Andrés Restrepo
Cofundador y líder técnico
Ingeniero de sistemas de la Universidad Nacional. Lleva 9 años trabajando con modelos de machine learning. Antes de fundar AchievePro AI, diseñó pipelines de datos para una fintech en Medellín.
Artificial Intelligence con raíces en Bogotá
Empezamos en 2021 como un proyecto entre tres ingenieros que se conocieron en la Universidad Nacional. La idea era simple: hacer que la inteligencia artificial dejara de ser algo que solo las multinacionales podían costear.
Hoy somos ocho personas. Seguimos en Bogotá, seguimos construyendo modelos con las manos en el código, y seguimos creyendo que un buen proyecto de IA empieza escuchando al cliente, no vendiendo una solución prefabricada.
Cómo llegamos hasta aquí
No fue un camino recto. Hubo pivotes, clientes difíciles y un par de modelos que no funcionaron como esperábamos. Esto es lo que aprendimos en cada etapa.
2021: el primer cliente
Una clínica veterinaria en Chapinero nos pidió un chatbot para agendar citas por WhatsApp. Lo construimos en cinco semanas con un presupuesto de $1.200 USD. Funcionó bien, pero descubrimos que el verdadero problema de la clínica era la gestión de inventario de medicamentos. Esa lección nos marcó: antes de construir, hay que diagnosticar.
2022: el primer modelo predictivo
Un distribuidor de alimentos en Cali nos contrató para predecir la demanda semanal de 140 productos. Usamos un modelo de series temporales entrenado con 18 meses de datos de ventas. El error promedio de predicción fue del 11 %, y el cliente redujo su desperdicio de perecederos en un 23 % durante el primer trimestre de uso.
2023: crecimiento del equipo
Contratamos a dos ingenieras de machine learning y a un diseñador de interfaces. Dejamos de ser freelancers y nos constituimos como SAS. Ese año completamos 14 proyectos para clientes en Colombia, Ecuador y Panamá.
2024: automatización documental
Un despacho de abogados nos retó a extraer cláusulas específicas de contratos escaneados en PDF. Combinamos OCR con un modelo de lenguaje afinado para clasificar cláusulas por tipo (penalización, confidencialidad, vigencia). Procesamos 300 contratos en menos de dos horas, un trabajo que antes tomaba tres semanas.
2025: donde estamos hoy
Ocho personas, más de 40 proyectos entregados, y una convicción: la IA funciona cuando se construye sobre datos limpios, objetivos claros y comunicación constante con quien la va a usar. No tenemos oficina lujosa ni departamento de marketing grande. Preferimos invertir en formación técnica para el equipo y en herramientas que nos permitan entregar mejor.
El equipo
Cada persona en el equipo programa, diseña o analiza datos a diario. No tenemos roles puramente administrativos.
Valentina Ochoa
Cofundadora y directora de proyectos
Matemática con maestría en estadística aplicada. Coordina los cronogramas, revisa la calidad de los modelos y es la primera persona que habla con cada cliente nuevo. Tiene un talento particular para traducir jerga técnica a lenguaje de negocio.
Santiago Muñoz
Ingeniero de machine learning
Especialista en procesamiento de lenguaje natural. Construyó el sistema de extracción de cláusulas que usamos en proyectos legales. Contribuye a dos bibliotecas de código abierto en Python relacionadas con NLP en español.
Camila Herrera
Ingeniera de datos
Se encarga de que los datos lleguen limpios al modelo. Diseña las arquitecturas de ingestión y transformación, normalmente sobre Apache Airflow y BigQuery. Antes trabajó en el equipo de analítica de una cadena de supermercados.
Lo que nos guía
No son frases de póster. Son criterios que usamos para tomar decisiones cuando hay que elegir entre lo fácil y lo correcto.
Transparencia con los datos
Si tus datos no alcanzan para entrenar un modelo confiable, te lo decimos antes de firmar el contrato. Hemos rechazado proyectos cuando la calidad de los datos no justificaba la inversión del cliente. Preferimos perder un proyecto a entregar algo que no funcione.
El código es tuyo
No creamos dependencia. Al terminar el proyecto, recibes el repositorio completo con documentación. Si mañana decides contratar a otro equipo para mantenerlo, pueden hacerlo sin pedirle permiso a nadie.
Comunicación directa
Cada dos semanas hacemos una demo del avance. No mandamos un informe en PDF: compartimos pantalla, mostramos el modelo funcionando con datos reales y recogemos retroalimentación. Si algo no va bien, lo sabemos rápido.
Aprendizaje constante
Dedicamos el equivalente a un día por semana a formación interna. Leemos papers, probamos herramientas nuevas y compartimos lo que aprendemos en sesiones internas. Eso nos permite recomendar la mejor tecnología para cada caso, no la que ya conocemos.
¿Te interesa trabajar con nosotros? Escríbenos y cuéntanos qué necesitas.
Ir al formulario de contacto