Programa de integración
IA en tu despacho, sin que los datos de tus clientes salgan de él
Tu equipo podría usar IA hoy. No debe, porque maneja información que no puede circular. Montamos y operamos el entorno que resuelve esa contradicción, dentro de tu propia infraestructura: elegimos el modelo abierto que encaja con tu trabajo, lo desplegamos y lo servimos con la configuración con la que lo hemos medido, hasta que alcanza el criterio que fijas tú. Con el mismo banco de pruebas, los mismos documentos y el mismo criterio con los que medimos a los modelos de proveedor.
Un cliente real, antes que el argumento
Un cliente real, su propia infraestructura, y el mismo resultado que Claude Opus 5 y Sonnet 5.
Una gestoría de 20 personas que no podía usar IA con los expedientes de sus clientes. Analizamos qué modelo abierto encajaba con sus casos de uso reales y lo medimos sobre tres expedientes suyos, anonimizados: el reparto de una sucesión, una declaración de la renta y un finiquito por despido improcedente, cinco intentos cada uno, de extremo a extremo sobre su propio nodo. El modelo abierto saca 100,0 sobre 100. Claude Opus 5 y Claude Sonnet 5, medidos con el mismo banco, los mismos documentos y el mismo criterio, sacan también 100,0. Hoy ese trabajo se resuelve dentro de su perímetro, sin que la información salga de su casa y sin factura por token.
- 15 de 15
- Respuestas con el importe exacto y cada evidencia atada a su documento de origen
- 0,00 €
- De distancia media al importe correcto, en las tres tareas
- 105 s
- De latencia mediana, sobre la infraestructura del propio cliente
Medición del 20 de septiembre de 2026 · Qwen3.8-Flash-Next en cuantización Q5_K sobre nodo propio
Qué mide y qué no: tres tareas de extracción y cálculo sobre documentación de negocio en español, una petición cada vez. No mide concurrencia, ni generación de código, ni resumen de textos largos. Los modelos del cuadro se han medido todos con el mismo método.
| Modelo | Puntuación sobre 100 | Latencia mediana |
|---|---|---|
| claude-opus-5Modelo de proveedor, como referencia | 100,0 | — |
| claude-sonnet-5Modelo de proveedor, como referencia | 100,0 | — |
| qwen3.8-flash-next-q5El que desplegamos en el cliente | 100,0 | 105 s |
| ornith-1.5-35b-a3b-q8No llegó a medir las tres tareas: su nota no compara | 97,0 | — |
| qwen3.6-35b-a3bNo llegó a medir las tres tareas: su nota no compara | 91,0 | — |
| glm-5.3-flash-aj-iq2La medición anterior, con otro modelo abierto | 75,0 | 172 s |
| claude-haiku-4-5Modelo de proveedor de gama ligera. No alcanza el umbral | 68,7 | — |
Tres de las mediciones se ejecutaron desde una herramienta de escritorio y no desde el arnés automatizado, así que no tienen latencia registrada y aparecen sin ella. Los documentos, las preguntas y el criterio son idénticos: la comparación de calidad es válida, la de tiempo solo entre las que sí la registran.
El modelo tardó en llegar ahí. La medición anterior, con otro modelo abierto sobre el mismo banco, se quedó en 75,0 y devolvió una declaración de la renta con 148,00 € de desviación, idéntica en los cinco intentos. Lo que cambió el resultado no fue subir el tope ni ablandar la prueba: fue cambiar de modelo y servirlo con el muestreo de su ficha. El informe lo cuenta entero, con el cuadro completo de modelos y las acciones repartidas por ámbito.
El problema
Coste, cumplimiento y confiabilidad. Hoy hay que elegir dos.
Cuando una empresa procesa información con IA, aparecen tres tensiones a la vez y las soluciones habituales solo resuelven dos.
Coste
El volumen repetitivo en modelos comerciales escala mal. Lo que era asumible a pequeña escala deja de serlo cuando el volumen se multiplica. Además el coste es impredecible: no puedes prever cuántos tokens requerirá tu actividad futura ni cuánto costarán con los modelos comerciales.
