Agencia de inteligencia artificial en Colombia

Coresis es una empresa de ingeniería de software en Colombia que trabaja con inteligencia artificial como una capacidad más del stack. La diferencia frente a una agencia de IA reciente está en el punto de partida: llegamos desde la integración con sistemas en producción — portales institucionales, intranets, plataformas con datos sensibles y requisitos de trazabilidad — y no desde la construcción de prototipos.

Eso condiciona cómo diseñamos: antes de elegir un modelo revisamos qué proceso se quiere resolver, qué sistemas hay que tocar, qué datos pueden salir del perímetro y cómo se va a medir el resultado.

Un equipo de ingeniería con plataformas críticas en producción

La credibilidad de una agencia de IA en Colombia no debería medirse por la cantidad de herramientas que menciona, sino por si ha sostenido sistemas reales en el tiempo. Coresis ha implementado y sostenido plataformas para el Ministerio de Vivienda, el ICBF, la USPEC, la ICDE, el Metro de Bogotá y la Corporación Colombia Digital, entre otras organizaciones.

Ese recorrido es el que aporta el criterio que un proyecto de IA necesita: integración con sistemas heredados, control de cambios, ambientes de validación y una idea realista de lo que cuesta operar algo después de lanzarlo. Puedes revisar el detalle en nuestro portafolio.

Qué construimos

• Agentes de IA integrados: asistentes que consultan y actúan sobre CRM, ERP, bases de datos y APIs propias. La explicación técnica completa está en agentes de inteligencia artificial.
• Automatización de procesos: flujos que reemplazan tareas manuales repetitivas, con reglas donde las reglas bastan y modelo de lenguaje solo donde aporta.
• Bases de conocimiento con RAG: respuestas apoyadas en documentación propia, versionada y actualizable por el equipo del cliente.
• Grafos de conocimiento: cuando el dominio tiene entidades y relaciones que una búsqueda por similitud no captura bien, podemos modelarlo como grafo para que el agente razone sobre relaciones y no solo sobre fragmentos de texto.
• Integraciones e interoperabilidad: conexión con los sistemas existentes, que suele ser la parte que define el plazo real del proyecto.

La restricción de datos define el diseño

En banca, salud y sector público la pregunta que ordena el proyecto no es qué modelo usar, sino qué datos pueden salir de la infraestructura. Por eso trabajamos con orquestación en n8n, que puede autoalojarse, y con modelos abiertos desplegados en infraestructura propia cuando la sensibilidad o el volumen lo justifican. Para construir y versionar agentes y bases de conocimiento usamos Dify, como en Labbu. Cuando el trabajo delegado exige reintentos, recuperación ante fallos parciales y evidencia de cada paso, lo ejecutamos sobre AquilaMesh, nuestro runtime propio. Si el caso pide un sistema multiagente sin plataforma de por medio, trabajamos con CrewAI o con desarrollos a medida sobre LangChain. La elección depende del caso, no de la preferencia.

Cuando se usan modelos comerciales por API esa garantía no aplica, y es algo que conviene decidir de forma explícita al inicio y no descubrir al final.

Cómo elegimos el stack: la licencia también es una decisión técnica

Buena parte de las herramientas de IA que se presentan como «open source» no lo son en sentido estricto. Tienen código disponible, pero con restricciones que importan justo cuando el proyecto crece. Conviene revisarlo antes de construir, no después.

• Dify se distribuye bajo una versión modificada de Apache 2.0 que no permite operar un entorno multi-inquilino sin autorización escrita, ni retirar su marca de la consola. Para un producto interno no supone problema; para un SaaS que atienda a varias organizaciones, sí.
• n8n usa la Sustainable Use License: permite uso interno, pero no ofrecerlo como servicio comercial a terceros. Sus funciones enterprise requieren licencia aparte.
• CrewAI y LangChain sí son MIT, sin esas restricciones.
• Los modelos comerciales por API imponen además sus propias condiciones sobre datos y uso.

