Lo urgente cuesta más
El repuesto de emergencia, las horas extra, el flete express. Y la producción que no se hizo no se recupera.
Consultoría en IA predictiva
Reaccionar es la parte cara.
Las fallas, los quiebres de stock y las desviaciones dejan rastro en tus datos antes de ocurrir. Construyo los modelos que leen ese rastro a tiempo.
- PhD en Modelación Matemática, U. de Chile
- 18+ años construyendo modelos
- 9 publicaciones científicas
Proceso críticoPredicción a 30 días
Observado
Predicción central
Confianza 50 / 80 / 95%
Dieciocho años de modelos en producción. Marcas y equipos con los que he trabajado, directamente o a través de las empresas y agencias donde estuve.
El problema
Enterarse tarde se paga tres veces.
Apagar incendios no deja avanzar
Cada emergencia se come las horas que ibas a invertir en que la próxima no ocurriera.
Decidir a ciegas desgasta
Decisiones a medianoche, con datos incompletos y sin saber si te equivocas. Eso también tiene costo.
Lo caro casi nunca es el problema. Es el momento en que te enteras.
Qué cambia
Tus reportes dicen qué pasó. Un modelo dice qué va a pasar.
El dashboard
Mira hacia atrás: la máquina falló, el stock se quebró, la campaña no rindió. Buen espejo retrovisor, pero el costo ya se pagó.
Con eso decidesQué explicar en la reunión del lunes.
El modelo predictivo
Mira hacia adelante: qué va a pasar en los próximos días o semanas, con qué probabilidad y cuánto margen de error. No adivina: proyecta el patrón que tu operación repite hace años.
Con eso decidesQué hacer el jueves para que el lunes no haya nada que explicar.
Y una predicción sin margen de error no sirve para decidir.
«La máquina va a fallar en 12 días» no te deja hacer nada: no sabes si confiar. «78% de probabilidad de falla entre los días 21 y 27» sí: te dice si alcanzas a pedir el repuesto y cuánto te juegas si no haces nada. Cuantificar lo que un modelo no sabe es el tema de mi doctorado.
Cómo trabajo
Cuatro etapas. La primera puede terminar conmigo diciéndote que no sigas.
ETAPA 01
Diagnóstico
2 a 3 semanas · precio cerrado
Elegimos el proceso que más cuesta, reviso qué datos existen de verdad y evalúo si se puede predecir con lo que hay.
Te llevas: un informe de factibilidad con el caso de negocio estimado. Si no se puede predecir nada útil, te lo digo acá.
ETAPA 02
Modelo piloto
4 a 8 semanas
Construyo el modelo y lo valido hacia atrás sobre tus últimos 12 a 24 meses, como si no conociera el futuro. Es la única forma honesta de saber si sirve.
Te llevas: el modelo, sus métricas sin maquillar y cuánto habría ahorrado en ese período.
ETAPA 03
Puesta en operación
4 a 8 semanas
El modelo sale del notebook: corriendo solo, integrado a tus sistemas y avisando donde tu equipo ya trabaja.
Te llevas: el modelo operando. Uno que vive en el computador del consultor no le ahorra nada a nadie.
ETAPA 04
Autonomía
continuo o acotado
Documentación, capacitación y monitoreo: los modelos se degradan y hay que detectarlo antes de que empiecen a mentir.
El objetivo: que en algún momento no me necesites.
Dónde aplica
No importa la industria. Importa que el proceso deje rastro.
He construido modelos para retail, marketing, sector automotriz e investigación. Por debajo, la matemática es la misma.
Fallas y mantención
- Predice
- Qué equipo va a fallar y cuándo.
- Decides
- Cuándo parar y qué repuesto pedir.
Demanda e inventario
- Predice
- Cuánto vas a vender por producto y local.
- Decides
- Cuánto comprar y qué no quebrar.
Calidad y mermas
- Predice
- Qué lote o turno saldrá fuera de especificación.
- Decides
- Dónde intervenir antes de perder material.
Clientes y fuga
- Predice
- Quién se va a ir y quién va a comprar más.
- Decides
- A quién llamar esta semana.
Retorno de marketing
- Predice
- Cuánto aporta realmente cada canal.
- Decides
- Dónde poner el próximo peso.
Tiempos y cuellos de botella
- Predice
- Dónde se va a atascar el proceso.
- Decides
- Dónde sumar capacidad antes de que se note.
¿Qué necesito de tu lado?
Históricos de 12 a 24 meses, aunque estén en planillas repartidas. Alguien que conozca la operación. Y un problema que esté costando dinero. Ordenar los datos es parte de mi trabajo, no un requisito previo.
