Tredence

Tredence construye sistemas multiagente que ejecutan tareas en ventas, operaciones, finanzas y cadena de suministro, no solo responden preguntas. Los agentes reciben memoria y herramientas de planificación, además de coordinación entre varios de ellos, para afrontar flujos de varios pasos. Esos mismos agentes se conectan a CRM y ERP, donde disparan acciones y cierran circuitos dentro de procesos vivos. La firma lo plantea como pasar de herramientas a compañeros de equipo, y el modelo de entrega incluye monitorización y reentrenamiento para que los agentes sigan dando los resultados para los que se diseñaron.

En lugar de empezar cada proyecto desde cero, Tredence entrega más de 150 activos de ciencia de datos, IA generativa y analítica prescriptiva que se adaptan a los datos de cada cliente. Entre las soluciones con nombre propio están Supply Chain Control Tower, Test and Learn Platform, On-shelf Availability, Customer Cosmos, Revenue Growth Management y Sancus para la calidad de datos con IA. El efecto práctico es un prototipo antes, algo que importa cuando los interesados quieren ver algo funcionando antes de aprobar presupuesto.

La práctica de datos cubre ingesta, pipelines, diseño de almacén y lakehouse, además de la migración desde sistemas heredados. En salud, eso ha significado unir registros clínicos, de consulta, contables y de marketing de más de 50 clínicas y siete sistemas de gestión en una sola plataforma con actualización en tiempo real. La gestión de calidad de datos va en paralelo, porque un modelo vale lo que valen los registros que lo alimentan.

Los servicios MLOps se plantean como práctica permanente y no como un traspaso tras el desarrollo. El equipo se encarga del despliegue y el reentrenamiento tanto de modelos de machine learning convencionales como de aplicaciones con modelos de lenguaje, y sigue de cerca su rendimiento. El gobierno de esos modelos queda en las mismas manos. En el trabajo con LLM entran también la evaluación de la calidad de las respuestas, la reducción de alucinaciones y el control del coste de inferencia. Esas tres cosas deciden si una función generativa sobrevive a su primer trimestre en producción.

Los proyectos de consultoría de IA generativa evalúan la madurez de la empresa, priorizan casos de uso, diseñan la arquitectura y fijan el gobierno antes de escribir una línea de código. Después, un modelo de centro de excelencia aporta talento y activos compartidos, además de formación para la plantilla del cliente. Con el tiempo, los equipos internos pueden sostener la capacidad por su cuenta. Tredence presenta el objetivo como reducir la dependencia de consultores externos, algo poco habitual en boca de una consultora.

Tredence tiene estatus de socio de Databricks, Snowflake, Google Cloud, Microsoft, AWS y OpenAI, y ha recibido premios de socio del año de varias de ellas. En la práctica, los proyectos se construyen sobre la plataforma que ya pagas, con acceso al soporte técnico del proveedor cuando algo falla. También implica que las decisiones de arquitectura tienden a seguir las fortalezas del stack asociado en lugar de ser neutrales respecto al proveedor.

Hay dos productos empaquetados fuera de la práctica general de consultoría. Rebate.AI se dirige a grupos de compra y distribuidores que dejan dinero de rebajas sin reclamar porque las condiciones están repartidas entre hojas de cálculo y portales de proveedores. HealthEM.AI gestiona el ciclo de vida de los datos sanitarios desde la ingesta, pasando por los controles de calidad, hasta la analítica. Ambos son más acotados que la consultoría, así que resultan más fáciles de evaluar de antemano.