Hospital de Talavera · SESCAM
Sirena: apoyo a la clasificación clínica en códigos CIE con modelos especializados.
LenguajeNatural.AI
Construimos sistemas de IA que pasan de prototipo a producción en contextos exigentes.
Diseñamos, entrenamos e integramos agentes, RAG, modelos propios, APIs y software a medida para organizaciones que necesitan precisión, seguridad y resultados reales.
- TerapIA
- ErudIA
- Sirena
- RigoBERTa
- Voice AI
- Desde 2018 trabajando en IA aplicada
- Producto propio publicado y sistemas para terceros
- Salud, educación, industria y producto digital
- Modelos propios, RAG híbrido, agentes y Voice AI
Trabajo aplicado
Salud, educación, industria y producto digital con problemas reales encima de la mesa.
Cuando no podemos mostrar materiales internos por confidencialidad, enseñamos el problema, la arquitectura y el tipo de resultado obtenido.
IES Doctor Lluís Simarro
ErudIA: agentes educativos, RAG híbrido y panel de administración.
IES Ribera del Tajo
Sirena: transferencia de conocimiento clínico con alumnado.
SGS
Extracción estructurada de tests químicos desde documentación técnica.
Turing Challenge
Sistema multiagente para documentación normativa e industrial.
PsicoSoft
API conversacional y capa realtime de voz a voz en producto.
Ecopuertos
IE University
Nos llaman cuando
El problema ya no es probar IA, sino hacer que funcione dentro de una organización.
Hay una demo que convence en presentación, pero falla cuando entran datos y usuarios reales.
Ordenamos alcance, criterios de calidad, arquitectura y riesgos antes de seguir invirtiendo.
La documentación existe, pero nadie puede consultarla de forma fiable y trazable.
Diseñamos recuperación, filtros, fuentes, evaluación y agentes que trabajan con conocimiento interno.
El equipo no sabe si necesita RAG, fine-tuning, agentes o simplemente mejor software alrededor.
Comparamos alternativas y elegimos la solución que encaja con el problema, no con la moda.
La IA debe integrarse con producto, API, backend, permisos o flujos ya existentes.
Construimos la capa operativa para que el sistema pueda usarse, medirse y mantenerse.
Casos destacados
Proyectos donde la IA no se queda en demo ni en experimento.
Enseñamos sistemas que han tenido que convivir con usuarios, documentación real, restricciones de dominio y objetivos operativos concretos. En los casos confidenciales mostramos el enfoque técnico y el problema resuelto.
Educación
IES Doctor Lluís Simarro de Xàtiva
ErudIA
Ecosistema educativo operativo conectado a materiales reales, perfiles de usuario y panel de administración.
EstadoSistema desplegado con vocación de producto
StackModelos propios, embeddings, RAG híbrido, agentes, backend IA, backend web, frontend y dashboard.
RestricciónMateriales heterogéneos, perfiles distintos, trazabilidad por asignatura y control del centro.
ResultadoConvierte materiales, asignaturas y procesos internos en asistencia diaria para profesorado y alumnado.
- Problema
- Construir un ecosistema de IA útil para un centro educativo real, con materiales, evaluaciones, procesos y perfiles de usuario muy distintos.
- Solución
- Agentes especializados para casuísticas concretas del centro, apoyados en modelos propios, RAG híbrido, backend, frontend web y panel de administración.
Salud
Hospital de Talavera de la Reina + IES Ribera del Tajo
Sirena
EstadoProyecto aplicado, finales de 2024
StackModelos propios en español, RAG, generación de datos sintéticos y afinado con médicos.
RestricciónDominio sanitario, códigos CIE, precisión, contexto clínico y supervisión humana.
ResultadoApoyo especializado para agilizar una tarea clínica compleja sin sustituir el criterio profesional.
- Problema
- Ayudar en la clasificación de casos clínicos en códigos CIE dentro de un dominio donde la precisión y el contexto importan mucho.
- Solución
- Sistema con IA propia y RAG afinado junto a médicos, planteado además como proyecto de transferencia de conocimiento.