No es un argumento contra ninguna herramienta — usamos varias de ellas. Es que la licencia condiciona el modelo de negocio del cliente, y esa conversación conviene tenerla al elegir el stack y no cuando el producto ya está en producción.

Proyectos con componentes de IA

Coresis construye con IA en sus propios productos antes de proponerlo a un cliente. Estos son los proyectos en operación:

• Labbu: asistentes que redactan cuentas de cobro y documentos de contratación laboral a partir del contrato cargado. Agentes y flujos construidos con Dify, sobre Drupal 11.
• Lummiere: plataforma de gestión hotelera con reserva conversacional por WhatsApp y Telegram. El asistente interpreta la intención del huésped pero ejecuta solo herramientas controladas: disponibilidad, cotización, bloqueo, pago y confirmación.
• AquilaMesh: runtime propio de Coresis para orquestación multiagente y ejecución durable. Está en preview y opera hoy su primer consumidor.
• Actas.app: solución para actas en entidades públicas. Se usaron agentes de IA durante el desarrollo para acelerar la implementación.
• Future Sciences: medio editorial propio donde usamos IA generativa para producir contenido a escala, con SEO técnico y arquitectura multiidioma.

Cómo trabajamos con una organización

1. Diagnóstico del proceso: qué se hace hoy, cuánto tarda, dónde se pierde tiempo y si es medible. Si no lo es, el primer entregable es la medición.
2. Caso de uso acotado: uno solo, con criterio de éxito definido antes de empezar.
3. Piloto medible: contra la línea base del proceso, no contra una expectativa.
4. Producción y operación: monitoreo, mantenimiento de la base de conocimiento y ajuste continuo.

Qué exigirle a una agencia de IA en Colombia

• Que empiece por el proceso y no por la herramienta.
• Que sea explícita sobre dónde quedan los datos y con qué modelo.
• Que separe los tres costos: construcción, consumo y operación.
• Que defina cómo se mide el resultado antes de construir.
• Que pueda mostrar sistemas sostenidos en el tiempo, no solo demostraciones.
• Que deje la operación en manos del equipo interno cuando el cliente lo quiera.

Preguntas frecuentes

¿Qué hace exactamente una agencia de inteligencia artificial?

Debería hacer tres cosas: identificar qué procesos justifican una solución con IA y cuáles no, construir e integrar la solución con los sistemas que ya operas, y dejarla medida y mantenible. Si una propuesta empieza por la tecnología y no por el proceso, conviene revisarla.

¿Coresis es una agencia de IA o una empresa de ingeniería?

Es un equipo de ingeniería de software que trabaja con IA como una capacidad más del stack. La diferencia práctica es el punto de partida: llegamos desde la integración con sistemas en producción, no desde la construcción de prototipos.

¿Pueden garantizar que los datos no salgan de nuestra infraestructura?

Depende del diseño. La orquestación con n8n puede autoalojarse y los modelos abiertos pueden desplegarse en infraestructura propia, lo que permite que los datos sensibles no salgan del perímetro. Con modelos comerciales por API eso no aplica, y hay que decidirlo caso por caso.

¿Cuánto cuesta trabajar con una agencia de IA en Colombia?

El costo se separa en construcción (puntual, depende de cuántos sistemas hay que integrar), consumo por interacción con el modelo (variable) y operación (recurrente, suele subestimarse). Entregamos el estimado por fases después del diagnóstico inicial.

¿Trabajan con entidades públicas?

Sí. Coresis S.A.S. está constituida en Colombia y ha ejecutado plataformas para entidades nacionales y distritales. Podemos participar en procesos de contratación pública y ajustarnos a los requisitos de supervisión y entrega de la entidad.

¿Por dónde empieza un proyecto?

Por un diagnóstico del proceso, no por el modelo. Si el proceso no se puede medir hoy, el primer entregable útil es la medición. A partir de ahí se define un caso de uso acotado, se prueba y solo después se lleva a producción.