De la Llamada de Descubrimiento al Pipeline de Producción: El Modelo de Engagement de Ertas
El recorrido completo de engagement con Ertas desde la llamada de descubrimiento inicial hasta el alcance, despliegue forward, construcción del pipeline, validación y entrega a producción.
La mayoría de los proveedores de IA empresarial te hacen sentarte en una demo antes de preguntar qué necesitas realmente. Recibes el deck de presentación, el recorrido del producto, el caso de estudio de una empresa Fortune 500 que no se parece en nada a tu organización. Para cuando alguien discute tus datos, tu infraestructura o tus restricciones, ya has pasado una hora escuchando sobre características que quizás nunca uses.
Construimos nuestro modelo de engagement para funcionar al revés. Empezamos escuchando. Así es como funciona el proceso completo, desde la primera conversación hasta un pipeline de producción que tu equipo posee y opera.
Etapa 1: Llamada de Descubrimiento (30 Minutos)
La llamada de descubrimiento es una conversación, no un pitch. Sin diapositivas. Sin demo. Sin presión de ventas.
Hacemos preguntas:
- ¿Con qué datos estás trabajando? ¿Qué tipos, qué volumen, qué formatos?
- ¿Dónde viven los datos? ¿Nube, on-premise, air-gapped?
- ¿Qué estás tratando de construir? ¿Qué modelo, qué caso de uso, qué resultado?
- ¿Qué se ha intentado antes? ¿Qué funcionó, qué no?
- ¿Cuáles son las restricciones? ¿Cumplimiento, presupuesto, plazos, capacidad del equipo?
Tú también haces preguntas. Ese es el punto. La llamada de descubrimiento existe para determinar si hay un encaje — no para convencerte de que lo hay.
Qué sucede después de la llamada:
Si hay un encaje claro, avanzamos al alcance. Si no lo hay, lo decimos. Hemos dicho a organizaciones que sus datos no estaban listos para preparación, que su caso de uso no requería un pipeline personalizado, o que otro proveedor era una mejor opción. Perder tu tiempo no es una estrategia de negocio.
Si la situación es ambigua — no estás seguro de lo que necesitas, o necesitamos ver los datos antes de poder evaluar — podemos sugerir una sesión de descubrimiento pagada (típicamente 2-3 días) donde un ingeniero revisa tu entorno de datos y entrega un informe de alcance.
Etapa 2: Alcance
El alcance traduce la conversación de descubrimiento en un plan concreto. Aquí es donde los objetivos vagos se convierten en entregables específicos.
Un documento de alcance incluye:
- Fuentes de datos: Exactamente qué sistemas, bases de datos y almacenes de archivos se incluirán
- Alcance del pipeline: Qué hará el pipeline (ingerir, limpiar, etiquetar, transformar, exportar) y qué no hará
- Entregables: Las salidas específicas — un pipeline funcional, documentación, equipo capacitado, métricas de calidad
- Cronograma: Plan semana a semana con hitos
- Requisitos del equipo: Quién de tu organización necesita estar disponible, y cuándo
- Requisitos de infraestructura: Qué acceso de cómputo, almacenamiento y red se necesita
- Precios: Precio fijo del proyecto o estimación por tiempo y materiales con un tope
- Criterios de éxito: Cómo ambas partes sabrán que el engagement fue exitoso
El alcance típicamente toma 3-5 días hábiles después de la llamada de descubrimiento. Para engagements complejos, puede involucrar una segunda llamada o una breve visita presencial.
El documento de alcance no es un contrato. Es un entendimiento compartido del trabajo. Lo revisas, haces preguntas, solicitas cambios. Iteramos hasta que ambas partes acuerden cómo se ve "terminado".
Etapa 3: Carta de Intención e Inicio del Engagement
Una vez acordado el alcance, formalizamos con una carta de intención (LOI) o una declaración de trabajo (SOW). Esto cubre:
- Alcance del engagement (referenciando el documento de alcance)
- Precios y calendario de pagos
- Cronograma e hitos
- Propiedad de PI (tú eres dueño del pipeline y todas las salidas)
- Términos de confidencialidad y manejo de datos
- Provisiones de terminación
El pago típicamente sigue una estructura de hitos: 30% al inicio del engagement, 40% en el hito de construcción, 30% en la entrega. Para engagements más pequeños, puede ser más simple — 50% por adelantado, 50% en la entrega.
No requerimos compromisos multianuales. El engagement tiene un alcance definido y un final definido. Si quieres extender o agregar alcance después, esa es una conversación separada.
Etapa 4: Despliegue Forward
Aquí es donde sucede el trabajo. Un ingeniero de Ertas (o un par, para alcances más grandes) se integra con tu equipo.
"Se integra" significa cosas diferentes dependiendo de tu entorno:
- Presencial: El ingeniero trabaja en tus instalaciones, en tu red, usando tu hardware. Esto es típico para entornos air-gapped o altamente sensibles.
- Integración virtual: El ingeniero trabaja remotamente pero en tu infraestructura vía acceso seguro (VPN, bastion host, escritorio virtual). Reuniones diarias y sesiones de trabajo compartidas mantienen la dinámica colaborativa.
- Híbrido: Presencial para fases críticas (descubrimiento, sesiones con expertos de dominio, entrega), remoto para trabajo de construcción.
El modelo de despliegue se acuerda durante el alcance basado en tus requisitos de seguridad, sensibilidad de datos y logística práctica.