- Impacto
- Apoyo clínico especializado para una tarea de clasificación compleja, con colaboración médica y transferencia educativa.
Industria / documentación técnica
SGS + Turing Challenge
Extracción estructurada de tests químicos
EstadoProyecto confidencial aplicado
StackSistema multiagente, base documental, reglas de negocio y outputs estructurados.
RestricciónDocumentación normativa, procedimientos químicos, precisión y estructura de salida.
ResultadoTransforma documentación técnica densa en datos consistentes para procesos posteriores.
- Problema
- Leer documentación técnica densa, localizar los ensayos químicos relevantes y convertir ese contenido en datos fiables y explotables.
- Solución
- Sistema multiagente con base documental, reglas de negocio y salidas estructuradas listas para integrarse en el flujo operativo del cliente.
- Impacto
- Documentación técnica convertida en salidas estructuradas para acelerar trabajo operativo.
Proyecto confidencial: mostramos el enfoque técnico, no materiales internos.
Producto digital
PsicoSoft
Conversational AI API
EstadoInfraestructura integrada en producto
StackAPI conversacional, endpoints reutilizables e IA generativa textual empaquetada como servicio.
RestricciónReutilización, integración con sistemas existentes, consistencia de respuesta y mantenimiento.
ResultadoPermite incorporar capacidades generativas en distintos productos sin rehacer la arquitectura desde cero.
- Problema
- Integrar IA generativa en varios productos ya existentes sin depender de soluciones improvisadas o difíciles de reutilizar.
- Solución
- API conversacional con distintos endpoints para convertir la capacidad de IA en infraestructura reusable dentro de una oferta real.
- Impacto
- Infraestructura reutilizable para incorporar IA generativa en productos existentes.
Proyecto confidencial: mostramos arquitectura y tipo de sistema, no interfaces ni materiales del cliente.
Simulación / Voice AI
PsicoSoft
Sistema realtime de voz a voz
EstadoCapa realtime para producto de simulación
StackVoz a voz, API realtime, lógica conversacional e integración orientada a baja latencia.
RestricciónLatencia, fluidez conversacional, percepción del usuario final e integración en producto.
ResultadoAumenta naturalidad y valor percibido en experiencias de simulación con interacción oral.
- Problema
- Elevar la naturalidad de la interacción oral dentro de un producto de simulación con exigencia de tiempo real.
- Solución
- Capa conversacional de voz a voz integrada en producto, con lógica de interacción natural y arquitectura orientada a realtime.
- Impacto
- Interacción oral más natural en producto de simulación, con foco en latencia y experiencia de usuario.
Proyecto confidencial: mostramos el tipo de sistema y el alcance técnico, no el producto final.
Servicios y capacidades
Podemos cubrir todo el ciclo de un sistema de IA: del modelo al software que lo pone a trabajar.
Entrenamos modelos cuando hace falta, diseñamos bases documentales y RAG, construimos agentes, APIs, voz, backend, frontend y dejamos el sistema listo para operar dentro de la organización.
Arquitectura, estrategia y validación
Cuándo entramos
Cuando el problema todavía está difuso o una decisión temprana puede hipotecar el proyecto.
Qué resolvemos
Aterrizamos el caso, delimitamos alcance, elegimos arquitectura y ordenamos qué merece construirse primero.
Qué entregamos
Diagnóstico técnico, decisiones de stack, criterios de evaluación, riesgos y roadmap de implementación.
Modelos, fine-tuning y adaptación al dominio
Cuándo entramos
Cuando no basta con usar un modelo generalista y hace falta especializar comportamiento, datos o evaluación.
Qué resolvemos
Entrenamos, ajustamos y evaluamos modelos para tareas concretas, dominios sensibles o necesidades de precisión superiores a la media.
Qué entregamos
Pipelines de entrenamiento, fine-tuning, evaluación, datasets curados y criterios de despliegue.
Bases documentales, RAG y agentes
Cuándo entramos
Cuando hay conocimiento disperso, documentación compleja o procesos que requieren consultar, decidir y actuar con precisión.
