De la investigación al negocio: así convierte Komorebi AI el conocimiento científico en impacto real

Dar el salto de la investigación avanzada al negocio con impacto real no es habitual. Pero eso es, precisamente, lo que hizo Komorebi AI.

La compañía, especializada en inteligencia artificial, machine learning, optimización matemática y ciencia de datos, nació en 2019 como spin-off del Instituto de Ciencias Matemáticas (ICMAT), centro de excelencia Severo Ochoa, donde sus tres fundadores —David Gordo, Alberto Torres Barrán y Víctor Gallego— coincidieron como investigadores.

“Trabajábamos con técnicas novedosas capaces de transformar la operativa de muchos procesos industriales, de negocio y, al mismo tiempo, veíamos que esas empresas no tenían capacidad para desarrollarlas. Nos preguntamos: ¿Y si montamos algo que conecte estos dos mundos?”, cuenta Víctor Gallego, cofundador y Director de Investigación; y así empezó todo.

Desde entonces, la startup ha demostrado que la investigación puede traducirse en impacto tangible, desarrollando soluciones con valor real para compañías de sectores muy diversos, como McDonald’s, PlayStation, Airbus, Cruz Roja, Grupo SM y Quirón Salud, entre otras.

Parte de ese crecimiento se ha apoyado en el ecosistema emprendedor de Madrid Emprende. Komorebi AI desarrolla su actividad desde el vivero de Puente de Vallecas, uno de los siete espacios de su red municipal, donde los emprendedores acceden a servicios gratuitos de asesoramiento, formación y mentoría. “Es una red de seguridad cuando se empieza. Crear una empresa y hacerla crecer es muy difícil. Aquí encuentras un apoyo estructurado que va desde lo más básico, como elaborar un plan de empresa, hasta fases más avanzadas, como la consolidación o la internacionalización”, explica Víctor Gallego.

Con él hablamos sobre cómo llevar la investigación al negocio, los retos de la inteligencia artificial en la empresa y las oportunidades que se abren en este campo, donde Komorebi AI ya tiene clara su hoja de ruta, manteniendo su vínculo con la investigación de vanguardia.

¿EN QUÉ ÁREAS TRABAJÁIS Y QUÉ TIPO DE SOLUCIONES DESARROLLÁIS EN KOMOREBI AI?

Ofrecemos servicios de consultoría, desarrollo e implantación de productos y servicios de ciencia de datos, optimización matemática e inteligencia artificial personalizados para la empresa.

Trabajamos en IA generativa y agentes inteligentes, procesamiento del lenguaje natural (NLP), predicción y análisis de datos, visión artificial y optimización de gemelos digitales. También ofrecemos soporte y mantenimiento para que lo que construimos siga funcionando cuando cambian los datos o el negocio.

¿A QUÉ TIPO DE EMPRESAS OS DIRIGÍS Y EN QUÉ RETOS O PROCESOS VUESTRA TECNOLOGÍA APORTA MÁS VALOR?

Tenemos experiencia en múltiples sectores y nos dirigimos a organizaciones medianas y grandes. Por ejemplo, nuestra experiencia abarca desde arquitecturas NLP (Bestinver, Lefevre, Hospital Puerta del Mar) y modelos predictivos (McDonald’s, PlayStation, Cesvimap, Tres Grifería, Sumauto), hasta la optimización matemática de procesos industriales (Holcim, ASTICAN). Hemos trabajado con visión artificial (Insurmapp, Airbus, Ghop, DGT) e integramos agentes de IA generativa personalizados (Grupo SM, Secure IT, Holcim, etc).

Donde más valor aportamos es en los problemas que las herramientas estándar no resuelven y en soluciones personalizadas y diseñadas a medida.

“Donde más valor aportamos es en los problemas que las herramientas estándar no resuelven y en soluciones personalizadas y diseñadas a medida”

¿PODRÍAS COMPARTIR ALGÚN CASO DE ÉXITO?

Tenemos proyectos en sectores muy distintos, así que vamos a mencionar tres que muestran el rango de lo que hacemos.

