De las promesas de la IA a un prototipo funcional de contabilidad de carbono
Situación inicial
Cuando empezamos, la empresa operaba en un mercado europeo marcado por los requisitos de información sobre emisiones y las necesidades de sostenibilidad corporativa. La startup estaba construyendo una solución de contabilidad de carbono para ayudar a las organizaciones a trabajar con datos de emisiones incompletos.
La empresa aún estaba definiendo su dirección técnica. No había consenso sobre si los modelos de IA podían inferir con fiabilidad datos de emisiones ausentes a partir de facturas y recibos, ni traducir patrones monetarios en estimaciones de emisiones.
La dirección —fundador, COO y responsables de producto— necesitaba respuestas: ¿qué modelos podían formar parte de un producto sólido de contabilidad de carbono? ¿Podía la IA completar de forma útil unos datos financieros incompletos? Y, de ser así, ¿cómo sería un prototipo funcional?
Había incertidumbre en lugar de respuestas y especulación sobre el potencial de la IA en lugar de una base técnica. Las decisiones estratégicas estaban bloqueadas.
Qué hicimos
Dirigimos una evaluación estructurada de IA y un proceso rápido de prototipado para comprobar la viabilidad y definir la dirección técnica: pasamos de las promesas a la evidencia.
Comparación de sistemas de IA
Evaluamos sistemas de OpenAI, Google y Microsoft para interpretar y extraer información relevante sobre emisiones de documentos financieros semiestructurados. Comparamos:
- Calidad y precisión de las inferencias
- Consistencia entre tipos de documento
- Escalabilidad y costes
- Preparación para la integración
No fue una prueba informal, sino una evaluación estructurada y cuantificable con criterios definidos.
Desarrollo del prototipo
Diseñamos y construimos un prototipo funcional con el modelo que obtuvo mejores resultados —OpenAI GPT— y flujos basados en API para ingerir documentos y producir datos estructurados. Ajustamos el pipeline a formatos reales de facturas y recibos, y a la lógica de estimación de emisiones.
El prototipo quedó operativo, probado y listo para incorporarse a la hoja de ruta de producto.
Asesoramiento estratégico
Ayudamos al COO con SQL y con la estructura de la base de datos para los primeros casos analíticos. Evaluamos opciones de arquitectura para los cuadros de mando —incluida una posible migración a Apache Superset— y orientamos la priorización de funcionalidades a partir de evidencia técnica, no de tendencias.
No fue experimentación aislada, sino un marco de comparación estructurado, con criterios medibles y un prototipo real entregado.
Resultado
La empresa terminó esta fase con evidencia y una dirección clara, en lugar de promesas e incertidumbre:
- Un prototipo de IA funcional capaz de extraer y estructurar datos de facturas
- Evidencia de qué modelo rendía mejor según los criterios acordados
- Una arquitectura de API definida y lista para integrarse en el desarrollo
- Una lista priorizada de limitaciones técnicas y siguientes pasos
- Una hoja de ruta basada en capacidades reales, no en promesas teóricas
La dirección ganó orientación y confianza. Pudo ver de forma tangible qué era posible con IA y qué no lo era en esa fase del producto.
El equipo técnico dejó de perseguir cada modelo nuevo y se concentró en lo que funcionaba. Las decisiones de producto se apoyaron en resultados, no en supuestos. La incertidumbre dio paso a un camino validado.
Qué hizo posible
Por primera vez, la startup podía:
- Comparar modelos de IA en paralelo de forma estructurada y con resultados medibles
- Crear prototipos para inferir emisiones con datos reales, no con ejemplos teóricos
- Alinear la visión de producto con una base técnica validada
- Tomar decisiones estratégicas basadas en evidencia en lugar de seguir tendencias
La empresa pasó de debatirse entre «¿debemos usar IA?» y «¿qué IA debemos usar?» a una posición clara: «Construiremos con este modelo porque lo hemos comparado con las alternativas y es el que mejor responde a nuestro caso concreto».
La hoja de ruta ya podía reflejar el rendimiento observado y las limitaciones conocidas. La startup pasó de explorar la IA como posibilidad a preparar su integración en el producto.
Conclusión para la dirección
Fue un proyecto estructurado de evaluación y prototipado de IA, alineado con el producto, que aportó claridad, una base funcional y un camino técnico priorizado. En seis meses, la empresa pasó de dudar sobre las capacidades de la IA a disponer de un prototipo probado y una dirección de arquitectura.
El proyecto sustituyó los supuestos por evidencia para tomar la siguiente decisión de producto.