Extraer y validar
Convierte facturas, órdenes, certificados o formularios en datos estructurados y controla formatos, totales y campos obligatorios.
Maatwork Lab · Founding partners
IA entrenada para
un trabajo específico.
Especializamos modelos para leer, clasificar y redactar dentro de una operación real. Un flujo, un KPI y un benchmark antes de automatizar.
- Duración
- 6 semanas
- Inversión
- USD 5k–12k
- Capacidad inicial
- 1–2 pilotos
FLUJO / 001GATE MEDIBLE
ENTRADADocumentos realesfacturas · órdenes · certificados
SISTEMA ESPECIALIZADOModelo + reglas + evalsla técnica se elige por resultado
CASOS SEGUROSautomatizar
EXCEPCIONESrevisar
El modelo no decide cuándo confiar en sí mismo. El flujo define umbrales, validaciones y salida humana.
Un programa modular
Tres capacidades.
Un flujo concreto.
No vendemos un chatbot genérico. Elegimos una operación repetitiva y combinamos las capacidades necesarias para reducir trabajo manual sin perder control.
Clasificar y derivar
Identifica el tipo de documento, la prioridad y el circuito correcto. Los casos ambiguos quedan separados para revisión.
Redactar con criterio
Prepara informes, respuestas o borradores siguiendo ejemplos y reglas del negocio, con trazabilidad sobre el material utilizado.
Benchmark público
Primero medimos.
Después prometemos.
El protocolo comparó el mismo modelo con instrucciones generales y con reglas del flujo sobre 100 documentos sintéticos versionados: 50 facturas y 50 órdenes de compra. Ambos brazos recibieron el mismo esquema de salida.
Resultado · 17 sep 2026 El gate pasó: mejoró exact match y no degradó validez estructural. Es una prueba sintética de extracción de texto; no incluye OCR, layout real ni datos de clientes.
Abrir reporte completoLAB BENCHMARK / V2GATE PASSED
MétricaBaseEspecializado
Clasificaciónexactitud
50,00%100,00%Extracción por campoexact match
84,57%100,00%Salida estructuradaesquema válido
50,00%100,00%Derivación por gateproxy de revisión
50,00%0,00%Latencia p50batch de 10
56,97 s56,28 sLatencia p95batch de 10
62,24 s64,90 sMismo Qwen3.8-27B MLX, temperatura 0, Apple M2 Max 64 GB. La confianza es un proxy del gate, no precisión calibrada. Corpus y harness no contienen datos de clientes.
Piloto de seis semanas
Del proceso manual
a una capacidad operativa.
El primer objetivo no es desplegar más IA. Es demostrar que una parte concreta de la operación puede funcionar mejor y con límites claros.
- 01Semana 01
Proceso y línea base
Mapeamos el flujo actual, las horas manuales, los errores y el resultado que vale la pena mejorar.
- 02Semana 02
Dataset y gate
Maatwork prepara ejemplos, criterios y un set de evaluación separado. Si el caso no es viable, paramos acá.
- 03Semanas 03–04
Especialización
Comparamos reglas, RAG, prompting y fine-tuning. Sólo conservamos lo que mejora el benchmark.
- 04Semana 05
Integración
Conectamos la capacidad por API al sistema o proceso que el equipo ya utiliza.
- 05Semana 06
Piloto controlado
Automatizamos casos seguros, derivamos excepciones y medimos el resultado contra la línea base.
Privacidad por diseño
Tu operación no se convierte en el dataset de otro.
Entorno aislado
La inferencia comercial corre en una instancia cloud dedicada al cliente y se integra por API.
Datos sin reutilización
Los ejemplos y adaptaciones específicas no se mezclan ni se usan para entrenar soluciones de terceros.
Control humano
Los casos ambiguos o regulados salen del camino automático y quedan disponibles para revisión.
Propiedad explícita
El cliente conserva sus datos y adaptación. Maatwork conserva su plataforma, tooling y método.
Founding partner program
Un piloto con salida clara.
Reservamos 1–2 pilotos simultáneos para trabajar cerca del equipo que conoce la operación.
Inversión del pilotoUSD 5k–12k40% inicio · 30% gate · 30% integración
- Un flujo y un KPI principal
- Preparación de dataset incluida
- Benchmark base vs. especializado
- API e integración al proceso
- Gate de viabilidad antes de desplegar
- Operación posterior: base + uso, a cotizar
Antes de aplicar
Preguntas directas.
¿Siempre entrenan un modelo?
No. Entrenar por entrenar agrega costo y mantenimiento. Comparamos enfoques y usamos fine-tuning sólo cuando mejora el benchmark del caso.
¿Qué tiene que aportar la empresa?
Ejemplos representativos, acceso a la persona que conoce el proceso y tiempo para validar criterios. Maatwork se encarga de preparar y estructurar el dataset.
¿Qué pasa si el caso no es viable?
El gate se realiza antes de la integración. Entregamos diagnóstico, dataset preparado y reporte; se detiene el proyecto y no se facturan los hitos restantes.
¿Los datos se usan para otros clientes?
No. Cada entorno y dataset se mantiene aislado. Los datos y la adaptación específica pertenecen al cliente; Maatwork conserva su plataforma y metodología.
¿Puede trabajar con salud, finanzas o legal?
Se evalúa caso por caso. En decisiones reguladas o de alto impacto diseñamos revisión humana y límites explícitos antes de automatizar.
¿Qué ocurre después del piloto?
Si el resultado justifica producción, cotizamos una base mensual por entorno, monitoreo y soporte, más el uso de inferencia.
Diagnóstico con el fundador · 30 min
Veamos si este flujo merece un modelo propio.
Contanos el proceso, el volumen y los datos disponibles. Guardamos la aplicación y recién entonces habilitamos el siguiente paso.
01
Sin archivos ni información sensible en esta etapa.
02
Si no encaja, te lo decimos antes de plantear un piloto.