711 239 085 info@gilsys.com
es ca en
Fondo abstracto

Integramos IA en aplicaciones para ofrecer nuevas funcionalidades

Software a medida con IA integrada

Añadimos inteligencia artificial a software existente y desarrollamos productos nuevos que la integran.

¿Dónde empieza un proyecto de IA integrada?

Cuando no está claro por dónde empezar, lo resuelve una consultoría en IA, con un diagnóstico y una hoja de ruta.

El software a medida de la empresa

La IA se añade como una función más de un desarrollo de software a medida, por ejemplo una herramienta interna, tanto en aplicaciones web como en apps para móviles.

Software de otro proveedor

Se integra sin modificar obligatoriamente el software existente, conectando herramientas que disponen de APIs, como por ejemplo Odoo, en módulos para e-commerce a medida y en gestores documentales como ownCloud.

Un producto nuevo con la IA en el centro

Cuando se crea una nueva herramienta donde la IA no mejora algo que ya existe, sino que es la función principal del producto, por ejemplo un SaaS o una herramienta interna. Por ejemplo, nuestro buscador de licitaciones y nuestra herramienta de seguimiento SEO.

Sistemas de clasificación inteligente

Clasificar productos automáticamente al darlos de alta

Ejemplo basado en un caso real que permite, en un e-commerce (PrestaShop), buscar los productos ya clasificados que más se le parecen al producto que vamos a dar de alta y sugerir la categoría ideal.

Sugerencia inteligente de categorías

El sistema compara el producto nuevo con los que ya están clasificados y propone las categorías más probables junto con el porcentaje estimado de coincidencia.

Reorganización del catálogo existente

El sistema puede revisar la base de datos y proponer sugerencias de reestructuración, como mover a otra categoría ciertos productos o incluso la estructura de categorías.

Criterios ajustados a cada e-commerce

La solución se integra en cada e-commerce como un módulo a medida, con los criterios de decisión fijados con el cliente según su catálogo. Con pocas categorías, la IA decide la que mejor encaja en base al nombre, descripción y atributos del producto. Si el número de categorías es elevado, se buscan productos ya clasificados similares y la IA decide a partir de ellos.

Clasificación automática o con supervisión manual

Se puede preparar el sistema para que la sugerencia requiera ser siempre revisada por un humano o para que se clasifique siempre en modo automático.

El mismo concepto del ejemplo podría aplicarse a muchos otros ámbitos donde se requiera clasificar, como documentación, datos procedentes de un gestor de productos unificado o cualquier otra información que requiera organizarse y etiquetarse.

Asistentes chatbot creados a medida

Chatbot para empresas a medida

Con conexión a datos de aplicaciones internas o externas, limitados según usuario.

Sin flujo predefinido

Un chatbot tradicional tiene respuestas predefinidas y deriva a un formulario cuando la pregunta no estaba prevista. Podemos desarrollar chatbots capaces de buscar la respuesta en manuales, procedimientos, histórico de incidencias y la propia base de datos de la aplicación, con permisos restringidos.

Fuentes citables en cada respuesta

Cada respuesta puede enlazar a los documentos o registros que han sido contextualizados en la respuesta, de manera que quien pregunta pueda validarlo. Si no se encuentra ningún documento relacionado, se indica en lugar de inventar texto.

Consultar datos y proponer acciones

Es posible responder con datos reales a preguntas como "¿qué expedientes llevan más de un mes sin movimiento?" y posteriormente aplicarles acciones, como marcarlos como archivados.

Puede tener en cuenta la pantalla en uso

En caso de sistemas de ayuda para herramientas, se pueden preparar para responder con la documentación de la propia aplicación, teniendo en cuenta la información que se está visualizando en la pantalla.

Con los permisos por usuario

En caso de querer ofrecer personalización y segmentación de permisos, se requiere primero tener al usuario identificado.

En los canales necesarios

Además de dentro de la propia aplicación, se puede integrar un chatbot como un componente a medida en una web, un e-commerce, una plataforma online o integrado con WhatsApp, Telegram o cualquier otra fuente de entrada de datos de la empresa.

Usando una base de datos vectorial

Puede apoyarse en datos preprocesados, almacenados en una base de datos vectorial, para facilitar la búsqueda de la información por intención.

