Respuestas directas, incluidas las que no favorecen.

Un estudio tecnológico y laboratorio de investigación independiente que convierte matemáticas, inteligencia artificial y ciencia de datos en productos — propios y, de forma selectiva, de otras organizaciones.

Pequeño. El estudio es nuevo e independiente, y preferimos decirlo a insinuar una plantilla que no tenemos. Es lo más útil que se puede saber antes de empezar una conversación, porque determina qué podemos asumir y a qué ritmo.

Porque el método es el mismo en los dos casos. Todo producto empieza como una pregunta de modelización con respuesta incierta, y preferimos ser honestos y decir que la primera etapa es investigación antes que fingir que la respuesta era obvia de antemano.

Trabajamos en remoto y de forma asíncrona, en inglés y en español. Las consultas escritas reciben mejores respuestas que las llamadas, porque la respuesta se puede pensar antes.

Lluyot Labs es independiente y se autofinancia. No hay inversores que nombrar, así que no nombramos ninguno. Si eso cambia, se dirá aquí.

Problemas cuya respuesta hay que calcular en vez de consultar: planificación y asignación, predicción, modelos de dosis y acumulación, sistemas de decisión con restricciones, y trabajo aplicado con modelos de lenguaje donde la corrección importa de verdad. Si una hoja de cálculo ya lo resuelve bien, no nos necesitas.

Con una descripción escrita de la decisión que intentas tomar y de qué la hace incómoda. Volvemos con una formulación —variables, restricciones, objetivo y qué contaría como estar equivocados— antes de que nadie se comprometa a construir nada. Esa primera etapa es corta, y es donde ambas partes descubrimos si el proyecto merece la pena.

Tuyo, por defecto, en el trabajo por encargo. Cuando un componente es lo bastante general como para reutilizarse podemos pedir publicarlo como código abierto, pero eso se habla explícitamente al principio, nunca se da por supuesto.

No — ese es el punto de partida normal, y la etapa donde el trabajo de formulación tiene más palanca. Lo que sí es demasiado pronto es no tener ni una decisión que mejorar ni datos sobre ella.

Broncea, una aplicación Android construida sobre un modelo dosimétrico de exposición ultravioleta, disponible en Google Play en seis idiomas. Es el primer producto público, no la identidad de la compañía.

Un producto de IA aplicada actualmente en formulación, una biblioteca de código abierto extraída del trabajo de modelización y un producto de optimización para planificación operativa. No publicamos nombres ni fechas antes de que existan.

Porque todavía no hay ninguna. Listar artículos que no hemos escrito sería la forma más rápida de perder el único activo que tiene un laboratorio joven. El trabajo de modelización aplicada es real y está en producción; cuando haya algo que merezca enviarse, aparecerá con enlace, fecha y lugar de publicación.

Diseñamos primero para recoger lo mínimo. Broncea no tiene backend en absoluto: el perfil y el historial se quedan en el dispositivo, y la ubicación solo se usa para consultar una API pública de predicción. En el trabajo por encargo, el tratamiento de datos se acuerda por escrito antes de transferir nada.

Ahora mismo no, y no publicamos puestos que no estén financiados. La página de empleo describe los cuatro perfiles que el estudio va a necesitar, para que puedas juzgar si un correo espontáneo merece tu tiempo. Se leen y se responden.

Pruebas de razonamiento más que una lista de herramientas. Un problema que resolviste bien —qué lo hacía difícil, qué falló y cómo supiste que la respuesta final era correcta— nos dice más que un currículum entero.

No hay un programa formal. Los estudiantes que escriben con una pregunta técnica concreta sobre el trabajo reciben una respuesta real, y así han empezado la mayoría de las conversaciones útiles hasta ahora.