Demostraciones y Ejemplos Tecnológicos

Una demostración honesta comienza por ser clara sobre lo que se está mostrando. Abrimos cada sesión indicando el modelo en uso, los datos con los que fue entrenado, los tipos de entradas que esperamos que maneje bien y los tipos que esperamos que maneje mal. Este encuadre nos da el derecho de pedir a los interesados que traigan sus propios ejemplos, incluidos los incómodos, y evita que la demo se convierta en un evento de marketing.

Siempre que sea posible, ejecutamos la demo con datos que la audiencia conoce. Una demo de detección de defectos en piezas que el equipo de calidad ha inspeccionado personalmente; una demo de sentimiento en un lote reciente de transcripciones de centros de contacto; una demo de previsión en los datos reales del último trimestre. Las reacciones en la sala cambian inmediatamente cuando los datos son suyos, y las preguntas se vuelven útiles de una manera que nunca lo son cuando los datos son genéricos.

Las sesiones están deliberadamente estructuradas para una conversación bidireccional. Nos interesan tanto las preguntas que hace la audiencia como las respuestas del modelo a las entradas que traen; las preguntas suelen ser una guía más fiable para saber si la tecnología es la respuesta correcta a su problema que cualquier evaluación comparativa.

• Sesiones interactivas en vivo, no videos pregrabados
• Se alientan las entradas proporcionadas por la audiencia
• Declaración clara de las fortalezas y debilidades del modelo
• Uso anonimizado de datos de la audiencia previa solicitud
• Notas de seguimiento que capturan observaciones y límites
• Prueba de valor enfocada y opcional de seguimiento

Nuestra biblioteca de demos se actualiza continuamente y actualmente incluye demostraciones de visión que cubren la inspección de defectos de fabricación, la comprensión de documentos (formularios, facturas, documentos de identidad, contratos), el análisis de estantes minoristas y la búsqueda de similitud visual; demostraciones de PLN que cubren el sentimiento basado en aspectos, la clasificación de intenciones y temas, la clasificación multilingüe, la respuesta a preguntas aumentada por recuperación y la extracción de entidades nombradas; demostraciones de previsión que cubren la previsión jerárquica de la demanda, series intermitentes, detección de anomalías en métricas operativas y previsión probabilística para la política de inventario.

También mantenemos un conjunto creciente de demostraciones de IA generativa: respuesta a preguntas fundamentada en fuentes de conocimiento curadas, extracción de salida estructurada de texto no estructurado, resumen ajustado para clases de documentos específicas y patrones de asistente limitados a flujos de trabajo particulares. Somos deliberadamente conservadores con los casos de uso generativos que requerirían una generación abierta en producción; la biblioteca de demos refleja los casos de uso que realmente hemos podido implementar de manera responsable.

Las demos de sistemas de conocimiento completan la biblioteca: un sistema de decisión basado en reglas elaborado, un grafo de conocimiento construido a partir de datos abiertos y un ejemplo neuro-simbólico híbrido que combina la extracción de entidades con el razonamiento basado en reglas. Estas demos son particularmente útiles para audiencias a las que se les ha dicho que el aprendizaje automático es la respuesta a un problema que casi con certeza no se resuelve mejor solo con estadísticas.

“Las demostraciones más útiles son las que sacan a la luz la pregunta que nadie había pensado hacer.”

Cuando la biblioteca estándar no coincide lo suficientemente bien con la pregunta, creamos una muestra a medida con sus datos en dos o tres semanas. Esto no es una prueba de valor; es una demostración más nítida que utiliza sus entradas frente a un modelo preconstruido lo suficientemente cercano al caso de uso como para ser informativo. El resultado es un prototipo funcional, una evaluación escrita de lo que observamos y una recomendación sobre si se justifica una prueba de valor completa.

Las muestras personalizadas se mantienen deliberadamente de alcance limitado. No adaptamos los modelos para el rendimiento en producción, no diseñamos el pipeline circundante y no construimos la interfaz de usuario con un estándar desplegable. El objetivo es una visión más rápida y económica de lo que proporcionaría una prueba completa; el inconveniente es que la muestra no es desplegable tal cual.

Muchas de nuestras relaciones más exitosas con clientes comenzaron con una muestra personalizada que reveló un problema que la especificación original no había anticipado, y que reformó el proyecto posterior para mejor.

Para audiencias técnicas, ofrecemos sesiones de laboratorio de medio día o día completo en las que nuestros ingenieros trabajan junto a los suyos en un problema enfocado de su elección. Estas sesiones son parte demostración, parte taller, parte conversación franca sobre lo que se puede lograr. Son particularmente valiosas para equipos que están evaluando si construir una capacidad interna o buscar ayuda externa; la conversación que surge suele ser más útil para la decisión final que cualquier propuesta de proveedor.

Las sesiones de laboratorio se realizan bajo NDA cuando corresponde, y los artefactos producidos (código, notebooks, resultados de evaluación) se dejan con su equipo. No conservaremos datos propietarios compartidos con nosotros en estas sesiones más allá de la duración del trabajo.

Las demostraciones se entregan de forma remota por defecto, con sesiones in situ disponibles cuando la audiencia o los datos lo justifiquen. Una demo remota estándar dura de sesenta a noventa minutos y admite hasta una docena de participantes en una conversación de trabajo; las sesiones más grandes son posibles pero se vuelven menos interactivas. Estaremos encantados de ofrecer la misma demo a varios grupos de interesados por separado si eso ayuda a la alineación interna.

No hay cargo por la biblioteca de demos estándar o por una sesión introductoria de laboratorio; las muestras a medida y los talleres extendidos se cotizan en función del trabajo involucrado. Una breve llamada de descubrimiento suele establecer el formato y el contenido adecuados; no propondremos una sesión cuyo valor no esté claro para ambas partes.