Quién soy
Gonzalo Ríos
PhD en Modelación Matemática · Universidad de Chile · Santiago
Llevo más de dieciocho años construyendo modelos predictivos y los últimos diez liderando los equipos que los ponen en producción. Son dos oficios distintos y hacen falta los dos.
Mi doctorado en la Universidad de Chile fue sobre aprendizaje bayesiano: cómo lograr que un modelo sepa lo que no sabe, y lo diga. Publiqué en Neural Networks, IEEE Signal Processing Letters y ESAIM, y enseñé Inteligencia Artificial y Computación Científica ahí mismo.
Fui Chief Scientist Officer de NoiseGrasp diez años, donde armé desde cero el equipo y la infraestructura de modelos que se usó, vía Publicis Groupe, para Coca-Cola, Cencosud y Falabella. Como Principal Data Scientist en Niuro lideré equipos para el sector automotriz, incluida CDK Global. Antes, CTO de Ríos y Cía. y socio fundador de Golden Data.
La combinación es deliberada: la matemática para que el modelo sea correcto, y los años de operación para que además funcione en una empresa real.
Formación
- PhD en Ciencias de la Ingeniería, mención Modelación Matemática (2015–2020)
- Magíster en Ciencias, mención Computación (2011–2013)
- Ingeniería Civil Matemática (2011–2013) — máxima distinción
- Licenciatura en Ciencias, mención Matemáticas (2004–2009)
- Todo en la Universidad de Chile
Docencia · U. de Chile
- Profesor — Computación Científica (2017–2018)
- Profesor — Inteligencia Artificial (2009–2011)
- Auxiliar en Probabilidades, Procesos Estocásticos y ML Probabilístico
Herramientas
- Lenguajes: Python, R, Matlab, Java, C
- Datos: PostgreSQL, MySQL, SQLite
- Métodos: procesos gaussianos, bayesianos, programación probabilística, optimización
- IA aplicada: LLMs, sistemas multiagente
Publicaciones científicas (9)
- Compositionally-warped Gaussian processesG. Ríos, F. Tobar (2019). Neural Networks 118, 235–246.
- Learning non-Gaussian time series using the Box-Cox Gaussian processG. Ríos, F. Tobar (2018). IJCNN, 1–8.
- Recovering latent signals from a mixture of measurements using a Gaussian process priorF. Tobar, G. Ríos, T. Valdivia, P. Guerrero (2016). IEEE Signal Processing Letters 24(2), 231–235.
- Transport Gaussian processes for regressionG. Ríos (2020). arXiv:2001.11473.
- Stochastic gradient descent for barycenters in Wasserstein spaceJ. Backhoff-Veraguas, J. Fontbona, G. Ríos, F. Tobar (2024). Journal of Applied Probability.
- Bayesian learning with Wasserstein barycentersJ. Backhoff-Veraguas, J. Fontbona, G. Ríos, F. Tobar (2022). ESAIM: Probability and Statistics.
- Contributions to Bayesian machine learning via transport mapsG. Ríos (2020). Tesis doctoral, Universidad de Chile.
- A Practical Query Language for Graph DBsR. Angles, P. Barceló, G. Ríos (2013). AMW.
- Design and Implementation of a Query Language for Graph DatabasesG. Ríos (2013). Tesis de magíster, Universidad de Chile.
Red de trabajo
Cuando el proyecto pide más manos, no empiezo de cero.
El diagnóstico y el diseño los hago yo. Para la implementación y la activación comercial trabajo con dos consultoras asociadas.
Preguntas frecuentes
Lo que me preguntan siempre.
Nuestros datos son un desastre.
Es lo normal y es parte del trabajo: nunca he llegado a una empresa donde estuvieran ordenados. Lo que sí necesito es que existan, y eso lo vemos en el diagnóstico.
Ya tenemos Power BI y un área de datos.
Perfecto, eso adelanta trabajo: los dashboards y la predicción no compiten. Cuando ya hay equipo interno, muchas veces el encargo termina siendo habilitarlos a ellos.
¿Y si el modelo se equivoca?
Se va a equivocar; la pregunta es cuánto y con qué consecuencias. Por eso todo lo que entrego viene con su margen de error medido contra tu historia real. El peligroso no es el que se equivoca, es el que no avisa cuándo no sabe.
¿Cuánto demora en verse el retorno?
El diagnóstico da una estimación en dos o tres semanas, antes de que comprometas el resto. El ahorro real empieza cuando alguien decide distinto gracias al modelo.
¿Cuánto cuesta?
Depende del alcance, y prefiero no cotizar sin entender el problema. El diagnóstico es acotado y de precio cerrado, para que evalúes el resto con información.
Conversemos
Empecemos por el proceso que más te cueste
Cuéntame qué proceso te está costando dinero y te digo derechamente si se puede predecir con lo que tienes. Si la respuesta es que no, también te la digo.