Cumplimiento
El RGPD, el Reglamento Europeo de IA, tu certificación ISO y los contratos con tus propios clientes limitan a dónde puede ir la información que gestionas. Enviarla a una API fuera de la UE supone un riesgo, o directamente no está permitido.
Confiabilidad
Utilizar modelos locales permite reducir el coste sin afectar al resultado, cuando se aplica donde corresponde. Porque degradar la calidad obtenida no es una opción cuando un error tiene consecuencias legales.
Qué hacemos
El grueso del trabajo, en tu casa. Lo difícil, donde haga falta.
Montamos y operamos un entorno de IA dentro de tu infraestructura, con modelos abiertos que resuelven la mayor parte de tu volumen sin que tu información salga de tu perímetro.
Los casos que el modelo local no resuelve con confianza suficiente escalan a un modelo comercial o a revisión humana, según lo que permita el contrato de cada cliente tuyo. Cada decisión queda registrada con su motivo, que es lo que hace auditable el proceso: ante un auditor no enseñas un registro de lo que pasó, sino por qué un documento salió o no salió.
Tú decides qué puede cruzar el umbral. Nosotros medimos si el sistema sigue acertando y ajustamos las reglas cuando deja de hacerlo. No te entregamos un sistema para que lo mantengas tú: lo operamos nosotros, y la calidad sigue siendo responsabilidad nuestra.
Para quién es
No es para todo el mundo, y preferimos decirlo antes.
Esto tiene sentido si se cumplen las dos condiciones. Si solo se cumple una, te lo diremos en la primera conversación en lugar de venderte un proyecto.
Volumen alto y repetitivo
Clasificación, extracción o indexación de información de forma recurrente, no puntual.
Una restricción real de datos
El RGPD o el AI Act. Una certificación, una norma sectorial o, el caso más frecuente, contratos con tus propios clientes que no dicen todos lo mismo: uno prohíbe que su información salga y otro no. Hoy eso te obliga a mantener dos procesos distintos.
Con quién trabajas
Dos socios, sin capa de gestión, y formación para quien tiene que defenderlo.
Kairos Tek son dos socios. Uno lleva más de veinticinco años creando producto digital en Telefónica y, en paralelo, ha asesorado durante una década a Europol, la Comisión Europea y el Banco de España. El otro lleva veinticinco programando y ha sido CTO en ocho empresas; siete de esos años, como CTO de Del Romero Abogados, donde todo lo que atraviesa los sistemas está sujeto a secreto profesional. Entre ellos y tú no hay ninguna capa de gestión, porque no hay nadie más.
Esa combinación es exactamente la que hace falta aquí. Llevar la IA a un proceso regulado con información sensible no es solo un problema técnico: es decidir qué puede salir de tu perímetro, poder defenderlo ante tus clientes y lograr que tu equipo lo use de verdad. Cuando nos dices que tus documentos no pueden salir de tus servidores, no nos lo tienes que explicar: llevamos siete años trabajando así.
Y formamos a tu equipo, que es donde se caen la mayoría de estos proyectos. No un manual de operación: qué cambia en el trabajo de quien antes clasificaba y ahora revisa excepciones, cómo defender ante un auditor por qué un documento salió o no salió, y cómo criterios consistentes de tu gente hacen que podamos medir si el sistema acierta. Llevamos años haciéndolo con Europol, la Guardia Civil, el Banco de España, IE Business School, IEB, ESIC y AFI, entre más de doce instituciones.
Estamos integrando esta línea junto a un número reducido de empresas que tienen la necesidad hoy, trabajando con su equipo y sobre sus procesos reales. Si es tu caso, hablemos.
¿No sabes si te aplica el AI Act? Haz el diagnóstico gratis →
¿Procesas información sensible a volumen?
Una conversación técnica de una hora basta para saber si esto encaja contigo. Cuéntanos qué información procesas, a qué volumen y qué restricción tienes.
Es el informe que recibe el cliente, sin retocar: el cuadro completo de los modelos medidos con el mismo banco, control negativo incluido, el resultado tarea a tarea con sus evidencias, la configuración verificada del nodo, las once comprobaciones previas y los límites de lo que la medición cubre. Se descarga sin dejar datos.