# Ordantis — machine learning, ciencia de datos y sistemas de IA Machine learning, ciencia de datos y sistemas de IA para empresas y administraciones en España. Modelos predictivos, I+D aplicada e ingeniería de datos. Canonical: https://www.ordantis.com/ Updated: 2026-09-18 ## IA y datos. Modelos y sistemas. Machine learning, ciencia de datos y sistemas de inteligencia artificial para empresas y administraciones públicas. Anticipar demanda, detectar fallos y planificar recursos con datos. Desarrollamos modelos y la ingeniería para integrarlos; investigamos cuando la solución técnica todavía no está demostrada. ## Qué necesita resolver tu organización. Prever un pico de demanda, interpretar señales de equipos o asignar recursos limitados. Cada problema exige datos distintos y una forma de comprobar si el sistema ayuda a decidir. ### ¿Con qué antelación podemos prever un pico de demanda? Demanda y capacidad Anticipar pedidos, consumo o uso de un servicio. Evaluar dónde falla la previsión durante los picos y con qué antelación puede ayudar a planificar producción, suministro o atención. Datos de partida: Históricos, calendario y capacidad disponible. Qué evaluamos: Error por horizonte y comportamiento durante los picos. Una serie observada continúa como previsión con un intervalo de incertidumbre. Esquema ilustrativo, sin datos de clientes. [Cómo evaluar la previsión](https://www.ordantis.com/insights/modelos-predictivos-picos-demanda) ### ¿Falla el equipo o falla la medición? Fiabilidad de activos y datos Estudiar señales de máquinas, sensores e incidencias para detectar anomalías. Separar un posible fallo del activo de una medición defectuosa antes de proponer una intervención. Datos de partida: Señales de sensores, condiciones de uso e incidencias. Qué evaluamos: Falsas alarmas, anticipación y cobertura de los registros. Dos señales se comparan en el mismo instante; una presenta un pico aislado que requiere contrastar la medición. Esquema ilustrativo, sin datos de clientes. [Trabajar con pocas averías](https://www.ordantis.com/insights/mantenimiento-predictivo-pocas-averias) ### ¿Cómo repartir recursos cuando la capacidad es limitada? Planificación y territorio Relacionar demanda, ubicaciones y recursos para comparar decisiones viables. Hacer explícitas las restricciones de capacidad, desplazamiento y cobertura, tanto en una red logística como en un servicio público. Datos de partida: Demanda, ubicaciones, tiempos y restricciones operativas. Qué evaluamos: Viabilidad del plan y respuesta ante cambios de demanda. Una red conecta puntos de demanda con recursos disponibles y destaca una asignación posible. Esquema ilustrativo, sin ubicaciones reales ni datos de clientes. [De la predicción al plan](https://www.ordantis.com/insights/prediccion-optimizacion-asignacion-recursos) Estos ámbitos describen posibles aplicaciones, no resultados de clientes. ## Ámbitos de proyecto - [Machine learning y modelos predictivos](https://www.ordantis.com/capacidades/modelos-predictivos): Prever demanda, carga o riesgo de fallo. Comparar modelos, comprobar incertidumbre e integrar la predicción con la decisión y sus plazos. - [Ciencia e ingeniería de datos](https://www.ordantis.com/capacidades/data-intelligence): Analizar qué explica un resultado, detectar sesgos y relacionar fuentes. Preparar datos e interfaces que permitan reproducir el análisis y operar modelos. - [I+D y sistemas de IA complejos](https://www.ordantis.com/capacidades/investigacion-desarrollo): Resolver una incertidumbre técnica: comparar representaciones temporales, grafos o modalidades y medir qué aporta cada componente antes de integrarlo. - [GovTech y administraciones públicas](https://www.ordantis.com/govtech): Demanda de servicios, cobertura de equipamientos y monitorización territorial. Evaluación técnica, integración con el organismo y revisión de decisiones. ## ¿Desarrollo, I+D o integración? No todo proyecto de machine learning necesita investigar una técnica nueva. Elegimos el alcance según el punto de partida. ### Desarrollar un modelo Hay una decisión