Estos son los comentarios de empresas que ya implementaron soluciones de inteligencia artificial con nuestro equipo.
Teníamos un problema serio con la planificación de inventario. Cada mes nos sobraban unas 400 unidades de ciertos productos y nos faltaban otras. El modelo que construyó Pristine Ideas redujo ese desbalance a menos de 80 unidades en el primer trimestre. Lo que más valoré fue que el equipo se tomó el tiempo de entender cómo funcionaba nuestro ciclo de compras antes de proponer nada.
Contratamos el plan de automatización para procesar las remisiones que nos llegan de 23 proveedores diferentes. Antes, una persona dedicaba 3 horas diarias a transcribir datos de PDFs al sistema. Ahora el agente de IA lo hace en minutos y solo interviene un humano cuando hay un dato ambiguo. El ROI del proyecto se alcanzó en el segundo mes.
Nos ayudaron a construir un dashboard que conecta datos de ventas, tráfico web y campañas de publicidad en un solo lugar. Antes tomábamos decisiones de marketing con intuición; ahora podemos ver en tiempo real qué canal genera más conversiones y reasignar presupuesto el mismo día. La única razón por la que no doy cinco estrellas es que la capacitación inicial fue un poco rápida para mi equipo, pero después nos dieron sesiones adicionales sin costo.
Soy ingeniero civil y no sabía nada de inteligencia artificial. Quería predecir tiempos de entrega en obras de construcción para mejorar las cotizaciones que le damos a los clientes. El equipo de Pristine Ideas me explicó todo sin jerga técnica y entregó un modelo que ahora usamos para cada licitación. Los pronósticos tienen un margen de error de 6 días en proyectos de 4 meses, lo cual es muy bueno para nuestro sector.
Una distribuidora de insumos agrícolas con 14 puntos de venta en Antioquia perdía dinero por dos razones: pedidos excesivos de fertilizantes en temporada baja y faltantes de semillas en temporada alta. El equipo de compras hacía pedidos basándose en promedios históricos simples, sin considerar variables como clima, precio del dólar o ciclos de siembra regionales.
Construimos un modelo de pronóstico de demanda que incorpora datos de ventas de los últimos 4 años, registros climáticos del IDEAM, tipo de cambio USD/COP y calendario agrícola de cada subregión. El modelo genera pronósticos semanales por punto de venta y por categoría de producto.
El exceso de inventario se redujo un 34%. Los faltantes bajaron un 41%. El gerente financiero estimó un ahorro de COP 180 millones en el primer semestre, considerando costos de almacenamiento y ventas perdidas por faltantes.
Desde 2022 hemos trabajado con empresas de distintos tamaños en Colombia, Ecuador y Panamá. Estos son algunos datos acumulados de nuestros proyectos.
El 92% de nuestros clientes ha contratado al menos un segundo proyecto o un plan de soporte continuo. Creemos que eso dice más que cualquier descripción que podamos escribir aquí. Si quieres hablar directamente con alguno de estos clientes para conocer su experiencia de primera mano, podemos coordinarlo.