Cuatro líneas de trabajo
01 — Agentes de IA
Agentes autónomos que ejecutan flujos de trabajo específicos de extremo a extremo. No chatbots genéricos. Trabajamos con agentes cuando el flujo es repetible, tiene resultados medibles, y la complejidad del juicio requerido justifica la orquestación con IA frente a un pipeline determinista.
Ejemplos típicos: triaje y clasificación de documentos, soporte a compliance, cualificación de leads, automatización de informes estructurados, inteligencia de mercado continuada.
02 — Automatización e integraciones
La mayor parte del valor de la IA aplicada en una empresa no viene de un nuevo producto, sino de eliminar trabajo humano repetitivo en los sistemas que ya usáis. Conectamos ERP, CRM, sistemas documentales, contabilidad, correo electrónico con una capa de razonamiento de IA que decide, clasifica, redacta y enruta.
Resultado: menos tiempo humano en tareas repetitivas, más tiempo en los juicios que requieren personas.
03 — Infraestructura aplicada
La capa invisible que hace que un sistema de IA sea fiable en producción: retrieval-augmented generation (RAG) diseñado sobre vuestro contenido, knowledge graphs, pipelines de datos, observabilidad de las decisiones de la IA, evaluación continua, gestión de versiones de prompts y modelos.
A menudo construimos esta capa como base para uno o más agentes posteriores. A veces la construimos sola — cuando una empresa ya ha adoptado herramientas de IA y descubre que sin infraestructura sólida esas herramientas se convierten en un cuello de botella.
04 — Investigación aplicada
Estudios de viabilidad, evaluación de modelos, caminos prototipo-a-producción. Cuando la pregunta es “¿es posible?” antes de “¿cuánto cuesta?”. Es el punto de entrada natural para proyectos donde el riesgo técnico todavía es alto.
Cómo empezamos
Primera conversación gratuita. Entendemos el problema, contamos qué pensamos que se puede y no se puede hacer, definimos si tiene sentido trabajar juntos. Si tiene sentido, escribimos una propuesta breve con scope, output y precio. Sin discovery de pago disfrazado de consultoría, sin presupuestos en paquete.
La mayoría de los engagements van desde un estudio de viabilidad o prototipo de 2–4 semanas hasta una build de producción de 2–4 meses, con retainers ligeros opcionales para evolución y operaciones. Los detalles se fijan por escrito en la propuesta — sin facturación horaria rotativa.
Agentes de IA
Agentes autónomos que ejecutan flujos de trabajo específicos de extremo a extremo — no chatbots genéricos, sino sistemas orquestados en torno a una tarea de negocio medible.
2–4 meses Build de producción
Automatización e integraciones
Conectores entre los sistemas que ya usáis (ERP, CRM, gestión documental, contabilidad) con una capa de razonamiento de IA encima. Resultado: menos tiempo humano en tareas repetitivas, más en juicios.
2–6 sem. Por integración
Infraestructura aplicada
RAG, knowledge graphs, retrieval, pipelines de datos, observabilidad. La capa invisible que hace que un sistema de IA sea fiable en producción.
1–3 meses Fundación
Investigación aplicada
Estudios de viabilidad, evaluación de modelos, caminos prototipo-a-producción. Cuando la pregunta es '¿es posible?' antes de '¿cuánto cuesta?'.
2–4 sem. Estudio de viabilidad
Preguntas frecuentes
-
¿Qué entiende Reeb Labs por 'agente en producción'?
Un agente en producción es un sistema de IA que ejecuta un flujo de trabajo específico de forma fiable, repetible y observable — no una demo que solo funciona en los casos felices. Eso significa logging estructurado, fallbacks explícitos, gestión de errores, evaluación continua y responsabilidad técnica de extremo a extremo. Solo construimos agentes después de haber entendido el problema, prototipado el flujo y validado que el sistema produce valor medible. -
¿Trabajáis solo con grandes empresas o también con pymes?
Trabajamos principalmente con pymes españolas e italianas, fabricantes y despachos profesionales (asesorías, despachos legales, consultoras, agencias). Nuestra hipótesis de trabajo es que la mayor parte del valor de la IA aplicada en Europa en los próximos años se desbloqueará en estas empresas, no en empresas de 10.000 empleados. -
¿Construís modelos desde cero o usáis modelos existentes?
Casi siempre usamos modelos existentes — frontera (Anthropic, OpenAI), open-weight (Llama, Qwen, Mistral) — orquestados en torno al problema. Construir un modelo fundacional desde cero rara vez es la respuesta correcta. Lo que diseñamos desde cero es el sistema alrededor del modelo: retrieval, evaluación, prompt engineering disciplinado, integración, observabilidad. -
¿En qué idiomas trabajáis?
Español, inglés, italiano. Documentación técnica y código en inglés; comunicación con el cliente en su idioma. -
¿Cuánto dura típicamente un proyecto?
Variable. Un estudio de viabilidad o un prototipo: 2-4 semanas. Un sistema de producción: 2-4 meses. Un retainer continuado para evolución y operaciones: open-ended. El scoping inicial es gratuito y define dónde nos situamos.