y datos con los que trabajar. Construimos una referencia, desarrollamos el modelo y medimos sus errores antes de preparar la integración. ### Investigar una solución No se sabe si la técnica puede resolver el problema. Diseñamos ensayos con presupuesto y criterios de cierre; un resultado negativo también permite decidir. ### Llevar un sistema a operación Existe un modelo o prototipo. Trabajamos en interfaces, latencia, fallos, monitorización y transferencia para el entorno de destino. ## Un resultado que se puede revisar. EXIST 2026 reúne paper, código, resultados oficiales y una guía de reproducción. La ficha también explica las limitaciones y las configuraciones que rindieron peor. [GEMF en EXIST 2026](https://www.ordantis.com/research/exist-2026): Sistema multimodal para caracterización de sexismo en memes, con enriquecimiento semántico, aprendizaje con desacuerdo y evaluación oficial. - 1.º de 144 en Task 2.1, detección binaria, evaluación soft. - 1.º de 117 en Task 2.2, intención de la fuente, evaluación soft. - 1.º de 186 en Task 2.2, intención de la fuente, evaluación hard. - 3.º de 217 en Task 2.1, detección binaria, evaluación hard. Investigación en procesamiento del lenguaje e información multimodal. Estos resultados no acreditan una implantación predictiva en una empresa o administración ni se trasladan a otro problema sin evaluarlo. ## Metodología ### Diseño Concretamos la decisión, los datos y las restricciones. Revisamos los métodos disponibles para elegir entre desarrollo de un modelo, investigación experimental o integración de un sistema existente. Distinguimos una incertidumbre que requiere investigación de un trabajo de ingeniería conocido. Fijamos una referencia de comparación y reservamos datos de evaluación antes de entrenar o ajustar el sistema. #### Decisión y alcance Identificar quién usará el resultado, cuándo lo necesita y cómo resuelve hoy el problema. Revisar métodos y datos para distinguir desarrollo, investigación e integración. #### Referencia y evaluación Fijar una referencia, particiones de datos y métricas vinculadas al uso. Si se investiga una técnica, formular la hipótesis antes de comparar alternativas. #### Plan de trabajo Ordenar entregas y dependencias de datos, cómputo e instrumentación. El desarrollo tiene criterios de aceptación; cada ensayo de I+D responde una pregunta y tiene una condición de cierre. Servicios asociados: - [1.1 Diseño técnico y viabilidad](https://www.ordantis.com/capacidades#auditoria) Entrega: Alcance, referencia, plan de evaluación y criterios de aceptación. Hipótesis y ensayos cuando el trabajo requiere investigación. Pregunta de control: ¿Qué resultado haría que no continuáramos con la idea? ### Datos Conectamos las fuentes necesarias y comprobamos su calidad, disponibilidad y permisos. Conservamos la procedencia de cada dato antes de transformarlo. Identificadores, unidades y fechas deben tener un significado común. Separamos los datos de desarrollo y evaluación, y registramos quién puede consultar, modificar o exportar cada fuente. #### Fuentes y disponibilidad Conectar registros administrativos, datos territoriales y observaciones de sensores con contratos de intercambio. Comprobar qué información está disponible al entrenar, evaluar y servir el modelo. #### Calidad de la información Resolver identificadores, unidades y valores contradictorios. Las transformaciones conservan el registro original y dejan separadas las incidencias no resueltas. #### Gobernanza y trazabilidad Asignar responsables, permisos y conservación. Comprobar que la restricción se mantiene en consultas, exportaciones, respuestas y registros. Servicios asociados: - [2.1 Infraestructura de datos](https://www.ordantis.com/capacidades#infraestructura) - [2.2 Ingeniería y calidad de datos](https://www.ordantis.com/capacidades#ingenieria) - [2.3 Gobernanza y controles de datos](https://www.ordantis.com/capacidades#gobernanza) Entrega: Inventario de fuentes, reglas de calidad, permisos y conjunto de evaluación con versiones. Pregunta de control: ¿Dispondríamos de este