Servicio
- Tickets
- 482
- Abiertos
- 37
- Sin asignar
- 2
ERP + Machine Learning · para pequeñas y medianas empresas
Servicio, ventas, facturación y cobranza, inventario, compras y gastos en el mismo lugar —a eso se le llama ERP—. El nuestro es el primero que trae machine learning adentro, no un módulo de IA colgado encima.
El producto
Lo que hay que atender, lo que está vendido, lo que se debe. Y al lado, lo que el sistema mide — y lo que estima, que es lo único de aquí que un ERP tradicional no puede hacer.
La arquitectura
Cada una se apoya en la de abajo. Sin la segunda, la tercera no existe.
Consumo mensualFiltro de aire · FA-2709
EjemploLos modelos deciden dentro del ERP, no en un tablero aparte.
Una bitácora que nadie puede reescribir. Sin pasado no hay modelo.
La operación completa: servicio, ventas, facturación, inventario, compras.
La capa 1
Ya construido y corriendo.
En operación hoy. Cada empresa trabaja en su propio espacio aislado, con su dirección y su marca: el mismo sistema para todas, y los datos de ninguna a la vista de otra.
La brecha
No era una idea, era una factura. Y por eso la brecha se sostuvo durante veinte años.
Costaba
Alguien que entienda el negocio y sepa modelar. Una plaza que una empresa de treinta personas no abre para un pronóstico de compras.
Costaba
Sacar la información del sistema operativo, limpiarla y guardarla con su historia. Meses de proyecto antes del primer modelo.
Y sobre todo
El obstáculo real. Casi todo sistema administrativo guarda el estado de hoy y sobrescribe el de ayer. Sin pasado no hay nada que aprender.
Por qué ahora sí
Nadie captura información para un modelo. La captura para trabajar: abre un ticket, registra las horas, descuenta una refacción, mueve un negocio de etapa. Ese es el dato que un modelo necesita, y ya se está escribiendo.
La decisión de diseño
Cada cambio queda escrito en una bitácora que la base de datos impide reescribir. Es la diferencia entre poder reconstruir en qué situación estaba algo hace treinta días y no poder. Sin eso, cualquier modelo aprende del desenlace que ya conoce y falla en cuanto se usa de verdad.
Lo que se elimina
Así decide una empresa grande: saca los datos del sistema operativo, los lleva a otra capa, los procesa ahí y devuelve un tablero. Esa mudanza es la mitad del costo y todo el retraso. En Astraion la capa de decisión vive dentro del mismo sistema que produce el dato: no hay nada que extraer.
La consecuencia
No hay integración que contratar ni proyecto que arrancar. La empresa opera como opera y el sistema acumula lo que hace falta. El primer modelo útil no llega después de seis meses de proyecto: llega cuando hay suficiente historia, que es otra cosa.
Qué decide
Cada una responde a una pregunta que alguien ya se hace todas las semanas, hoy a ojo.
Lo que esto no promete. Un modelo no adivina sin historia: una empresa que arranca de cero necesita meses de operación antes de que su primer pronóstico valga algo. Tampoco decide por nadie — ordena, estima y señala; la decisión sigue siendo de quien responde por ella. Decirlo así importa: la mayor parte del desencanto con estas herramientas viene de haberlas vendido de otra manera.
El efecto compuesto
Aquí la escala se invierte. Una empresa grande aprende solo de sí misma; una chica, dentro de una plataforma, puede aprender de todas las que quisieron aportar.
El aporte de datos nace apagado y se otorga de forma explícita, con responsable y fecha. Es revocable, y al revocarse esa empresa sale del siguiente entrenamiento. Los datos de cada cliente viven en su propio esquema, aislados de los demás.
Ese es el trato: predecir la falla de una bomba con la historia de un laboratorio es estadística pobre; con la de cincuenta es un producto. El modelo sirve a todos, hayan aportado o no.
Solicitar acceso
Cada empresa que entra recibe su propio esquema aislado, y eso se aprovisiona a mano por ahora. Deja los datos y te escribimos: si el producto todavía no te sirve, preferimos decírtelo antes que después.