Manizales, Caldas — desde 2021
Trabajamos con precisión de panel de instrumentos
Petricor nació de una pregunta práctica: ¿por qué los modelos de predicción entregan números sin decir cuánto pueden estar equivocados? Desde entonces, toda nuestra labor parte de ese principio.
← Volver al inicioHistoria y misión
De dónde venimos y qué resolvemos
Petricor comenzó en Manizales en 2021 como una consultoría pequeña que ayudaba a empresas de servicios públicos y logística de la región a entender qué podían hacer con sus datos históricos. Lo que encontramos repetidamente era lo mismo: equipos con buenos registros pero sin un canal ordenado para convertirlos en algo útil para la operación diaria.
A lo largo de tres años trabajando con clientes en Caldas, Antioquia y el Valle del Cauca, afinamos tres servicios que abordan los problemas más frecuentes: construir el canal de datos que produce pronósticos operativos, ayudar a tomar la decisión entre desarrollar internamente o contratar a un proveedor, y poner en pie el monitoreo de modelos que ya están en producción pero nadie está mirando sistemáticamente.
El nombre viene de la palabra que describe el olor de la lluvia sobre tierra seca — algo que cualquier habitante de la Cordillera Central reconoce de inmediato. Es una referencia deliberada a lo local, a los datos climáticos que usamos a diario y a la idea de que las señales más útiles suelen estar en lo que ya existe, no en lo que hay que construir desde cero.
Misión
Producir entregables de inteligencia artificial que los equipos operativos puedan leer, cuestionar y mantener por su cuenta, sin depender de quien los construyó.
Valores de trabajo
- Alcance definido antes de empezar, no después
- Cifras con banda de error, no pronósticos puntuales
- Documentación que el equipo en guardia puede seguir
- Sin ampliaciones de alcance silenciosas
- Herramientas de código abierto donde sea posible
Equipo
Las personas detrás de las lecturas
Camila Restrepo
Fundadora y directora técnica
Ingeniera de sistemas con posgrado en ciencia de datos. Lleva diez años trabajando con series de tiempo en sectores de energía y servicios públicos.
Andrés Villada
Ingeniero de datos
Especialista en canales de datos y calidad de fuentes. Construye los pipelines que conectan los feeds meteorológicos con los sistemas de programación del cliente.
Luisa Montoya
Consultora de operaciones
Trabaja en la interfaz entre el equipo técnico y los líderes de operaciones. Facilita las sesiones de decisión y redacta la documentación de entrega.
Estándares de trabajo
Cómo se mide la calidad en cada proyecto
Revisión de calidad de datos
Todo proyecto comienza con una auditoría de las fuentes. Los huecos, outliers y cambios de formato se documentan y se acuerda con el cliente cómo tratarlos antes de construir nada.
Backtesting documentado
Los modelos de pronóstico se validan sobre datos históricos reales. Los resultados del backtesting — incluyendo los errores — forman parte del entregable final.
Confidencialidad de los datos
Los datos del cliente se usan únicamente para el proyecto contratado. No se comparten con terceros ni se reutilizan en otros trabajos.
Alcance acordado por escrito
Antes de iniciar cualquier trabajo se firma un documento que describe qué se entrega, en qué plazo y qué queda fuera del alcance.
Sesiones de revisión incluidas
El servicio de monitoreo incluye dos sesiones de revisión en el mes posterior a la entrega. Los ajustes menores al procedimiento o los umbrales se resuelven sin cargo adicional.
Código abierto preferido
Priorizamos herramientas sin licencias propietarias para que el cliente pueda operar el sistema una vez terminado el proyecto sin depender de una suscripción.
Contexto y enfoque
Inteligencia artificial aplicada a operaciones en Colombia
Las empresas de campo en Colombia — distribuidoras de energía, operadoras de acueducto, empresas de mantenimiento de infraestructura — comparten un patrón: tienen años de datos de carga y clima, pero esos datos viven en hojas de cálculo o en sistemas que nadie consulta de forma sistemática para planear la semana siguiente.
Petricor trabaja en ese punto exacto: tomar los datos que ya existen, revisar su calidad, construir un canal de pronóstico que entregue estimados con incertidumbre explícita, y dejarlo integrado con la herramienta de programación que el equipo ya conoce.
La decisión de construir internamente frente a contratar un proveedor de software aparece en casi todas las empresas que empiezan a incorporar modelos. El error más frecuente es comparar el costo inicial del desarrollo propio con el precio de licencia del proveedor, ignorando el costo de mantenimiento a dos años.
La sesión de medio día está diseñada para que el equipo técnico salga con un marco claro para hacer esa comparación y con un formato de requerimiento que les permita evaluar propuestas de forma objetiva.
Próximo paso
¿Quiere conocer cómo aplicaría esto a su operación?
Le contamos en una conversación de 30 minutos qué tan bien encaja alguno de nuestros servicios con su situación actual.
Escribir a Petricor