Un laboratorio de IA aplicada, donde las ideas toman forma.

Deepiks Lab explora la convergencia entre autonomía agéntica, interfaces de voz y despliegue soberano, para diseñar las piezas de una IA colaborativa que funcione en el mundo real.

Cuatro preguntas a las que siempre volvemos

No vendemos un producto cerrado. Elegimos unas pocas preguntas difíciles, construimos prototipos para responderlas y los probamos con personas reales. Estas son las cuatro que tenemos hoy sobre la mesa.

¿Hasta dónde puede actuar un modelo por sí solo, y dónde debe detenerse?

Un modelo que responde es útil. Un modelo que planifica, usa herramientas y termina una tarea es otra cosa: necesita límites, memoria y una forma de mostrar lo que ha hecho. La mayor parte del trabajo está en el harness que rodea al modelo, no en el modelo en sí.

En qué hemos trabajado
  • Llamadas a herramientas sobre apps y API reales
  • Harnesses: permisos, salvaguardas, confirmaciones, registros
  • Memoria a largo plazo, con una persona en el circuito para todo lo importante

¿Qué cambia cuando no hay una pantalla a la que recurrir?

La voz es la interfaz más natural y la menos indulgente. La latencia, las interrupciones, los acentos y las vacilaciones cuentan, y no hay botón que pulsar cuando el sistema se equivoca. También es lo que abre la IA a las personas a quienes las pantallas les cuestan.

En qué hemos trabajado
  • Reconocimiento y síntesis de voz en tiempo real
  • Turnos de palabra, interrupciones y respuestas en menos de un segundo
  • Conversaciones que mantienen el contexto durante días, no solo en un intercambio

¿Se pueden aprovechar los grandes modelos sin ceder tus datos?

Para muchas organizaciones, enviar sus datos a una nube que no controlan está descartado. Los modelos abiertos han reducido gran parte de la distancia con los grandes modelos cerrados; ahora la cuestión es hacerlos funcionar bien donde ya están los datos.

En qué hemos trabajado
  • Modelos abiertos en servidores privados (on-premise)
  • Modelos compactos y cuantizados que se ejecutan en el propio dispositivo (on-device)
  • Arquitecturas híbridas que mantienen los datos sensibles en local y eligen el modelo adecuado para cada tarea

¿Cómo es una IA que trabaja para un grupo y no para una sola persona?

La mayoría de los asistentes están pensados para un usuario y una petición. La vida real ocurre en familias, equipos y listas compartidas: varias personas, cada una con su papel, y cosas que cambian mientras no miras.

En qué hemos trabajado
  • Espacios compartidos donde varias personas y un agente trabajan juntos
  • Roles, permisos y un registro claro de quién pidió qué
  • Mantener a todos informados sin saturarlos

De la visión por computador a los agentes

Cada producto que construimos se apoyó en una nueva generación de IA, y cada uno nos dejó algo que seguimos usando.

  1. Bancos de imágenes

    Visión por computador para etiquetar, ordenar y buscar en grandes fototecas. Nuestra primera lección sobre ejecutar modelos a gran escala.

  2. Chatbots

    Una plataforma generalista para crear y gestionar asistentes conversacionales. Diseño de diálogos e integraciones.

  3. Tareas y listas

    Una app móvil en la que la IA ayuda a organizar las tareas diarias y las listas compartidas. Diseño de producto para el día a día.

  4. IA generativa

    Un agregador de modelos de texto, imagen y vídeo de muchos proveedores. Elegir y combinar modelos.

  5. Voz y agentesHoy

    Asistentes de voz que realizan tareas, en fase de prototipo.

Lo que estamos prototipando ahora

Un laboratorio se juzga por lo que construye de verdad. Dos de los prototipos en los que trabajamos:

Un asistente de voz para quienes encuentran difíciles las pantallas

Le hablas, responde en voz alta y se encarga de la tarea, manteniendo informados a los familiares. De voz, agéntico y colaborativo a la vez.

Agentes dentro de apps móviles

Una frase en lugar de seis pantallas: el asistente planifica los pasos, usa las funciones de la app y pregunta antes de todo lo importante.

9:41
Deepiks

Pasa el dentista al viernes por la mañana y avisa a Léa. Ah, y no queda leche.

Hecho. Esto es lo que he cambiado:

Dentista movido al vie. 9:30
Leche añadida a la lista de la compra

¿Enviar a Léa «El dentista es el viernes a las 9:30»?

EnviarAhora no

Tráenos un caso de uso, no un pliego de condiciones

  1. 1

    Explorar

    Analizamos el problema contigo y te decimos claramente dónde ayuda la IA y dónde no.

  2. 2

    Prototipar

    Un prototipo que funciona en pocas semanas, probado en condiciones reales y no en diapositivas.

  3. 3

    Construir

    Si funciona, lo construimos bien con tu equipo, en tu propia infraestructura si hace falta.

¿Tienes una pregunta que merece explorarse?

Industria, salud, servicios públicos o apps de consumo: cuéntanos qué quieres hacer y te diremos qué probaríamos primero.

Hablar con el laboratorio