dato en el momento real de la decisión? ### Desarrollo Desarrollamos y comparamos modelos, analizamos sus errores y probamos la integración bajo las restricciones del entorno de destino. La evaluación separa rendimiento del modelo y comportamiento del sistema: latencia, concurrencia, fallos de fuentes y revisión humana. Versionamos los cambios para poder reproducir un resultado o volver a una versión anterior. #### Comparación experimental Evaluar arquitecturas con información equivalente, periodos reservados y presupuesto registrado. Las ablaciones permiten comprobar qué aporta cada fuente y componente. #### Inferencia e integración Medir latencia y comportamiento bajo carga. Reproducir entradas tardías o ausentes y comprobar que el equipo receptor puede integrar una versión del modelo. #### Error y degradación Separar errores por horizonte y situación relevante, comprobar incertidumbre y detectar cambios en los datos. Acordar señales de retirada y una referencia a la que volver. Servicios asociados: - [3.1 Machine learning y modelos predictivos](https://www.ordantis.com/capacidades#prediccion) - [3.2 Optimización y sistemas de apoyo a la decisión](https://www.ordantis.com/capacidades#optimizacion) - [3.3 Visión por computador y evaluación multimodal](https://www.ordantis.com/capacidades#vision) Entrega: Modelo o prototipo evaluado, análisis de errores y pruebas de integración según el alcance acordado. Pregunta de control: ¿La mejora observada compensa el coste y el riesgo de operar el sistema? ### Transferencia Preparamos la entrega técnica para que el equipo receptor pueda reproducir los resultados, integrar los componentes y reconocer cuándo dejan de ser fiables. Acordamos documentación, acceso al código y artefactos, derechos de uso y responsables de operación. La formación utiliza el sistema desarrollado; el mantenimiento y las reevaluaciones tienen un alcance explícito. #### Reproducción Entregar las versiones y configuraciones acordadas, con instrucciones para repetir la evaluación y reconstruir un resultado. #### Integración y derechos de uso Documentar interfaces, dependencias y condiciones de acceso al código, datos y modelos. La transferencia se concreta antes de la entrega. #### Operación y seguimiento Practicar con el equipo receptor la detección de fallos, revisión de salidas y retirada de una versión. Acordar responsables y alcance del soporte. Servicios asociados: - [4.1 Transferencia técnica y capacitación](https://www.ordantis.com/capacidades#talleres) Entrega: Artefactos y documentación acordados, guía operativa y condiciones de seguimiento y mantenimiento. Pregunta de control: ¿Puede el equipo receptor reproducir el resultado y detectar una degradación? ## Qué acordamos antes de desarrollar. El modelo es una parte de la entrega. La integración y el seguimiento necesitan un alcance y responsables definidos desde el principio. ### Evaluación y aceptación Referencia actual, datos de prueba, errores relevantes y límites de tiempo, cómputo y presupuesto. El criterio se fija antes de comparar resultados. ### Datos y entorno Fuentes autorizadas, permisos, conservación y restricciones de ejecución. No necesitamos información confidencial para la primera conversación. ### Entrega y derechos de uso Código y artefactos incluidos, dependencias, documentación e interfaces. Se concreta qué puede reproducir, integrar y modificar el equipo receptor. ### Operación y mantenimiento Quién revisa los errores, qué ocurre si falla una fuente y cuándo retirar una versión. Soporte y reentrenamiento tienen condiciones propias. ## Empresas que confían en nosotros - Artecoin - Indiva - Odeon Multicines - Cofriman ## Preguntas frecuentes ### ¿Qué proyectos encajan con Ordantis? Proyectos de empresas y administraciones que necesitan desarrollar modelos de machine learning, analizar datos con rigor o integrar sistemas de IA con requisitos de operación. Por ejemplo, prever demanda, estudiar fallos de equipos o planificar recursos bajo restricciones. Si existe incertidumbre sobre la solución técnica, el alcance incluye