Infraestructura RAG privada y offline — los documentos internos de Sandra G Design se convierten en una base consultable en lenguaje natural, sin que ningún dato salga del dispositivo.
No es un chatbot conectado a la nube ni un buscador de palabras clave. Es una infraestructura de conocimiento privada que vive en un dispositivo local y responde preguntas sobre documentación interna con citas al documento y página de origen.
Cada módulo tiene un entregable claro y se puede verificar de forma independiente.
Instalación, configuración y benchmarking del LLM open-source sobre el hardware del cliente. El objetivo es seleccionar el modelo que mejor equilibra calidad de respuesta y velocidad en el dispositivo disponible.
El sistema acepta PDF, DOCX y TXT. Cada documento se parsea, se divide en chunks semánticos y se indexa en la base vectorial local con sus metadatos de origen (nombre de archivo, página, sección).
El núcleo del sistema. Cada respuesta incluye las referencias exactas (documento, página) que la sustentan. El usuario puede verificar cualquier afirmación directamente en el documento original.
UI orientada a un profesional no técnico. Sin instalaciones complejas, sin comandos de terminal. El usuario carga documentos, hace preguntas y ve las respuestas con sus fuentes.
La privacidad es requisito de negocio, no un añadido. La base vectorial se cifra en reposo, cada consulta queda registrada y el acceso al sistema está controlado.
El sistema se entrega listo para operar de forma autónoma y con base suficiente para convertirse en producto comercial.
Cada fase produce un estado del sistema que el cliente puede revisar y validar antes de avanzar. Ritmo: 3 días/semana en las oficinas del cliente · 8 semanas · 24 días efectivos.
Entorno configurado, modelo seleccionado, pipeline de ingesta operativo sobre documentos reales del cliente.
Base vectorial pobladaCadena RAG funcional con respuestas citadas. Validación sobre preguntas reales del equipo.
RAG validadoInterfaz de usuario operativa. Base vectorial cifrada. Log de consultas activo. Control de acceso.
Sistema usableTests de carga y edge cases, documentación completa, manual de uso y roadmap de producto.
Entrega finalCada entregable es autónomo y verificable por el cliente de forma independiente.
Modelo open-source corriendo en el hardware del cliente, sin dependencia de APIs externas.
Documentos indexados con embeddings locales, cifrada en reposo y con metadatos de origen preservados.
Cadena de consulta que responde en lenguaje natural con referencia exacta a documento y página.
UI local operativa para carga de documentos, búsqueda e historial. Sin comandos de terminal.
Cifrado en reposo, log de consultas estructurado y control de acceso básico implementados.
Arquitectura, decisiones de diseño, guía de mantenimiento y manual de uso para el equipo.
Pasos concretos y arquitectura recomendada para escalar el sistema a producto comercial o SaaS.
400 €/día × 24 días · 3 días/semana durante 8 semanas. Precio competitivo para un perfil de ingeniería AI/LLM especializado en sistemas locales y RAG, donde el mercado español está en 700-1.000 €/día.
2.880 € + IVA para reservar las fechas de inicio. A partir de aquí se acuerda el calendario exacto de presencia (3 días/semana · 8 semanas).
Especificaciones del dispositivo donde correrá el sistema (RAM, CPU/GPU, SO) y un lote de documentos representativos para calibrar el pipeline de ingesta en la Fase 1.
Arranque en las oficinas del cliente. La Fase 1 entrega la base vectorial poblada con documentos reales en los primeros 10 días de trabajo efectivo.