Qué resolvemos
Construimos sistemas que recuperan contexto útil, aplican reglas de negocio y activan agentes especializados para tareas concretas.
Qué entregamos
BBDD documentales, RAG híbrido, agentes, structured outputs, evaluación y capas de negocio sobre documentación real.
Producto, APIs, voz e integración
Cuándo entramos
Cuando la IA tiene que convivir con usuarios, software existente, requisitos de producto y operación diaria.
Qué resolvemos
Llevamos el sistema hasta una capa usable: backend, frontend, APIs, voz, paneles y lógica de integración pensada para producción.
Qué entregamos
Servicios backend, endpoints, experiencias conversacionales, voice AI, interfaces y software listo para desplegar.
Método
De diagnóstico a producción, con riesgos y decisiones visibles.
Un proyecto serio de IA no se compra como una demo. Se acota, se prueba, se evalúa, se integra y se mantiene.
Diagnóstico
Caso, datos, usuarios, restricciones, riesgos y objetivo de negocio.
Arquitectura
Decisión entre RAG, agentes, modelos, API, software, seguridad y mantenimiento.
Prototipo evaluable
Prueba con datos reales, criterios de calidad y límites explícitos.
Integración
Backend, frontend, endpoints, permisos, paneles y flujos internos.
Evaluación y hardening
Métricas, trazas, regresiones, supervisión humana y control de fallos.
Producción y evolución
Despliegue, soporte, monitorización, mejora continua y nuevas capacidades.
Por qué LenguajeNatural.AI
Investigación aplicada, producto propio y desarrollo para terceros dentro del mismo equipo.
Esa combinación se nota en cómo planteamos arquitectura, experiencia de uso, integración y mantenimiento cuando un sistema tiene que convivir con personas, procesos y software existente.
Producto propio en producción
TerapIA nos obliga a resolver privacidad, soporte, evolución de producto y experiencia de uso con la exigencia de quien mantiene un sistema vivo.
- App publicada
- Privacidad y UX
- Soporte y evolución
Investigación aplicada y ejecución real
La base técnica viene de investigación, entrenamiento de modelos y desarrollo serio, pero siempre con foco en sistemas que acaban funcionando en contextos reales.
- NAACL 2022
- BioMedIA
- Modelos en español
Construcción e integración completa
Podemos entrar en arquitectura, desarrollo, integración y operación para que la IA encaje con el software existente y con el flujo real del equipo.
- APIs
- Backend y frontend
- Voice AI y paneles
Productos propios
Además de desarrollar para terceros, lanzamos y mantenemos producto propio.
Tener productos en marcha obliga a resolver privacidad, soporte, evolución, UX y operación con responsabilidad. Esa experiencia acaba reflejándose en cada sistema que construimos para otras organizaciones.
Producto propio en producción
TerapIA
Aplicación de salud mental desarrollada junto a psicólogos clínicos. Lleva más de dos años en uso y está publicada en App Store y Google Play desde noviembre de 2024.
- Desarrollo propio
- Producto ya en mercado
- Experiencia en privacidad, UX y operación
Producto en desarrollo
Próximamente
YoContigo
Nueva solución orientada a acompañar a cuidadores y familias que conviven con Alzheimer y otras demencias. Un producto diseñado para estar cerca de un contexto especialmente delicado.
- Impacto social positivo
- Tecnología con propósito
- Próximo lanzamiento
Trayectoria y autoridad
Alejandro Vaca Serrano
Alejandro Vaca Serrano dirige LenguajeNatural.AI y combina investigación aplicada, charlas técnicas en congresos y universidades, y sistemas desplegados en producción. Ese recorrido permite entrar en proyectos complejos con criterio técnico, velocidad y capacidad real de ejecución.
Producto propio en mercado
Haber lanzado y mantenido producto propio aporta criterio real sobre soporte, mantenimiento, UX y evolución.
Trabajo en dominios exigentes
Salud, educación y documentación técnica obligan a entender el problema con precisión antes de construir nada.