En ocasiones, es complicado realizar una búsqueda usando un solo concepto

Búsqueda semántica

Buscamos los resultados por intención, no por palabras exactas.

Un buscador convencional busca en base a palabras o conceptos concretos. Con IA, la búsqueda puede interpretarse. Al buscar "problemas con la factura" se puede devolver como coincidencias elementos como "cargo duplicado en el recibo".

Hay diferentes maneras de implantar búsqueda semántica: depende de si es posible modificar la base de datos que se esté usando.

Sin modificar la base de datos: sinónimos con IA

Antes de buscar, la IA transforma lo que se ha escrito en diferentes términos relacionados ("factura", "recibo", "cargo", "cobro") y los convierte en los filtros que entiende el buscador de la aplicación. De este modo, la base de datos no se modifica, pero cada búsqueda tarda algo más y tiene un pequeño coste por la consulta al modelo de IA, para calcular los sinónimos (aunque se pueden almacenar precálculos).

Con un índice vectorial: búsqueda por significado

Cada registro se convierte por adelantado en un vector que representa su significado y se guarda en una base de datos vectorial. Cuando se busca, la consulta se convierte de la misma forma y se buscan los registros más parecidos, sin necesidad de generar sinónimos. Esta técnica se puede combinar con la búsqueda por texto tradicional. Con la búsqueda semántica, el sistema responde de forma rápida y sin coste por búsqueda, pero es necesario crear el índice y procesar todos los registros. Es una solución que hemos implantado, por ejemplo, en gestores documentales.

Relacionar datos y detectar duplicados según su significado

Si guardamos el significado de cada ficha de producto, perfil de usuario o documento de la aplicación, la herramienta lo podrá aprovechar para ofrecer nuevas funcionalidades con IA.

Relacionar y emparejar

Con la información semánticamente clasificada, se podría, por ejemplo, en base a una tarea, buscar perfiles de una red de contactos que puedan realizar una cierta tarea, o productos de un proveedor en base a su función.

Detectar duplicados

Otra funcionalidad interesante es detectar registros que dicen lo mismo con otras palabras, aunque no sean idénticos. Dos fichas del mismo producto o dos contactos que son la misma persona, pero cuyos datos no son exactamente iguales.

Ajustar criterios sin modificar código

Con IA podemos interactuar con datos de forma natural, sin tener que añadir cada parámetro modificable como opción de configuración.

Sin IA: reglas programadas por cada condición

Con la lógica tradicional basada en reglas, cada nueva condición que el usuario deba configurar exige desarrollo a medida. Si queremos que una herramienta pueda filtrar por categoría, ordenar por precio y aplicar estilos condicionales (como resaltar ofertas o marcas blancas), es necesario programar paneles específicos para configurar el funcionamiento de cada opción.

La acumulación de casuísticas dispara lo que llamamos deuda técnica, complicando y encareciendo el desarrollo y mantenimiento de la herramienta.

Con IA: el criterio explicado

Con la IA podemos parametrizar herramientas para que los criterios se expresen de forma natural, como textos: "Los artículos de temporada van primero, los que están bajos de stock no salen en portada y los de marca propia por delante de los de reventa." Escrito así, en una frase, por quien conoce el negocio y no sabe programar. Para cambiar el criterio, se cambia la explicación, no el código.

Obligatorio no es lo mismo que correcto

Validación inteligente con IA

Un proceso de validación de datos de entrada eficiente permite mantener la calidad de la información almacenada.

Con programación: el formato

Se puede validar de forma rígida que un campo no esté vacío, que sea numérico, que tenga forma de email, de NIF, de fecha o que esté dentro de un rango. Ninguna de estas comprobaciones impide al usuario introducir como texto "sin descripción". Realmente el campo está relleno y el registro se almacenaría y procesaría sin detectar problemas.

Con IA: el significado

Con IA podemos entender el significado de lo introducido, con lo cual podemos validar datos lógicos, por ejemplo, que una descripción describa realmente el producto, que un campo no contradiga a otro de la misma ficha o que el texto esté en el idioma que corresponde. Además, al integrarlo con programación a medida, podemos decidir qué hacer: si bloquear, avisar o permitir.

La limpieza y mantenimiento de datos limpios es un proceso que se considera fundamental para el gobierno del dato.

Más funciones de IA integrables en aplicaciones

Los puntos en los que una herramienta necesitaba la intervención de una persona, la IA los resuelve.

