¿Qué es lo importante para elegir una empresa de desarrollo de IA?

Estos son los siete criterios que miramos en Criterian, en orden de importancia, con la señal que nos haría descartar a un proveedor en cada uno.

1. Seguridad, compliance y confidencialidad de los datos

Un proyecto de IA mueve datos personales, datos de la empresa y, a menudo, su estrategia. Hay que saber dónde viven, quién accede, si se anonimizan y si alguien puede usarlos para entrenar modelos de terceros. El acceso y el uso de los datos tienen que quedar trazables y auditables.

En Criterian incluimos compliance en el proyecto desde el inicio. Hemos trabajado con banca, wealth management, fintech e inversores, donde es un requisito de partida.

Señal de descarte: el proveedor no asegura que tu información personal, corporativa o estratégica no se usará para otros fines ni se compartirá con empresas que no controlas.

2. Encaje con tus tecnologías

El proveedor debería adaptarse a lo que ya tienes. Pregunta con qué tecnologías trabaja y cómo encajan con las tuyas: lenguajes, nube, CRM y sistemas de datos.

Nosotros trabajamos sobre todo con React, React Native, Node.js, Python, Java, Salesforce, AWS y machine learning.

Señal de descarte: no tiene experiencia con tu tecnología.

3. Mantenimiento, handover y garantías por escrito

Antes de firmar, conviene saber cómo se mantiene el sistema, cómo se traspasa el conocimiento a tu equipo y qué pasa si aparece un fallo meses después.

En Criterian damos 90 días de garantía desde la puesta en producción: los fallos en lo que entregamos, frente a lo acordado, se corrigen sin coste. La garantía va separada del soporte y del mantenimiento, que se acuerdan aparte.

Señal de descarte: no hay una garantía de desarrollo para los problemas que aparezcan en los meses siguientes.

4. Criterio de producto y medición del antes y el después

El proveedor tiene que entender el problema, el customer journey y el trabajo que tus usuarios intentan resolver, y retarte cuando haga falta para construir lo que tiene impacto en el negocio. Y tiene que medir: cómo están las cosas antes de empezar y cómo están después.

Señales de descarte: habla solo de software y nada de producto, o no propone medir el punto de partida.

5. Arquitectura pensada para escalar

Una solución que funciona con diez usuarios puede romperse con mil. Pregunta cómo diseña para el crecimiento: latencias, pruebas de carga, qué pasa si el uso se multiplica por mil y si la arquitectura permite cambiar una pieza, incluido el modelo de IA, sin rehacer el resto.

Señal de descarte: no sabe explicarte cómo se comportará el sistema cuando crezca el uso.

6. Valor pronto, sin una gran inversión de entrada

Pedir una gran inversión inicial para un desarrollo en cascada, sin entregas intermedias, deja el riesgo en el cliente. La alternativa son iteraciones pequeñas que muestran valor pronto y se amplían en módulos.

Así trabajamos en Criterian. Los profesionales senior de nuestro núcleo llevan más de 8 años trabajando juntos, con poca fricción entre producto, diseño, desarrollo y pruebas, lo que nos permite iterar en ciclos cortos. El 98 % de nuestros clientes sigue con nosotros.

Señal de descarte: un desembolso inicial muy grande y todo en cascada, sin ver valor por el camino.

7. Un equipo que se puede integrar en el tuyo

A veces no necesitas un proyecto entero, sino reforzar tu equipo, o el de tu consultora, en una funcionalidad concreta. Pregunta si el proveedor puede integrar a parte de su gente en tu equipo y trabajar con tus procesos. En Criterian podemos configurar squads que entran y salen de un proyecto según lo que necesite, acordándolo antes con el cliente.

Los siete criterios, en una tabla

Un ejemplo real

En TIFIN, una fintech de EE. UU. que usa IA para personalizar inversiones, el equipo de Criterian se integró en el del cliente. El reto era escalar una plataforma multi-producto con alta disponibilidad y cumplimiento regulatorio financiero. Tras migrar a microservicios, la latencia de la API bajó de 320 ms a 112 ms, con una disponibilidad media anual del 99,95 %.

En APCOM, un distribuidor tecnológico multi-país de Midis Group, el punto de partida era un forecast manual. Con modelos de machine learning, la precisión de la predicción de ventas mejoró un 30 % frente a ese forecast.

Errores frecuentes al elegir proveedor

• Aceptar una solución que no está pensada para crecer: sin medir latencias, sin pruebas de carga, sin pensar qué pasa cuando el uso se multiplica por mil y sin poder cambiar una pieza sin rehacer el resto.
• Elegir un equipo solo de data engineers o matemáticos, sin experiencia senior en arquitectura de software. La IA es una herramienta dentro de un backend y un frontend bien diseñados.
• Dejar que el criterio venga del modelo y no de la experiencia. Un modelo tiende a darte la razón: lo que se construye así puede funcionar en la demo y fallar cuando crece el uso.

Cultura del equipo

Hay un criterio más difícil de medir: cómo trata el proveedor a las personas. En Criterian cuidamos tanto a nuestros clientes como a nuestro equipo. Pregunta al proveedor cuánto rota su equipo y quién seguirá en tu proyecto dentro de un año.