Veinticinco preguntas, respondidas en detalle.
¿Qué hace LookAit?
LookAit es una consultora de inteligencia en negocios con base en Córdoba, Argentina, que trabaja en remoto con empresas de América, el Reino Unido y Europa. Reconstruimos la arquitectura de datos de empresas que ya manejan grandes volúmenes, y construimos sistemas de punta a punta en Google Cloud — de la extracción al tablero — que convierten esos datos en decisiones de negocio. Sobre eso aplicamos machine learning e IA para proyectar hacia dónde van esos datos, de modo que la decisión se tome antes de que llegue el cambio y no después.
¿Con quién trabajan?
Empresas, startups y agencias cuyos datos ya están digitalizados y ya son considerables: varias bases, cientos de miles de registros. Nuestro terreno probado es el fintech de alto volumen. El filtro no es el tamaño de la empresa sino que los datos existan en forma utilizable: una empresa chica con datos limpios y estructurados califica; una grande que sigue trabajando en papel, no.
¿Puedo ofrecer servicios de datos a mis clientes sin tener equipo propio?
Sí, y así funciona buena parte de nuestro trabajo. Usted conserva sus contratos y sus relaciones con sus clientes; la nuestra con usted es aparte, y ninguna toca a la otra. La capacidad está de nuestro lado, la relación sigue siendo suya. Una empresa de ciberseguridad trabaja así con nosotros desde hace tres años, tanto sobre su propia operación como sobre el servicio que entrega a sus clientes.
¿Aparecen ustedes ante mi cliente o trabajan por detrás?
Como usted lo necesite. Algunos socios nos presentan como parte del equipo; otros trabajan con nosotros completamente en el anonimato, que suele ser el caso en mercados sensibles. La decisión es suya, no nuestra, y puede cambiar de un proyecto a otro.
¿Qué pasa con la confidencialidad de los datos de mis clientes?
Se respeta exactamente como está. Trabajamos en una industria donde eso no se negocia, y sabemos manejar datos bajo esas condiciones. Lo que construimos pertenece a quien lo encargó, y podemos montarlo dentro de sus propias cuentas de nube, de manera que los datos, los sistemas y el control nunca salgan de su lado.
¿Trabajan con varias consultoras a la vez?
Sí, incluso del mismo rubro. Cada relación es su propio contrato y su propio espacio de trabajo, y nada se cruza entre ellas.
¿Conviene contratar un data scientist o incorporar un equipo externo?
Querer contratar es razonable. Lo que conviene sopesar es qué necesita realmente el primer tramo: un analista, un ingeniero de datos y un científico de datos suelen ser tres personas distintas, y una sola incorporación cubre a una de ellas. Con nosotros ese equipo está disponible desde el primer mes, con presupuesto cerrado, sin reclutamiento, sin búsqueda de perfiles y sin el riesgo de no dar con el indicado. Y si el área crece hasta justificar un equipo interno, lo que construimos son los cimientos sobre los que se apoya: tecnología de vanguardia, documentada, y entregada con nuestros equipos acompañando a los suyos hasta que la responsabilidad sea enteramente de ellos.
Ya tengo equipo técnico. ¿Ustedes lo reemplazan?
No: trabajamos junto a él. Llamadas, reuniones, trabajo compartido. Somos fundamentalistas del cowork, porque un proyecto así se alimenta de devoluciones. Las reglas de su negocio viven en su gente, y no hay forma de aprenderlas desde afuera.
¿Cuánto dura un proyecto?
Un ciclo completo lleva de tres a ocho meses según la complejidad. El diagnóstico inicial — el primer entregable — toma alrededor de dos semanas.
¿Cuánto cuesta?
Cada sistema es a medida, así que el presupuesto se cierra después del diagnóstico, que define alcance, etapas y un precio fijo. Una parte se paga al inicio y el resto contra entrega. Después seguimos monitoreando lo que construimos: nuestra relación continúa.
¿Qué me llevo si el diagnóstico no me convence?
El diagnóstico mismo. Es suyo, siga o no siga: los hallazgos, el mapa del modelo de datos, las métricas que validamos juntos. En la práctica rara vez termina ahí, porque el diagnóstico es una etapa de ida y vuelta: cruzamos lo que encontramos con lo que usted ya percibe de su propio negocio, y ese intercambio suele abrir preguntas que nadie se había hecho.
¿Y si no encuentran nada en mis datos?