Capacidad de punta a punta
Podemos entrenar, construir, integrar y dejar el sistema listo para que el equipo lo opere o lo amplíe.
Reconocimientos
-
-
-
-
Charlas y divulgación
- AFI DataTalks — Transformación empresarial con modelos de lenguaje
- SomosNLP Hackathon 2024 — Entrenamiento de instrucciones para LLMs
- SpainAI Webinars — Modelos del estado del arte en español
- SpainAI / SomosNLP — RLHF, LLMs y tecnologías detrás de ChatGPT
Divulgación
Blog, webinars y podcast para seguir la parte pública del trabajo.
Además de los proyectos y productos, mantenemos una línea de contenidos donde compartimos aprendizajes, decisiones técnicas y conversaciones sobre inteligencia artificial aplicada.
Blog
Artículos y actualizaciones sobre productos, modelos, lanzamientos y trabajo técnico reciente.
Ir al blogWebinars
Charlas técnicas y seminarios donde compartimos enfoques, modelos y experiencias de implementación.
Ver webinarsPodcast
Conversaciones sobre inteligencia artificial, carrera profesional y cómo llevar esta tecnología al mundo real.
Escuchar podcastPreguntas frecuentes
Preguntas habituales antes de hablar.
¿Con qué tipo de proyecto soléis encajar mejor?
Podemos asumir casi cualquier capa de un proyecto de IA: entrenamiento y adaptación de modelos, bases documentales, RAG, agentes, extracción estructurada, voz, APIs, backend, frontend y software a medida.
¿Podéis trabajar con nuestro equipo o llevar el proyecto end-to-end?
Las dos cosas. Podemos entrar como apoyo de arquitectura y ejecución para un equipo ya existente, o asumir el desarrollo completo cuando el caso lo pide.
¿Tenéis experiencia en contextos sensibles o regulados?
Sí. Buena parte del trabajo más sólido de LenguajeNatural.AI está precisamente en salud, educación y documentación técnica compleja, donde la precisión, el contexto y la responsabilidad importan más.
¿Trabajáis con datos sensibles o documentación confidencial?
Sí, siempre que el caso tenga sentido y se pueda plantear con límites claros. Revisamos privacidad, acceso a datos, trazabilidad, roles, supervisión y qué información puede o no puede salir de la organización.
¿Podéis auditar una solución de IA ya construida?
Sí. Podemos revisar arquitectura, prompts, retrieval, evaluación, costes, riesgos, UX, integración y mantenimiento para decidir si conviene endurecer, rehacer o simplificar.
¿Qué ocurre después del despliegue?
Un sistema de IA vivo necesita seguimiento. Podemos dejar métricas, trazas y criterios de mejora, o acompañar mantenimiento, hardening y evolución funcional tras la primera versión.
¿También hacéis formación para empresas?
Sí. Diseñamos formación técnica y ejecutiva para equipos que necesitan decidir mejor qué hacer con IA, cómo desplegarlo y cómo ganar autonomía interna.
¿Qué rango de proyecto suele tener sentido?
Suele tener sentido cuando hay un problema real, datos o flujos concretos y capacidad para probar con usuarios. En la primera conversación acotamos si conviene diagnóstico, prototipo, formación o un proyecto completo.
¿Cuál suele ser el primer paso si queremos hablar?
Lo normal es una primera conversación breve para entender el problema, el contexto y el nivel de urgencia. A partir de ahí vemos si conviene hacer diagnóstico, propuesta de proyecto, formación o simplemente no avanzar.
Contacto
Cuéntanos qué queréis construir, revisar o llevar a producción.
Revisamos el contexto y te diremos con claridad si podemos aportar, qué primer paso tiene sentido y qué riesgos conviene mirar antes de invertir más.
- Proyecto de IA para empresa o institución
- Sistemas documentales, RAG, agentes o voz
- Formación técnica para equipos
- Información sobre productos o colaboraciones
También puedes escribir directamente a alejandro.vaca@lenguajenatural.ai