Innovación, internacionalización y alianzas impulsan sus actividades

Sres. Vicent Alabau, Luis Leiva

y Germán Sanchís

socios fundadores de Sciling

Sciling lleva un paso más allá el modelo clásico de agencia de desarrollo para construir soluciones de inteligencia artificial y aprendizaje automático adaptadas a las necesidades de sus clientes, desde la idea hasta el producto final. Ha recibido financiación del programa europeo «Horizonte 2020» en el marco del Instrumento Pyme orientado a empresas con un potencial innovador disruptivo. Actualmente, Sciling cuenta con el sello de Pyme innovadora, lo cual pone de manifiesto su fuerte apuesta por la I+D+i.

¿Cómo nace Sciling?

Sciling inició su actividad empresarial a mediados de 2014 dentro del ecosistema de emprendimiento de la Universitat Politècnica de València (UPV). Nuestra misión consistía en transferir los avances científicos en los que los tres doctores en informática del equipo promotor habían estado trabajando en los últimos años. En la actualidad, Sciling se ha consolidado como agencia especializada en proporcionar soluciones de inteligencia artificial y aprendizaje automático (machine learning) con un equipo altamente cualificado, compuesto por ingenieros, investigadores y doctores, siempre buscando la excelencia.

¿Cuál es la labor de Sciling como agencia especializada en el desarrollo de soluciones de aprendizaje automático?

Seguimos enfocados en nuestra misión inicial de transferencia de tecnología y conocimiento, pero ahora empezamos por minimizar los riesgos que este tipo de transferencia supone para una empresa. Tras varios proyectos con diferentes clientes, nos dimos cuenta de que la implantación de este tipo de soluciones conlleva un riesgo importante en I+D+i que es el que, con frecuencia, actúa como agente disuasorio. Por tanto, nos centramos en poner los últimos desarrollos en el campo de la inteligencia artificial y el aprendizaje automático al servicio de las empresas que luchan día a día por innovar y mantenerse actualizadas, aplicando tecnologías que suponen retos científicos a problemas del mundo real, pero siempre con la mirada puesta en el riesgo subyacente.  Además, y de nuevo con el propósito de buscar la excelencia, estamos orgullosos de implementar buenas prácticas en todos nuestros campos de acción: gestión de proyectos y servicios (PRINCE2, ITIL), gobernanza de TI (COBIT), toma de requisitos, modelado de procesos (BPMN), minería de datos (CRISP-DM), desarrollo (Git, testing) y despliegue (Docker).

Nos centramos en poner los últimos desarrollos en el campo de la inteligencia artificial y el aprendizaje automático al servicio de las empresas que luchan día a día por innovar”

¿Cómo aplican esas buenas prácticas a la hora de afrontar un nuevo proyecto?

Aprovechamos los fundamentos de las metodologías ágiles y de metodologías contrastadas para el desarrollo de sistemas de aprendizaje automático, construyendo soluciones adaptadas a las necesidades de nuestros clientes.

Posteriormente, realizamos un asesoramiento personalizado en todos los pasos del ciclo de vida de una solución de aprendizaje automático, con el objetivo de desarrollar un producto que sea capaz de entregar al negocio los beneficios prometidos.

Por último, también aplicamos buenas prácticas en testing y despliegue para garantizar que las soluciones implementadas funcionan y son robustas tanto ante potenciales errores, como en diferentes entornos de despliegue.

Entonces, ¿qué proceso siguen a la hora de integrar una solución de aprendizaje automático en una empresa?

Con el fin de minimizar el riesgo de poner en marcha una solución de este tipo, dividimos el proceso en cuatro fases. Primero, realizamos un análisis de la situación para comprender las expectativas que debe satisfacer el sistema a desarrollar. A continuación, realizamos una prueba de viabilidad para saber si el producto a desarrollar será capaz de entregar los beneficios esperados, seguido de un prototipo mínimo funcional que utiliza los datos y recursos computacionales que tendría la solución final. Por último, pasamos a la fase de producto completo, solo si las fases anteriores han reportado resultados prometedores. Con ello, vamos eliminando riesgos poco a poco, reduciendo las probabilidades de fracaso del proyecto conforme vamos avanzando.

¿De qué forma puede ayudar el machine learning a una industria?

El aprendizaje automático permite optimizar cualquier proceso de negocio basado en datos, en cualquier tipo de industria y sector: desde un comercio electrónico que desea predecir qué clientes van a dejar de serlo, o gestionar su stock de manera más eficiente, hasta una planta embotelladora que busca detectar fugas tras el envasado de sus productos. El abanico de aplicaciones es enorme. En general, el machine learning nos complementa para tomar decisiones de negocio mejores y más informadas.

Por último, ¿cómo convierten una investigación en producto?

Muchas de las soluciones que implementamos son resultados de investigación que se conocen desde hace años. Ahora bien, en ocasiones hemos tenido que hacer investigación básica para conseguir los objetivos de negocio que nos venían dados. En esos casos, aplicamos primero esa investigación y al cabo del tiempo publicamos resultados o estudios, siempre y cuando esto no implique desvelar información confidencial.

www.sciling.com