Entonces el producto es más chico, y eso también es un resultado válido. Puede ser una proyección, o un reporte que monitoree cómo se comporta una herramienta específica y qué fallas se repiten. El trabajo crece hasta donde los datos lo justifican, y no más.
¿Qué accesos necesitan a mis sistemas?
Solamente los que el trabajo requiere, y siempre con credenciales que usted crea y autoriza. Usted decide qué compartir y qué reservarse. Conviene saber la contrapartida: cuanto más variada sea la materia prima, más encontramos, porque la mayoría de los hallazgos salen de cruzar fuentes que nunca habían estado una al lado de la otra.
¿Cómo sé si mi empresa tiene oportunidades escondidas en sus datos?
Por lo general no se sabe, y ése es justamente el punto. Un ejemplo real: cruzando cantidad de clientes contra capacidad de crédito sobre un mapa, una localización aparecía como un punto muy chico y muy sano, rodeada de otros mucho más grandes y en problemas. Nadie estaba mirando ahí. Esa lectura salió de un hábito de ingeniería industrial — preguntarse qué parte del proceso de negocio conviene abrir antes de mirar nada — y no de los datos por sí solos. El resultado está en nuestros casos.
¿Qué tecnologías usan?
Trabajamos sobre Google Cloud Platform — BigQuery, Vertex AI, Cloud Storage y Looker — con Python y SQL para procesamiento, machine learning e IA. También construimos sistemas de agentes de IA.
¿Necesito tener los datos ordenados antes de empezar?
No: ordenarlos es parte del trabajo. Lo que sí necesita son datos, digitalizados y con volumen suficiente como para que valga la pena minarlos. La limpieza, la arquitectura y el análisis corren por nuestra cuenta.
¿Construyen IA y agentes?
Sí. Más allá del análisis y los tableros, aplicamos machine learning e IA sobre sus datos y construimos sistemas de agentes integrados a sus procesos.
¿Pueden controlar costos de nube desbordados?
Sí. Una arquitectura de datos deficiente es la causa más común de una factura de nube desbordada. Reconstruir cómo se almacenan, procesan y consultan los datos puede recortar ese costo de forma drástica sin perder precisión.
¿Cuánto cuesta armar un área de datos desde cero?
Tres sueldos, el reclutamiento, los meses que lleva encontrar a las personas indicadas y el riesgo de que alguna no lo sea. Del otro lado hay un presupuesto cerrado y un equipo ya trabajando. Cuál tiene sentido depende de cuánto trabajo de datos tiene por delante: ésa es la pregunta que conviene responder primero.
¿Trabajan con empresas de otros países?
Sí. El trabajo es remoto y los únicos puntos fijos son las reuniones: de una a dos horas por vez, planificadas con anticipación, sobre todo en las etapas de validación. Los horarios se acuerdan entre ambos equipos, y facturamos desde Argentina.
¿Qué pasa cuando termina el contrato?
Termina el contrato; la relación no. Cada trabajo se presupuesta por separado, así que no hay nada que lo ate al siguiente. Seguimos monitoreando lo que construimos, y cuando quiera ampliarlo, eso es trabajo nuevo con su propio alcance y su propio precio.
¿Qué pasa después de la entrega?
Entregamos el proyecto completamente documentado y seguimos monitoreando cómo funciona a medida que sus datos crecen. Vuelve a pagar sólo cuando decide ampliarlo.
¿Construyen tableros y portales de datos a medida?
Construimos el stack completo. Una empresa con registros de transacciones, datos de sensores o información de CRM puede terminar con un portal que los ingiere, los modela y los devuelve como una superficie de decisión en vivo — no un reporte estático que alguien exporta los viernes. Las demos de este sitio son software que construimos y operamos nosotros mismos, sobre el mismo stack.
¿Cuál es la diferencia entre una consultoría de BI y desarrollar software basado en datos?
Una consultoría de BI se conecta a datos que ya existen y ayuda a leerlos. Eso también lo hacemos. La diferencia es cuando los datos no llegan en una forma utilizable, o cuando el resultado tiene que ser un producto y no un reporte: un portal para clientes, una herramienta de monitoreo, un motor de scoring. Eso es software, y lo construimos de punta a punta, desde el modelo de datos hasta la interfaz.
¿Construyen el software o sólo la estrategia?
Los dos, en ese orden. La estrategia sin implementación es una presentación. Diagnosticamos, diseñamos y construimos — y seguimos involucrados después de la entrega, monitoreando lo que construimos. Los casos de este sitio son sistemas corriendo en producción, no recomendaciones que quedaron en un documento.