En desarrollo
IA aplicada
El siguiente producto está en formulación. Aplica modelos de lenguaje a un flujo de trabajo cuyo estado del arte actual es una hoja de cálculo y mucha lectura manual.
Estudio tecnológico y laboratorio independiente
Lluyot Labs es un estudio independiente que diseña, modela y publica software. Trabajamos en matemática aplicada, aprendizaje automático e ingeniería — desde la formulación de un problema hasta el producto que finalmente lo resuelve.
01Cómo trabajamos
La mayor parte del valor de la matemática aplicada se pierde por el camino. Un resultado correcto que nunca llega a una decisión no ha producido nada. El estudio está organizado enteramente para cerrar esa distancia.
Empezamos escribiendo el problema con precisión: variables, restricciones, objetivo y qué contaría como estar equivocados. La mayoría de los proyectos que fracasan lo hacen aquí, en silencio, meses antes de que alguien lo note.
Después elegimos la maquinaria más pequeña capaz de responder: una forma cerrada, un optimizador, un modelo aprendido o, a veces, una heurística bien escogida. La complejidad es un coste, nunca un mérito.
Un resultado que no sale del cuaderno no ha producido nada. Construimos el producto alrededor del modelo, lo instrumentamos y mantenemos las hipótesis visibles para quien depende de ellas.
02Tecnología
No nos especializamos en una sola técnica. Los problemas reales rara vez respetan la frontera entre estadística, optimización e ingeniería, y el trabajo interesante suele estar justo encima de ella.
Sistemas que razonan sobre lenguaje, imágenes y datos estructurados — diseñados en torno a aquello en lo que el modelo es realmente fiable.
Modelos entrenados con datos reales, validados con honestidad y publicados con la incertidumbre que de verdad arrastran.
Convertir un problema desordenado del mundo real en una formulación lo bastante precisa para calcular con ella y lo bastante simple para explicarla.
Encontrar la mejor decisión bajo restricciones reales: tiempo, coste, riesgo, capacidad, física.
La parte que decide si algo de lo anterior llega alguna vez a un usuario. Hecho para mantenerse, no para enseñarse en una demo.
Estadística antes que cuadros de mando. Entender qué pueden y qué no pueden sostener los datos antes de que alguien actúe sobre ellos.
03Productos
IA aplicada
El siguiente producto está en formulación. Aplica modelos de lenguaje a un flujo de trabajo cuyo estado del arte actual es una hoja de cálculo y mucha lectura manual.
Herramientas de desarrollo
Una herramienta para las partes del trabajo de modelización que todavía se hacen a mano. Se publicará primero como biblioteca de código abierto y después como servicio alojado.
Sistemas de decisión
Un producto de optimización para planificación operativa — la clase de problema en la que una planificación un dos por ciento mejor vale más que cualquier interfaz.
04Investigación
Optimización, inferencia estadística y aprendizaje automático no son aquí tres departamentos distintos. Son tres formas de responder a la misma pregunta —qué conviene hacer, dado lo que se sabe— y elegir entre ellas es una decisión de modelización, no una preferencia tecnológica.
05Trayectoria
Lluyot Labs está empezando. En vez de disfrazarlo, aquí está exactamente dónde estamos: qué se ha publicado, en qué se trabaja ahora y qué es intención y no hecho.
Un estudio independiente construido sobre una premisa simple: la distancia entre un buen modelo matemático y un producto que alguien usa de verdad es donde vive la mayor parte del valor — y casi toda la dificultad.
El primer modelo en producción del estudio. Acumulación eritematosa y de vitamina D integrada sobre irradiancia horaria real, calibrada contra umbrales dosis–respuesta publicados y validada como monótona antes de dibujar ninguna interfaz.
El primer producto público. Seis idiomas, sin cuentas, sin publicidad, sin servidor que guarde datos de usuario — y una pantalla dentro de la app que muestra la evidencia detrás de cada número que reporta.
Un producto de IA aplicada, ahora mismo en la etapa que el estudio considera más importante y menos visible: escribir el problema con precisión suficiente para saber qué aspecto tendría una respuesta correcta.
Extraer las partes reutilizables del trabajo de modelización a bibliotecas y publicarlas. Las herramientas que otros ingenieros usan las corrigen otros ingenieros.
Trabajar con grupos académicos y empresas en problemas donde la modelización está genuinamente abierta. Selectivo por necesidad, y solo donde el estudio pueda aportar algo concreto.
06Visión
Todo problema que importa acaba siendo un problema matemático. Nuestro trabajo es llevarlo hasta ahí — y después construir aquello que hace la respuesta utilizable.
Una cartera de productos, cada uno construido sobre un modelo que entendemos por completo, en dominios sin relación entre sí. El hilo conductor es el método, no el mercado. Un estudio que hace esto bien en un campo puede hacerlo en el siguiente, y esa es la única ventaja duradera que intentamos construir.
Las cifras que un producto muestra son defendibles o no se muestran. Las hipótesis que hay detrás siguen visibles para quien depende de ellas. Y lo que decimos sobre nuestro propio trabajo sigue siendo exacto, incluidas las partes menos impresionantes de lo que podrían parecer.
Trabajar juntos
Eso significa que respondemos al correo personalmente y que decimos que no al trabajo que no podemos hacer bien. Si tienes un problema que necesita modelización y no personal, descríbelo y te diremos con franqueza si somos las personas adecuadas.