Obsigen AI — Cómo Funciona

Pipeline

Cinco Pasos hacia Resultados

Comprender

Analizar la solicitud y seleccionar la estrategia óptima.

Planificar

Descomponer en pasos y elegir herramientas.

Ejecutar

Ejecutar acciones en entornos controlados.

Verificar

Patrones crítico/tester o verificación Enjambre.

Entregar

Salida final — informe, SOP, presentación, plan de acción.

Capa de Conocimiento

RAG — Generación Aumentada por Recuperación

RAG permite a Obsigen responder usando su conocimiento, reduciendo alucinaciones y mejorando trazabilidad.

Pipeline RAG Recomendado

Ingesta: SOPs, políticas, documentos ERP, tickets
Procesamiento: Parsing → chunking → enriquecimiento de metadatos
Incorporación: Vectores semánticos para recuperación rápida
Almacenamiento: BD vectorial alojada en la UE
Recuperación: Top-k + filtros ACL
Generación: Respuesta fundamentada + fragmentos de evidencia

Fuente RAG	Contenido Ejemplo	Resultado de Negocio
ERP / MRP	BOMs, rutas, stocks, lead times	Planificación más rápida
SOC KB	Runbooks, detecciones, historial	Triaje más rápido
CRM / E-Commerce	Info de productos, precios	Mejores próximas acciones
SOP / ISO	Procedimientos, auditorías	Consistencia + evidencias de auditoría

Personalización

IA Entrenable — Fine-Tuning

El fine-tuning adapta Obsigen a su terminología, tono y patrones de proceso.

Postura de Entrenamiento Segura en la UE

Entrenar solo con datasets aprobados
Mantener datos de entrenamiento en almacenamiento EEE
Añadir puertas de evaluación antes del despliegue

Método	Óptimo Para	Notas
SFT / Instruction Tuning	Respuestas consistentes en el "estilo de la casa"	Requiere ejemplos curados
Adaptadores LoRA	Especialización coste-efectiva	Variantes por tenant o equipo
Preference Tuning	Alineamiento con estándares internos	Usa salidas clasificadas
Tool-Use Tuning	Mejor planificación/ejecución	Mejora fiabilidad del agente

Infraestructura

Construido sobre fundamentos probados y soberanos.

Un stack pragmático elegido por residencia de datos EEE, independencia de proveedor y auditabilidad — no por el ciclo de charlas de conferencias. Versiones exactas y componentes relevantes para CVE se comparten bajo NDA con compradores serios.

Inferencia EEE

LLMs de pesos abiertos corriendo en infraestructura GPU europea. Acelerado por NVIDIA, con opciones on-prem y sovereign-cloud.

Containerizado, portátil

Docker y Kubernetes en todo. La misma imagen corre en AWS, GCP, Azure, OVHcloud, Hetzner — o tu propio datacenter. Sin sorpresas de lock-in.

Ejecución en sandbox

Las llamadas de herramientas corren dentro de sandboxes aislados y efímeros. Egress de red en allow-list. Log de auditoría en cada acción — escrito en tus servidores, no en los nuestros. No guardamos nada del run.

Búsqueda web privada

Meta-búsqueda auto-hosteada por defecto — ninguna telemetría de query deja el EEE. Proveedores premium bajo petición, contratados bajo SCCs UE.

Datos y vector store EEE

Almacenamiento de documentos en Varsovia, embeddings en vector DB con row-level security. BYO-key (KMS / HSM) soportado para sectores regulados.

Auditable — en tu tenant

Cada prompt, llamada de herramienta, retrieval y decisión de política se loggea en tu storage, bajo tus claves, con tu retención. Proporcionamos las primitivas de auditoría; tú tienes los datos. EU AI Act Article 12 ready · SIEM-friendly (JSON / OTLP).

Versiones exactas, componentes relevantes para CVE y detalles de aislamiento tenant se comparten bajo NDA — ver Seguridad.

Cómo Funciona