Con Holcim, el problema era que gestionaban pedidos de cemento por teléfono. Desarrollamos un asistente multi-idioma que conecta WhatsApp con Salesforce y el ERP. El cliente escribe algo como “quiero un camión de cemento 32.5 para el lunes en Garrucha” y el sistema extrae producto, cantidad, dirección y fecha, valida que sea logísticamente viable, tiene en cuenta festivos, los tiempos mínimos de entrega, etc, y confirma. Si hay dudas, puede hacer hasta tres rondas de preguntas antes de derivar a un agente humano. El 90% de las conversaciones terminan en pedido confirmado en menos de 30 segundos y el 100% de los pedidos confirmados son factibles logísticamente.

Para la DGT, a través de la UTE CTDA León, desarrollamos modelos de visión artificial que detectan si un conductor lleva cinturón o está usando el móvil. El sistema procesa más de 80.000 imágenes por hora y reduce en un 85% el volumen de revisión manual, con un 91% de precisión en la detección de infracciones.

Y con ASTICAN, el astillero líder en reparaciones navales en Canarias, construimos un gemelo digital del astillero completo. Planificar barcos en calles de varada, asignar recursos y decidir qué proyectos aceptar es un puzzle con decenas de restricciones. El gemelo optimiza asignaciones, anticipa necesidades y permite simulaciones what-if: qué pasa si una reparación se retrasa, cómo afecta un nuevo proyecto al calendario.

DESDE VUESTRA EXPERIENCIA, ¿QUÉ ERRORES O EXPECTATIVAS POCO REALISTAS DETECTÁIS CUANDO LAS EMPRESAS SE ACERCAN POR PRIMERA VEZ A LA IA?

El primero es pensar que todo proceso necesita IA. Si el problema puede ser resuelto por unas reglas claras, el machine learning añade complejidad innecesaria. A veces una consulta SQL bien tirada hace el trabajo.

El segundo es llegar con los datos sin limpiar y esperar resultados inmediatos. Lo vemos constantemente. Un modelo es tan bueno como los datos con los que se entrena. En un proyecto para un cliente financiero, la clasificación de tipologías de inversores implicaba más de 50 clases distintas y la primera fase entera fue definir qué queríamos medir realmente, para poder traducir eso a algo que un algoritmo pudiera procesar. Sin esa conversación previa con el equipo de negocio, habríamos construido un sistema preciso midiendo lo que no importa.

El tercero tiene que ver con los trade-offs y es el que más cuesta explicar. En un proyecto de visión artificial para análisis automático de fotografías, tuvimos que sentarnos con el cliente y hablar de qué preferían: que el sistema fuera muy preciso en lo que selecciona, aunque se le escaparan algunos casos, o que capturara todo lo posible, aunque eso significara revisar más imágenes manualmente. No hay una respuesta correcta universal; depende del contexto de cada proceso de negocio. Lo mismo pasa con el coste: un modelo de lenguaje grande puede dar mejores resultados, pero también es más lento y más caro. A veces la solución más inteligente es un modelo más pequeño que cumple el 90% del objetivo a una fracción del precio.

Y luego está la expectativa de que la IA lo resuelve todo sola. Los proyectos de IA complejos son exploratorios por naturaleza. Nosotros establecemos calendarios de experimentación y somos transparentes desde el primer día. Si algo no se puede hacer, lo decimos. Preferimos dejar pasar un posible proyecto a prometer algo que no podemos entregar. Al final, la clave está en trabajar de forma colaborativa con las partes interesadas, adecuar la solución a lo que el negocio necesita de verdad y buscar la eficiencia antes que la perfección absoluta.

“Al final, la clave está en trabajar de forma colaborativa con las partes interesadas, adecuar la solución a lo que el negocio necesita de verdad y buscar la eficiencia antes que la perfección absoluta”

LOS FUNDADORES DE KOMOREBI VENÍS DEL MUNDO ACADÉMICO, CON DOCTORADOS EN FÍSICA, MATEMÁTICAS E INGENIERÍA INFORMÁTICA. ¿QUÉ OS EMPUJÓ A CREAR VUESTRA PROPIA EMPRESA?

Queríamos aplicar lo que sabíamos a problemas empresariales. Tenemos vocación investigadora y rigor científico, pero queríamos trabajar con las restricciones y limitaciones del mundo real. 

El doctorado te puede dar una profunda comprensión global de la tecnología y experiencia en resolución de problemas. Con el tiempo, estos proyectos de transferencia que hemos realizado han asentado las bases de nuestra actividad de consultoría y desarrollo en Komorebi. 

