IA donde realmente aporta.
Incorporamos IA aplicada a los sistemas que sostienen la operación y usamos herramientas de IA en nuestro propio trabajo de ingeniería. Estos son los principios que seguimos en ambos casos.
IA donde realmente aporta
Usamos la IA cuando resuelve un problema real mejor que una regla, un formulario o un sistema más simple. La tecnología por la tecnología nunca es el objetivo.
Una persona tiene la última palabra
En los resultados que importan, como informes, clasificaciones o cualquier cosa que afecte a personas, una persona revisa y aprueba el resultado antes de su liberación.
Los resultados se validan
Diseñamos la IA como un flujo con verificaciones, no como una sola instrucción:
- Extraer: los modelos obtienen información estructurada de documentos, textos o audios.
- Clasificar: la información se organiza según los criterios de su operación.
- Validar: reglas y verificaciones automáticas eliminan errores y afirmaciones sin fundamento.
- Aprobar: una persona confirma el resultado antes de que se use.
Explicable y de apoyo
Priorizamos usos en los que la base de una sugerencia se puede verificar y en los que la IA apoya a las personas responsables del trabajo, en lugar de reemplazar su criterio.
Sus datos siguen siendo suyos
Los datos de los clientes no se usan para entrenar modelos sin consentimiento explícito. Los modelos reciben solo los datos que cada tarea necesita, y la información sensible se minimiza o se elimina siempre que es posible.
Transparencia
Cuando un sistema que entregamos usa IA, le informamos dónde y cómo, para que su equipo sepa qué resultados fueron generados por un modelo o con su apoyo.
IA en nuestro propio trabajo
Nuestros ingenieros usan herramientas de IA para escribir, revisar y probar código. Un ingeniero revisa cada cambio antes de que salga a producción, y se aplican las mismas reglas sobre los datos de los clientes.
Esta página describe nuestro enfoque y se revisa a medida que evolucionan nuestras prácticas.