Reseñas sobre nuestros servicios de Artificial Intelligence

Lo que dicen las empresas que ya trabajan con nosotros. Cada testimonio refleja un proyecto real con resultados verificables.

Testimonios de clientes

Retrato de Carolina Mendieta
★★★★★
Necesitábamos reducir los tiempos de clasificación de tickets en nuestro centro de soporte. El equipo de Profound AI Insight entrenó un modelo NLP que clasifica automáticamente el 82 % de los tickets entrantes en la categoría correcta. Antes, un agente tardaba entre tres y cinco minutos por ticket solo en leerlo y asignarlo. Ahora ese paso es instantáneo para la gran mayoría.
Carolina Mendieta
Directora de operaciones, TeleSalud Cali
Retrato de Andrés Felipe Lozano
★★★★★
Contratamos un modelo de predicción de demanda para nuestra cadena de distribución de alimentos. Después de ocho semanas de trabajo conjunto, el error medio de pronóstico bajó de 23 % a 9 %. Eso se traduce directamente en menos desperdicio de producto perecedero, que para nosotros era un dolor financiero serio.
Andrés Felipe Lozano
Gerente de logística, Distribuciones del Pacífico
Retrato de Luz Dary Caicedo
★★★★☆
Implementamos un sistema de detección de anomalías en las transacciones de nuestra pasarela de pagos. En el primer trimestre identificó 340 transacciones sospechosas que antes pasaban desapercibidas. El único punto de mejora fue que la interfaz del dashboard inicial era algo técnica, pero la ajustaron en la segunda iteración sin costo adicional.
Luz Dary Caicedo
CTO, FinApp Colombia
Retrato de Sebastián Ríos
★★★★★
Teníamos miles de contratos en PDF sin indexar. El equipo construyó un extractor de entidades que identifica fechas de vencimiento, montos y partes involucradas. Ahora generamos reportes automáticos de contratos próximos a vencer, algo que antes requería que un asistente revisara cada documento a mano.
Sebastián Ríos
Director jurídico, Constructora Vallecaucana

Caso de estudio: predicción de rotación de personal

El reto

Una empresa de BPO con 1.200 empleados en Cali perdía en promedio el 38 % de su planta operativa cada año. Cada renuncia costaba aproximadamente 4,2 millones de pesos entre reclutamiento, capacitación y pérdida de productividad durante la curva de aprendizaje del reemplazo.

La solución

Entrenamos un modelo gradient boosting con datos de nómina, encuestas de clima laboral, horarios y antigüedad. El modelo asigna a cada empleado un puntaje de riesgo de renuncia actualizado semanalmente. Recursos humanos recibe una lista priorizada de personas con riesgo alto para intervenir con conversaciones, ajustes de turno o planes de carrera.

Resultados tras 10 meses

27 %
Reducción en rotación
$485M
Ahorro estimado (COP)
84 %
Precisión del modelo
Equipo revisando resultados del modelo predictivo de rotación

Nuestros números hablan

Desde 2021 hemos trabajado con 34 empresas en Colombia, Ecuador y Panamá. El 91 % de nuestros clientes renueva el contrato de soporte después del primer año, y el tiempo promedio desde la primera reunión hasta el despliegue en producción es de 7 semanas. No publicamos estas cifras para impresionar: las compartimos porque creemos que la mejor forma de evaluar un proveedor de IA es comparar sus resultados reales con sus promesas.

Si quieres verificar alguno de estos datos, podemos ponerte en contacto directo con el cliente correspondiente (con su autorización previa, por supuesto). Escríbenos a [email protected].