LA STARTUP ESTÁ ALOJADA EN EL VIVERO DE PUENTE DE VALLECAS, DE LA RED DE MADRID EMPRENDE. ¿CÓMO HA INFLUIDO ESTE ENTORNO EN EL DESARROLLO DE LA COMPAÑÍA?

Nuestra relación con Madrid Emprende viene de lejos. Dimos los primeros pasos en La Nave en 2019 y llevamos más de un año en el vivero de Vallecas. Estar rodeados de otros emprendedores con problemas parecidos te saca del mundo técnico y te obliga a pensar como empresa.

Además, Madrid Emprende nos conecta con inversores y mentores, también nos ha dado visibilidad en eventos como el South Summit. La parte práctica también pesa: el ahorro en costes de oficina nos ha permitido destinar esos recursos a lo que realmente necesitamos, que es contratar gente buena.

¿QUÉ VENTAJAS APORTA A UNA STARTUP FORMAR PARTE DE ESTE VIVERO DE EMPRESAS?

La más obvia y directa es el ahorro en costes fijos, luego está la red de contactos que ofrece y la mentorización sobre cómo llevar una empresa, ya sea hablando con el equipo gestor o participando en los workshops que organizan. Hay una cultura emprendedora orientada a crecer y al aprendizaje con talleres para desarrollar habilidades de gestión empresarial.

“Madrid Emprende nos conecta con inversores y mentores, también nos ha dado visibilidad en eventos como el South Summit”

¿QUÉ PAPEL DIRÍAIS QUE JUEGAN INICIATIVAS COMO MADRID EMPRENDE EN EL IMPULSO A LA INNOVACIÓN?

Es una red de seguridad cuando se empieza. Es muy difícil crear una empresa y hacerla crecer. Es un apoyo estructurado desde lo más básico, para elaborar un plan de empresa, hasta la consolidación o internacionalización.

LA IA ESTÁ EVOLUCIONANDO MUY RÁPIDO. ¿QUÉ OPORTUNIDADES VEIS PARA LAS EMPRESAS EN LOS PRÓXIMOS AÑOS?

La más inmediata es la evolución de la IA generativa hacia agentes que ejecutan tareas complejas durante horizontes de tiempo largos. Ya no hablamos de un chatbot que contesta preguntas, sino de un sistema que recibe un pedido por WhatsApp, lo valida contra el ERP, comprueba que hay stock y confirma una fecha de entrega. Eso ya lo hacemos con Holcim. La pregunta es cuántos procesos más se pueden automatizar así; es decir, identificar diferentes dominios de negocio donde un proceso de IA “agéntica” pueda ser verificado de forma automática.

La segunda es la optimización matemática y los gemelos digitales donde los retornos son enormes y se pueden demostrar de forma objetiva mediante métricas económicas directas.

La tercera es la verticalización. Las empresas que más van a beneficiarse son las que apliquen IA a problemas que solo ellas tienen. Esa especificidad es lo que crea ventajas difíciles de copiar por la competencia.

“Las empresas que más van a beneficiarse son las que apliquen IA a problemas que solo ellas tienen. Esa especificidad es lo que crea ventajas difíciles de copiar por la competencia”

MIRANDO A MEDIO PLAZO, ¿DÓNDE OS GUSTARÍA QUE ESTUVIERA KOMOREBI DENTRO DE CINCO AÑOS?

Queremos seguir creciendo de forma orgánica y natural, manteniendo equipos pequeños de alta cualificación y sin romper nunca nuestra conexión con la investigación académica y de vanguardia.

¿CUÁLES SON LOS PRINCIPALES RETOS QUE OS HABÉIS MARCADO PARA SEGUIR CRECIENDO?

Tenemos tres líneas. La primera es la IA generativa y los agentes inteligentes, donde hay demanda y ya tenemos herramientas y referencias reales. Además, seguimos apostando por la optimización matemática y los gemelos digitales. El trabajo con ASTICAN y Holcim nos ha dado una experiencia que queremos llevar a más sectores. 

Por último, estamos impulsando el desarrollo de productos propios. Ahora mismo estamos lanzando un asistente para analizar y redactar propuestas a licitaciones públicas. Ya tiene clientes reales, pero hay más oportunidades donde nuestro conocimiento puede convertirse en herramientas que escalen más allá del proyecto individual.