Qué Hace el Ingeniero
Semana 1: Auditoría de datos y configuración del entorno. El ingeniero mapea tu panorama de datos, obtiene acceso a sistemas y confirma (o revisa) las suposiciones del alcance. Aquí es donde aparecen las sorpresas — y casi siempre aparecen. Los datos son más desordenados, más distribuidos o más voluminosos de lo esperado. Eso es normal. El plan del engagement lo contempla.
Semanas 2-3: Construcción del pipeline. El ingeniero construye el pipeline de datos en tu infraestructura:
- Conectores de ingesta para tus sistemas fuente
- Reglas de limpieza y transformación, desarrolladas iterativamente con tus expertos de dominio
- Diseño del esquema de etiquetas y configuración del flujo de trabajo de anotación
- Verificaciones de calidad en cada etapa del pipeline
- Exportación en tu formato requerido
Tu equipo participa durante todo el proceso. Los expertos de dominio revisan la salida, proporcionan retroalimentación sobre etiquetas y se ñalan casos límite. Tus ingenieros observan el proceso de construcción y hacen preguntas. Esto no es una caja negra — cuando el ingeniero se va, tu equipo debería entender cada componente del pipeline.
Semana 4: Validación y entrega. El pipeline se ejecuta de extremo a extremo con datos de producción. Las métricas de calidad se miden y revisan. La documentación se escribe. Tu equipo recibe capacitación en operación y mantenimiento. El ingeniero recorre cada configuración, cada regla, cada decisión — y explica por qué, no solo qué.
Etapa 5: Capacitación y Transferencia de Conocimiento
La capacitación no es un recorrido de una hora el último día. Está entretejida en todo el engagement.
Durante la fase de construcción, tus ingenieros trabajan junto a los nuestros. Ven cómo se diseñan los componentes del pipeline, cómo se manejan los casos límite, cómo se estructuran las verificaciones de calidad. Para cuando ocurre la entrega formal, tu equipo ya ha estado aprendiendo durante semanas.
La capacitación formal cubre:
- Arquitectura y configuración del pipeline
- Cómo modificar reglas de limpieza y esquemas de etiquetas
- Cómo agregar nuevas fuentes de datos
- Cómo monitorear la salud del pipeline y métricas de calidad
- Resolución de problemas comunes
- Cómo extender el pipeline para nuevos casos de uso
También entregamos documentación escrita: diagramas de arquitectura, referencias de configuración, runbooks y una guía de resolución de problemas.
Etapa 6: Validación y Aceptación
Antes de que el engagement cierre, ambas partes revisan los criterios de éxito definidos durante el alcance:
- ¿El pipeline ingiere datos de todas las fuentes especificadas?
- ¿Las reglas de limpieza producen salida correcta en una muestra validada?
- ¿El esquema de etiquetas cubre todas las categorías relevantes?
- ¿Las métricas de calidad cumplen los umbrales acordados?
- ¿Tu equipo puede operar el pipeline independientemente?
- ¿La documentación está completa?
Si algo no cumple los criterios, lo arreglamos. El engagement no cierra hasta que ambas partes acuerden que los entregables se cumplieron.
Etapa 7: Entrega y Soporte Post-Engagement
En la entrega, tú eres dueño de todo:
- El código y configuración del pipeline
- Todos los datos procesados y salidas
- Documentación y materiales de capacitación
- Cualquier script o herramienta personalizada construida durante el engagement
No hay vendor lock-in. El pipeline corre en tu infraestructura, usa formatos abiertos y no llama a casa. Si nunca vuelves a hablar con nosotros, el pipeline sigue funcionando.
El soporte post-engagement está incluido por 30 días: disponibilidad por email y videollamada para preguntas, resolución de problemas y ajustes menores. Después de eso, ofrecemos contratos de soporte opcionales para organizaciones que quieren acceso continuo.
Qué Sucede Después
Algunas organizaciones ejecutan su pipeline independientemente desde el día uno. Otras regresan para engagements de seguimiento: agregar nuevas fuentes de datos, construir pipelines para casos de uso adicionales, o extender el sistema a nuevos equipos.
El modelo de engagement está diseñado para que cada engagement sea autocontenido. Obtienes un entregable funcional al final, no un sistema a medio terminar que requiere involucramiento continuo del proveedor.
Iniciando la Conversación
El primer paso siempre es la llamada de descubrimiento. Treinta minutos, sin pitch, sin obligación. Preguntaremos sobre tus datos y escucharemos lo que estás tratando de lograr.
Agenda una llamada de descubrimiento y averigüemos juntos si hay un encaje.
Turn unstructured data into AI-ready datasets — without it leaving the building.
On-premise data preparation with full audit trail. No data egress. No fragmented toolchains. EU AI Act Article 30 compliance built in.
Keep reading
What Is AI Data Readiness? The Assessment Every Enterprise Skips
Most enterprises jump straight to model selection without assessing whether their data is actually usable for AI. Here's what AI data readiness means and how to assess it.
Why Your AI Project Is Stalling — It's Not the Model
Most failed AI projects blame the model when the real failure was at the data stage. Here's why data preparation is where enterprise AI projects actually stall.
How to Audit Your Unstructured Data for AI Potential
A practical guide to assessing your enterprise's unstructured data for AI readiness — inventorying file types, estimating labeling effort, identifying PII, and evaluating document quality.