I+D; si el método es conocido, puede ser un trabajo de desarrollo e ingeniería. No hace falta partir de una hipótesis de investigación para conversar con nosotros. [Ver detalle](https://www.ordantis.com/capacidades) ### ¿Cómo se comprueba si un modelo predictivo sirve para la operación? Reservamos periodos que el entrenamiento no ha visto y reconstruimos qué datos estaban disponibles al predecir. Comparamos errores por horizonte y segmento con una referencia sencilla. Después comprobamos latencia, entradas tardías y respuesta ante fallos. Una buena métrica fuera de producción no demuestra que el servicio llegue a tiempo ni que siga siendo fiable. [Ver detalle](https://www.ordantis.com/insights/industrializar-modelo-predictivo-tiempo-real) ### ¿Cómo planteáis un reto GovTech? Partimos del problema público, de las personas que utilizarían el resultado y de las fuentes autorizadas. Definimos una prueba con criterios de aceptación y revisamos las condiciones del reto: entregables, datos, derechos de uso e integración. El sistema puede apoyar una valoración o una planificación; la responsabilidad de la decisión permanece en el órgano competente. [Ver detalle](https://www.ordantis.com/govtech) ### ¿Qué se entrega además del modelo? El alcance puede incluir el protocolo de evaluación, código y configuraciones, versiones de los datos permitidos, análisis de errores e interfaces de integración. Antes de empezar se acuerdan derechos de uso, dependencias y documentación. La transferencia permite reproducir y revisar el resultado; desplegarlo y mantenerlo requiere condiciones de operación definidas. [Ver detalle](https://www.ordantis.com/capacidades/investigacion-desarrollo) ### ¿Qué datos necesitamos enviar en el primer contacto? Basta una descripción del proceso, las fuentes disponibles y las restricciones. No envíes documentos confidenciales ni datos personales sensibles. El acceso a una muestra se acuerda después, con finalidad, permisos y condiciones de conservación. [Ver detalle](https://www.ordantis.com/diagnostico) ### ¿Podéis trabajar con nuestro equipo técnico y modelos existentes? Podemos acotar el trabajo a una parte del sistema: evaluar un modelo, revisar el conjunto de datos, comparar una arquitectura o preparar su integración. Necesitamos conocer la referencia actual, las interfaces y las restricciones. El reparto de responsabilidades y las condiciones de entrega se definen con el equipo receptor. [Ver detalle](https://www.ordantis.com/capacidades/modelos-predictivos) ### ¿Qué ocurre después de validar el prototipo? Se decide si el resultado justifica la integración. Ese paso requiere pruebas de carga, monitorización del error, tratamiento de fallos y responsables de intervención. El mantenimiento y el reentrenamiento se acuerdan por separado; no se dan por incluidos ni resueltos porque un experimento haya funcionado. [Ver detalle](https://www.ordantis.com/insights/drift-calibracion-modelos) ### ¿Dónde puedo revisar un trabajo de investigación de Ordantis? La ficha de EXIST 2026 enlaza el paper, el código y los resultados oficiales. Explica qué configuraciones se compararon y dónde el sistema no rindió bien. Es evidencia de ese experimento, no una garantía de rendimiento en otro problema. [Ver detalle](https://www.ordantis.com/research/exist-2026) ## Ecosistema de emprendimiento - StartUPV - Start.inf · ETSINF (UPV) - [Proyecto Sherpa](https://www.feda.es/actualidad/noticias/item/13650-el-programa-sherpa-de-feda-ya-tiene-los-ocho-finalistas-para-un-total-de-15-000-euros-en-premios) - [Premios Talento Joven](https://www.levante-emv.com/comunitat-valenciana/2026/02/10/finalistas-premios-talento-joven-2026-126518511.html) - Cátedra HP - [INCIBE Emprende](https://www.incibe.es/node/619170) ## Programas [Participación en INCIBE Emprende](https://www.incibe.es/node/619170). El sello identifica participación en el programa de aceleración, no certificación de los servicios. Ordantis es startup finalista de DesafIA 2026. ## Contacto [Iniciar diagnóstico](https://www.ordantis.com/diagnostico) contacto@ordantis.com