Camila Restrepo
Cofundadora. Ingeniera de sistemas, Universidad de Antioquia. Especialista en procesamiento de lenguaje natural. Antes trabajó en el equipo de datos de Rappi.
En 2019, Camila Restrepo y Daniel Herrera coincidieron en un proyecto de clasificación de imágenes médicas para una clínica en Medellín. El modelo funcionaba bien en el laboratorio, pero nadie en la clínica sabía cómo usarlo. Los médicos desconfiaban de las predicciones porque nadie les había explicado qué significaban los porcentajes de confianza ni cuándo era seguro actuar sobre ellos.
Esa experiencia les enseñó algo que los cursos de machine learning no cubren: un modelo que nadie adopta es un desperdicio de dinero. Decidieron que si algún día montaban su propia empresa, la adopción sería parte del entregable, no un problema del cliente.
En enero de 2021, junto con Sebastián Orozco (lingüista computacional) y tres ingenieros más, fundaron Result AI Pros en Cartagena. La ciudad no era la opción obvia para una empresa de IA, pero los costos operativos eran menores que en Bogotá, la zona horaria era conveniente para clientes en Centroamérica y Estados Unidos, y, francamente, querían vivir cerca del mar.
El primer proyecto fue un chatbot para una empresa de turismo náutico que recibía 400 mensajes diarios por WhatsApp. Antes del bot, dos personas dedicaban ocho horas al día a responder las mismas 15 preguntas. Después del bot, esas dos personas pasaron a vender paquetes personalizados y las reservas crecieron un 22 % en tres meses.
Registramos la empresa en Cartagena. Primer cliente: operador turístico con 400 mensajes diarios.
Completamos 12 proyectos. Incorporamos visión por computador a nuestra oferta tras un contrato con una planta de alimentos.
Primeros clientes en Panamá y Costa Rica. Lanzamos el servicio de análisis predictivo para retail.
38 proyectos acumulados. Contratamos a dos ingenieros más y abrimos un espacio de trabajo en Manga.
Tenemos cuatro principios que guían cada decisión, desde la elección de un algoritmo hasta la forma en que redactamos un correo.
Si un modelo tiene un 78 % de precisión, decimos 78 %, no "alta precisión". Entregamos métricas reales, no adjetivos. Cuando un enfoque no funciona, lo decimos antes de gastar más presupuesto.
Un proyecto no termina cuando el modelo pasa las pruebas. Termina cuando las personas que lo van a usar entienden qué hace, confían en sus resultados y saben qué hacer cuando algo no cuadra. Incluimos capacitación práctica en cada contrato.
Nunca usamos los datos de un cliente para entrenar modelos de otro. Los datos se almacenan en la infraestructura que el cliente elija y se eliminan de nuestros sistemas al cierre del proyecto.
Ofrecemos una prueba de concepto de dos semanas con datos reales. Si los resultados no justifican la inversión, no hay factura. Hemos rechazado proyectos cuando los datos disponibles no eran suficientes para producir algo confiable.
Seis personas. Sin gerentes de cuenta ni capas intermedias. Quien habla contigo es quien construye tu solución.
Cofundadora. Ingeniera de sistemas, Universidad de Antioquia. Especialista en procesamiento de lenguaje natural. Antes trabajó en el equipo de datos de Rappi.
Cofundador. Estadístico, Universidad Nacional. Diseña los modelos predictivos y define las métricas de éxito de cada proyecto. Fan del béisbol cartagenero.
Lingüista computacional, Universidad del Valle. Entrena los modelos de lenguaje y asegura que los chatbots suenen como personas, no como robots traducidos del inglés.
Ingeniera de MLOps. Se encarga de que los modelos funcionen en producción, no solo en un notebook de Jupyter. Configura los pipelines de entrenamiento, monitoreo y alertas.
Andrés Padilla (ingeniero backend) y Laura Martínez (ingeniera de datos) completan el equipo. Ambos se unieron en 2024 y trabajan en la integración de modelos con los sistemas existentes de nuestros clientes.