Reseñas y casos de Artificial Intelligence

Estos son algunos de los proyectos que hemos completado y las opiniones de quienes confiaron en nuestro equipo. Los números y las palabras de nuestros clientes hablan por sí solos.

Lo que dicen nuestros clientes

Cada testimonio corresponde a un proyecto real ejecutado entre 2021 y 2025.

★★★★★
Llevábamos dos años intentando predecir la demanda de repuestos con hojas de cálculo. El equipo de Holistic AI Approach construyó un modelo que se conectó directamente a nuestro SAP y redujo los pedidos urgentes un 31 % en el primer trimestre. Lo que más valoré fue que nos explicaron cada decisión técnica en reuniones semanales de 30 minutos, sin jerga innecesaria.
Retrato de Andrés Restrepo
Andrés Restrepo Director de operaciones, AutoPartes del Valle
★★★★★
Necesitábamos clasificar 12.000 tickets de soporte al mes sin contratar más personal. El modelo de NLP que entregaron alcanza un 93 % de precisión en la categorización y se entrena de nuevo cada semana con datos frescos. El tiempo promedio de respuesta al cliente bajó de 14 horas a menos de 4.
Retrato de Valentina Córdoba
Valentina Córdoba Gerente de servicio al cliente, TelcoNorte
★★★★☆
Contratamos la auditoría de datos antes de empezar el proyecto de visión por computadora. Fueron honestos: nos dijeron que nuestras imágenes de entrenamiento tenían problemas de iluminación y que necesitábamos recopilar más muestras antes de invertir en el modelo. Esa franqueza nos ahorró al menos dos meses de trabajo desperdiciado.
Retrato de Felipe Guzmán
Felipe Guzmán Jefe de calidad, Plásticos Andinos S.A.
★★★★★
Implementaron un sistema de extracción automática de cláusulas en contratos de arrendamiento para nuestra firma. Antes, un abogado junior tardaba 45 minutos por contrato. Ahora el modelo extrae las cláusulas relevantes en segundos y el abogado solo revisa y aprueba. Procesamos el triple de documentos con el mismo equipo.
Retrato de Carolina Mendoza
Carolina Mendoza Socia directora, Mendoza & Asociados Abogados
★★★★★
Nuestro e-commerce tenía un problema de recomendaciones genéricas. El modelo colaborativo que diseñaron analiza el historial de navegación y compra de cada usuario. En seis semanas, la tasa de conversión en la sección de productos sugeridos subió del 2,1 % al 5,8 %. El retorno de la inversión fue claro desde el segundo mes.
Retrato de Santiago Herrera
Santiago Herrera CTO, MercadoFresco.co
★★★★☆
Les pedimos un chatbot para atender consultas de pacientes sobre horarios y preparación para exámenes médicos. El bot responde en español natural, entiende variaciones regionales y escala al agente humano cuando detecta una urgencia. Recibimos menos llamadas repetitivas y el equipo de atención se concentra en casos complejos.
Retrato de Diana Rojas
Diana Rojas Coordinadora administrativa, Clínica San Marcos

Casos de estudio

Dos proyectos representativos con datos concretos sobre el proceso y los resultados.

Línea de producción con cámaras de inspección automatizada

Detección de defectos en piezas plásticas

Plásticos Andinos fabrica 18.000 piezas diarias para la industria automotriz. Antes de nuestro proyecto, dos operarios revisaban cada pieza visualmente. La tasa de defectos no detectados rondaba el 4,2 %.

Instalamos cuatro cámaras industriales en la línea de producción y entrenamos una red convolucional con 11.000 imágenes etiquetadas por el equipo de calidad de la planta. El modelo identifica grietas, burbujas y deformaciones con una precisión del 97,6 %.

97,6 % precisión8 semanas-62 % defectos no detectados

El sistema funciona en tiempo real: si detecta un defecto, activa una señal luminosa y retira la pieza automáticamente. Los dos operarios ahora supervisan el sistema en lugar de inspeccionar cada pieza a ojo.

Bodega de e-commerce con pantallas de analítica

Motor de recomendaciones para e-commerce

MercadoFresco.co vende productos de consumo masivo a domicilio en cinco ciudades colombianas. Su página de inicio mostraba los mismos productos destacados a todos los usuarios, sin personalización.

Desarrollamos un modelo de filtrado colaborativo que cruza el historial de compra con patrones de navegación. El entrenamiento usa datos anonimizados de 140.000 usuarios activos y se actualiza cada noche.

+176 % clics en sugeridos6 semanas+3,7 pp tasa de conversión

La sección de productos sugeridos pasó de generar el 8 % de los ingresos al 19 % en los primeros 90 días. El modelo también detecta cuándo un usuario deja de comprar un producto habitual y le envía un recordatorio por correo, lo que recuperó un 12 % de carritos abandonados.

Nuestras cifras desde 2019

Resultados acumulados de todos los proyectos completados por Holistic AI Approach.

47
Proyectos entregados
92 %
Clientes que repiten
9,2
Semanas promedio por proyecto
6
Países con clientes activos

¿Tiene un reto de datos que quiere resolver? Escríbanos y le respondemos en menos de 24 horas.

Solicitar consulta gratuita