Compañía

Revolucionamos la IA democratizando su uso y mejorando la confianza

Conoce AyGLOO

MISIÓN

Nuestra misión es ayudar a mejorar en la toma de decisiones y reducir plazos en alcanzar conclusiones proporcionando confianza y facilitando el uso de la IA más allá de los científicos de datos.

En la actualidad, la interpretación de los resultados en la IA es complejo debido a que los modelos mas precisos no son interpretables y se necesita tiempo y son dependientes de técnicos que lo hagan. Además, los análisis son rígidos y no admiten variables externas al modelo.

PROPUESTA DE VALOR ÚNICA

Las alternativas a AyGLOO:
Soluciones de IA explicable intuitiva

• Construir modelos menos precisos que son interpretables por defecto, como los árboles de decisión.

Soluciones de IA explicable no intuitiva
• Implantar soluciones completas de IA explicable que consumen mucho tiempo, son muy dependientes de recursos técnicos y tienen un precio elevado.

• Implantar soluciones parciales de IA explicable con resultados no relevantes para la toma de decisiones y que son muy dependientes de técnicos.

En ninguna de ellas el usuario tiene el control del análisis.

Equipo

Ignacio Gutiérrez Peña

Ignacio Gutiérrez Peña

Founder and CEO

CEO – HP, SAP, SAS Institute.

Jose Pablo de Pedro

Jose Pablo de Pedro

Investor

Founder of Realtech, CEO Techedge.

Edoardo Narduzzi

Edoardo Narduzzi

Investor

Founder of Techedge, Founder and CEO Mashfrog.

Silvia Leal

Silvia Leal

Investor

Divulgadora científica de reconocimiento internacional.

Somos AyGLOO

conoce

Nuestra historia

En 2018 un grupo de profesionales con larga experiencia en proyectos de Machine Learning, Deep Learning y analítica avanzada nos juntamos para hacer un proyecto muy innovador de automatización de procesos aplicando técnicas de NLP.

El proyecto fue un rotundo éxito y después siguieron varios proyectos más de NLP aunque cada cual un reto mayor, lo que nos ha dado una capacidad diferencial para afrontar cualquier proyecto en este área por muy innovador que parezca.

En abril de 2021 el mismo equipo fundamos AyGLOO con la intención de consolidarnos como empresa y de incorporar un producto de IA Explicable muy necesario en el mercado.

Hemos desarrollado un potente producto dirigido a usuarios sin conocimientos técnicos para que a través de un cuadro de mandos, se pueda entender de una manera sencilla e intuitiva como funcionan los modelos complejos de IA y el por qué de sus resultados.

El resultado actual nos parece espectacular y muy diferencial frente a cualquier otro producto de IA Explicable del mercado. Sencillo, potente, confiable y configurable según tus necesidades.

Nos gusta presentarnos como una start-up de IA con un producto potente y único de IA Explicable y con una propuesta diferencial de automatización de procesos y capacidad de acompañar con garantías a un negocio que quiera ser “data-driven”.

25 años de experiencia en proyectos de Machine Learning y Deep Learning nos avalan.

old-mac-AyGLOO

Experiencias conjuntas del equipo de AyGLOO

Empresas de Servicios digitales (Urbanismo)
  • Fuente del documento. Boletines diarios de las diputaciones provinciales y de las CCAA.
  • Procesamiento. Dos veces al día nos conectamos a las 62 webs, y hacemos scraping para descargar los boletines del día y aplicamos técnicas de NLP para extraer los anuncios de urbanismo e identificar datos en cada anuncio. El proceso se realiza paralelizado en cloud y el resultado es inmediato.
  • Resultado final: anuncios de urbanismo segmentados y una tabla de segmentación que contiene los campos extraídos de cada anuncio.
  • Panel Configurador inicial para usuario de negocio y modificar búsquedas por histórico de fechas, población, etc.
  • Resultado final (ficheros JSON) integrado con sistemas de cliente.
Empresas de Media
  • Fuente del documento: Informativos de radio y televisión.
  • Procesamiento: Proceso en near real-time similar al anterior haciendo speech to text al principio y sumarizando cada noticia.
  • Resultado final: Se presenta en un front-end web de validación y visualización. Un usuario valida el resultado y mediante una red neuronal se reentrena el sistema para cada vez ser más preciso.
  • Hay una configuración del sistema predeterminada pero el usuario de negocio puede modificarla o lanzar subprocesos adaptados a las necesidades de cada momento.
Empresa de Servicios
  • Fuente del documento. Internet y redes sociales y CRM de cliente.
  • Procesamiento. Se lanzan búsquedas diarias en redes sociales de eventos que suceden en el mundo con unas determinadas características y el resultado se analiza con técnicas de NLP, se completa con información de internet y se compara y filtra con información del CRM para finalmente ser calificada (ranking).
  • Resultado final: Selección de eventos de interés para el cliente con una calificación.
  • Panel Configurador inicial: Hay una configuración predeterminada pero el usuario de negocio puede lanzar búsquedas adaptadas a las necesidades de cada momento.
Compañía de juegos online
Hemos aplicado aprendizaje por refuerzo en un sistema de juegos de recomendación online (PoC).
Empresas de Media
  • Fuente del documento: Publicaciones diarias de prensa escrita en pdf.
  • Procesamiento: Diariamente se procesan diferentes periódicos para recorte de cada noticia (press clipping) identificando cada parte de la noticia (titular, subtitulo, sumarios, cuerpo, firma, localización, pie de foto).
  • Resultado final: Se presenta en un front-end web de validación y visualización. Un usuario valida el resultado y mediante una red neuronal se reentrena el sistema para cada vez ser más preciso.
  • Hay una configuración del sistema predeterminada pero el usuario de negocio puede modificarla o lanzar subprocesos adaptados a las necesidades de cada momento.
Empresas de Servicios (Consultoría y legal)
  • Dato Fuente:
    • Webs de organismos oficiales de la Unión Europea, Gobiernos nacionales, regionales y locales.
    • Cuentas de Redes Sociales.
  • Procesamiento: Diariamente descargar la información para buscar, filtrar, hacer análisis semántico, seleccionar y clasificar información por diferentes temáticas.
  • Presentación a cliente del resultado en un front-end web para validación
Compañía de seguros

Hemos aplicado modelos de aprendizaje automático para el abandono, la segmentación y la venta cruzada, incluyendo análisis con NLP y analítica avanzada a emails para servicio de atención al cliente.

Empresa de Facilities
Hemos desarrollado un sistema para hacer inventario de objetos a través de imágenes de video 360 entrenando una red neuronal con unos resultados sorprendentes y superiores a los conseguidos con herramientas comerciales y mucho mas económico (PoC).