hace un año sin apenas mantenimiento.
Somos una clínica dental con cuatro sedes. Pensábamos que la IA era solo para grandes empresas. Noble AI Sci nos montó un sistema de predicción de citas canceladas que analiza el historial de cada paciente y nos avisa con 48 horas de antelación. Llenamos esos huecos con pacientes en lista de espera y la facturación mensual subió un 9 %.
Contratamos el plan de acompañamiento después de que otro proveedor nos entregara un modelo que se degradó a los tres meses. El equipo de Noble AI Sci auditó ese modelo, identificó que el problema era un cambio en la distribución de los datos de entrada, y lo re-entrenó con un pipeline que ahora se actualiza automáticamente cada trimestre.
Nos gustó que no intentaron vendernos una solución más grande de lo necesario. Pedimos un clasificador de imágenes para detectar piezas defectuosas en nuestra línea de azulejos. Lo entregaron en nueve semanas, con una precisión del 97,2 % en el conjunto de test. Llevamos siete meses usándolo y la tasa de reclamaciones de clientes ha bajado un 40 %.
Distribuciones Levante gestiona más de 1 200 referencias de producto fresco y seco en tres almacenes de la Comunidad Valenciana. Su principal dolor era el exceso de stock en productos de baja rotación y las roturas de stock en los de alta rotación. Construimos un modelo de series temporales (Prophet + gradient boosting como corrector) que ingiere datos de ventas, estacionalidad, festivos locales y meteorología. El modelo genera cada domingo una recomendación de pedido por referencia y almacén. En los primeros seis meses, el stock muerto se redujo un 23 % y las roturas de stock bajaron un 31 %.
Seguros Tramontana recibía unas 1 500 reclamaciones semanales por correo electrónico y formulario web. Un equipo de ocho personas las leía, las clasificaba por tipo (siniestro de hogar, auto, salud, responsabilidad civil) y las derivaba al departamento correspondiente. Entrenamos un modelo de clasificación de texto basado en transformers fine-tuned con 40 000 reclamaciones históricas etiquetadas. El sistema clasifica correctamente el 94 % de los casos sin intervención humana. Los casos ambiguos se marcan para revisión manual. El tiempo medio de primera respuesta al asegurado pasó de 72 horas a 18 horas, y la aseguradora reasignó a cuatro de las ocho personas a tareas de mayor valor.
Cuéntanos tu problema y te decimos en 48 horas si podemos ayudarte, qué enfoque proponemos y cuánto costaría. La primera consulta es gratuita y sin compromiso. Puedes llamarnos al +34 96 791 08 23 o escribirnos a [email protected].
Solicitar consulta gratuita