Redacción, resúmenes e informes

Descripciones a partir de los datos de una ficha; borradores automáticos para responder solicitudes, previa revisión humana; resúmenes de documentos y reuniones; informes de business intelligence en lenguaje claro a partir de los datos del sistema.

Detección de errores y comportamientos atípicos

Detección de datos incoherentes o comportamientos inusuales, comparando con los datos almacenados. Por ejemplo, un pedido con una cantidad muy superior a la habitual de un determinado producto.

Enriquecimiento y normalización

Completar los atributos que faltan en las fichas de producto, estandarizar las direcciones de los contactos o normalizar catálogos de proveedores con formatos diferentes.

Priorización automática

Las tareas e incidencias ordenadas por urgencia e impacto, analizando la definición y estimando tiempos en base a experiencias previas registradas. Por ejemplo, una incidencia que impide facturar tiene mayor prioridad que resolver una consulta informal.

Generación de imágenes

Imágenes de producto, maquetas funcionales o ilustraciones creadas a partir de una descripción o de una foto de referencia.

Transcripción y traducción

Notas de voz, llamadas o reuniones convertidas en texto y contenidos traducidos a otros idiomas. Por ejemplo, un técnico podría desde el móvil explicar la actuación realizada a un cliente y que quede constancia escrita en su ficha.

Análisis de opiniones

Clasificación automática e identificación de sentimientos, en base a opiniones y mensajes. Por ejemplo, separar en las reseñas de una tienda online las quejas sobre el envío de las quejas sobre el producto.

Predicción y recomendaciones

Analizar contenidos a partir de criterios definidos en lenguaje natural, generar previsiones de compra para anticipar la demanda futura basándose en datos históricos o personalizar recomendaciones de productos para cada usuario en plataformas de comercio electrónico.

La extracción de datos de documentos se desarrolla en automatización y el reconocimiento de imágenes, en IA para la industria.

Incluso sin acceso al código fuente

Cómo se integra la IA en una aplicación existente

Desarrollamos software a medida desde 2004. La IA es una herramienta más que integramos con esa experiencia y que amplía lo que puede ofrecer cada proyecto.

Adaptamos el código fuente

Si se dispone de acceso al código fuente, la IA se puede integrar a nivel de código, como nuevas funciones en la aplicación, que se utilizan cuando se necesiten.

Conectamos directamente con la base de datos

Si no se dispone de acceso a código, la IA puede trabajar directamente con la información almacenada en la base de datos de la aplicación, leyendo e incluso, si ofrecemos permisos, escribiendo información. Por ejemplo, permitiendo leer un catálogo de productos y ofrecer opciones de reclasificación, realizando validaciones de calidad de datos o incluso resolviendo dudas sobre información almacenada, como chatbot.

Conectamos por API

Si la aplicación ofrece una API, nos conectamos a ella sin modificar el código ni acceder a la base de datos. Es la opción más segura con software de otro proveedor y la que usamos habitualmente en una integración de sistemas.

Únicamente si compensa la espera

La IA se usa en las tareas que al usuario le llevarían tiempo y donde esperar unos segundos compensa. No todas las tareas realizadas por un modelo de IA tardan lo mismo: una IA generativa redacta la respuesta y necesita unos segundos, mientras que una IA de decisión, como Jev, que solo clasifica, responde mucho más rápido.

Modelos intercambiables, comerciales o privados

Las aplicaciones que desarrollemos no se conectan directamente a un modelo específico, sino a una plataforma intermedia, habitualmente LiteLLM para los modelos de texto y razonamiento y Fal.ai para la generación de imágenes. Cambiar de modelo representa un cambio de configuración, no de programación. En cada proyecto se elige el que mejores resultados ofrece, ya sea de Anthropic (Claude), de OpenAI (GPT), de Google (Gemini) o de otro proveedor. Además, si la información es sensible, podemos trabajar con modelos de código abierto en servidores privados, en una IA privada.

Registro y auditoría de cada operación

Es posible desarrollar herramientas donde cada acción de la IA quede registrada y se pueda auditar qué se le pidió, qué respondió, qué datos se utilizaron y qué persona validó el resultado. Para procesos como automatizaciones o agentes es muy importante disponer de registro operacional para poder determinar el origen y detalles de cada acción.

En qué modelo de IA se usa en cada proyecto explicamos diferentes opciones para trabajar con modelos de IA.

Qué tenemos en cuenta antes de desarrollarlos

SaaS y herramientas internas basadas en IA

Cuando la IA es la función principal del producto, hay decisiones que no aparecen en una aplicación convencional y que condicionan su coste y su viabilidad.

El coste de cada uso, en el modelo de negocio

Cada imagen generada o cada texto procesado tiene un coste en el modelo. Es importante calcularlo inicialmente y reflejarlo en la estimación de costes de uso, para que el crecimiento de usuarios no convierta el producto en deficitario.

Qué modelo y qué proveedor

Se prueban diferentes modelos y se elige el que ofrezca la calidad necesaria al menor coste, para texto o para imágenes. Cada cierto tiempo es recomendable revisar si existen modelos que se adapten mejor y realizar los tests de calidad correspondientes.

Calidad medida con casos reales

Antes de lanzar el servicio, es necesario validarlo siempre con datos reales, con un conjunto acotado de clientes, para determinar que el resultado sea aceptable. Una demostración que funcione con unos casos concretos no garantiza que funcione con todos.

Límites y control de abusos

Es necesario establecer controles de límites de uso por usuario, filtros de contenido y registro de peticiones, para controlar el coste y evitar usos indebidos.

Transparencia y Reglamento europeo de IA

Según el tipo de aplicación, el Reglamento obliga a informar de que el usuario está tratando con una IA o de que un contenido lo ha generado una IA. Es necesario contemplarlo al inicio del proyecto, no en fases posteriores.

Recomendamos trabajar por fases

Habitualmente en proyectos grandes centrados en ofrecer servicios que integran la IA como funcionalidad principal, es necesario acotar un producto mínimo viable con el alcance y el precio cerrados, lanzarlo y decidir la siguiente fase con datos de uso reales.

Preguntas frecuentes sobre software con IA integrada

¿Hay que entrenar un modelo con los datos de la aplicación?

No. En las herramientas desarrolladas a medida, el modelo se conecta a los datos de la aplicación y los consulta en el momento de responder: si un registro cambia, la respuesta futura cambiará automáticamente. En ocasiones se preparan bases de datos vectoriales con información de la empresa para permitir consultas en lenguaje natural, pero esto no implica entrenar el modelo, sino facilitarle contexto.

¿Se puede integrar IA en Odoo, en PrestaShop o en otro ERP o CRM?

Sí, siempre que el software a integrar disponga de una API o acceso a base de datos, como la mayoría de ERP, CRM y tiendas online actuales. No es necesario cambiar de plataforma: integramos la IA sobre las herramientas, adaptando la solución a cada caso. Por ejemplo, en Odoo podemos conectar un servidor MCP para operar directamente, en PrestaShop desarrollamos módulos a medida (como el de clasificación automática de catálogo) y en un CRM podemos conectar con su API para actualizar fichas de clientes o insertar oportunidades de venta.

¿De quién es el código fuente del software a medida con IA?

Del cliente. Una vez finalizado el proyecto, el código fuente se le puede facilitar si lo solicita. Solo nos reservamos el uso de los componentes genéricos, de tipo biblioteca, que no forman parte del negocio específico desarrollado para el proyecto.

¿Qué mantenimiento necesita la IA integrada en una aplicación?

El mismo que el resto del software: pruebas automatizadas e integración continua en cada nueva versión. Además, una batería de casos reales que se vuelve a ejecutar cada vez que cambia el modelo de IA, como la que describimos para una IA privada.

¿Cuánto cuesta integrar IA en una aplicación?

Hay dos costes: el desarrollo que se presupuesta inicialmente y el uso del modelo, que con un modelo comercial se paga por consulta. En una aplicación existente, depende sobre todo de cómo se acceda a los datos (API, base de datos), de las funcionalidades a implementar y de la interfaz. No es fácil valorar el coste de una herramienta; se puede ver todo lo que influye en este apartado, pero podemos ofrecer un presupuesto orientativo gratuito y sin compromiso.
Fondo abstracto

Desarrollamos herramientas y servicios basados en inteligencia artificial

Creamos soluciones desde cero o conectamos IA a software existente para transformar los datos en decisiones, automatizaciones y nuevas funcionalidades.