Actualizado en agosto de 2026 · contratos firmados, no maquetas

Proyectos de IA vendidos y en producción

Aquí no hay demos bonitas. Hay sistemas con contrato firmado, factura emitida y gente dentro usándolos, montados en empresas españolas entre abril y agosto de 2026.

Los nombres no están a propósito: verás el sector, el tamaño, lo que costó, cuánto tardó y en qué estado está de verdad. Si tu empresa acaba en esta página, aparecerá con el mismo anonimato.

sistemas B2B contratados y en marcha en 2026

4.000–12.000 €

rango de contrato firmado

30.274

fragmentos de archivo indexados en el caso mayor

100%

del código y los datos, propiedad del cliente

La respuesta corta

Javier Santos Criado (Javadex) implantó en 2026 cuatro sistemas de IA en empresas españolas por importes de 4.000 a 12.000 € + IVA, todos por fases y con pago por hito: un buscador documental privado sobre veinte años de archivo técnico en un despacho de ingeniería civil, en producción en poco más de tres semanas; un motor de inferencia técnica multi-tenant para que los técnicos de campo de fabricantes de maquinaria resuelvan averías sin llamar a postventa; una plataforma de IA privada con la marca del cliente en una agencia de ocho personas; y un ecosistema de agentes en una escuela deportiva de unos 200 alumnos. En los cuatro, el código y los datos quedan en propiedad del cliente.

Plazo típico: 4-8 semanas por fase. Punto de entrada: desde 5.000 € para un primer caso de uso en producción. Los nombres de los clientes no se publican nunca.

Qué se vendió, a quién y en qué estado está

Seis piezas. Cuatro de cliente, una mía y la formación.

#	Sector y tamaño	Qué monté	Inversión	Estado
01	Ingeniería civil · despacho de 1-3 personas	Veinte años de memorias técnicas, consultables en lenguaje natural	8.000–10.000 € + IVA	En producción
02	Software B2B para industria · asistencia técnica remota	El técnico resuelve la avería en planta sin llamar a postventa	10.000–12.000 € + IVA	En implementación
03	Agencia de branding para empresas tecnológicas · 8 personas	Ocho personas usando IA con criterio, no cada una a su manera	4.000–6.000 € + IVA en dos fases, pagos 50/25/25	En producción
04	Escuela deportiva · ~200 alumnos presenciales y una veintena online	El fundador era el cuello de botella: ahora el sistema le trae el trabajo hecho	8.000–10.000 € + IVA en tres fases	En producción
05	Proyecto propio · no está en venta como producto	El centro de mando con el que opero mi propia consultora	Sin precio: es la prueba de que lo que vendo lo uso yo primero	En producción
06	Formación in-company · marketing y producto	Equipos no técnicos que salen de la sala con sus agentes montados	A medida según formato y número de asistentes	Entregado

Veinte años de memorias técnicas, consultables en lenguaje natural

Ingeniería civil · despacho de 1-3 personasEn producción

Me llamó porque preparar la parte técnica de una oferta se le comía seis días. No quería un chatbot: quería dejar de buscar a mano en veinte años de carpetas.
Javier Santos Criado

Interfaz del buscador documental privado: una consulta en lenguaje natural sobre el archivo técnico devuelve la respuesta con tres fuentes citadas y la página exacta de cada memoria, sobre 580 documentos y 30.274 fragmentos indexados. — Cada respuesta llega con la cita al documento y la página. Sin cita no es una respuesta, es una opinión. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Contrato jul–oct 2026 · en uso real desde finales de julio de 2026
Inversión: 8.000–10.000 € + IVA · cinco fases, pagos 40/30/30

Con lo que me lo encontré

Un despacho de ingeniería civil que prepara la parte técnica de ofertas para la administración. La planificación de obra se llevaba entre el 40% y el 60% del tiempo de cada encargo: seis o siete días. Para meter el presupuesto en el plan de obra reducía a mano 900 líneas a 130-200. Y veinte años de memorias técnicas vivían en carpetas: la experiencia estaba ahí, pero no se podía preguntar.

Lo que monté

Un buscador privado sobre todo su archivo. 580 memorias de 2013 a 2026, troceadas en 30.274 fragmentos. Pregunta como se lo preguntaría a un compañero, recibe la respuesta con la cita al documento y la página, y se descarga la memoria original de un clic. Corre en su servidor, en Europa, con acceso privado: no hay un solo documento en la nube de un tercero. Eso no era un capricho suyo, era el requisito para firmar.

Antes

6-7 días de trabajo técnico por oferta
900 líneas reducidas a mano a 200
Veinte años de archivo sin buscador

Después

Respuesta en segundos con cita a la página
580 memorias y 30.274 fragmentos indexados
Todo en su servidor, en Europa

Dónde está hoy

En producción y en uso real desde finales de julio de 2026: poco más de tres semanas desde el kickoff. La primera búsqueda de verdad la hizo él solo, sin que yo estuviera delante — que es la única prueba de que un sistema se usa y no se enseña. Ahora vamos a la segunda mitad: convertir el presupuesto en plan de obra sin el recorte manual.

Buscador documental privadoBúsqueda híbrida + rerankingCita a fuenteServidor del cliente (Europa)Acceso privado

El técnico resuelve la avería en planta sin llamar a postventa

Software B2B para industria · asistencia técnica remotaEn implementación

Sus técnicos ya tenían el manual. El problema es que nadie lee trescientas páginas con la línea parada.
Javier Santos Criado

Interfaz del motor de inferencia técnica: un técnico de campo pregunta por un código de error y recibe la secuencia de rearme con cita a la página del manual, score de confianza 0,92 y selector de tres idiomas, sobre una arquitectura multi-tenant con un espacio por fabricante. — Un espacio aislado por fabricante, respuesta con cita y score. La entrega es la API: la pantalla la pone el cliente. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Arranque junio 2026 · piloto con cliente final y traspaso en curso
Inversión: 10.000–12.000 € + IVA · tres hitos

Con lo que me lo encontré

Un proveedor de software de asistencia técnica remota. Sus clientes son fabricantes de maquinaria industrial y el usuario final es un técnico plantado delante de una máquina que no arranca. Hasta ahora ese técnico levantaba el teléfono y esperaba a postventa. El manual existía: cientos de páginas, varios idiomas y cero utilidad con la línea detenida.

Lo que monté

Un motor de inferencia técnica multi-tenant desplegado en la nube del propio cliente: cada fabricante, su espacio aislado. Responde sobre la documentación de esa máquina concreta, con la cita a la página del manual, un score de confianza y en el idioma del técnico. Entregué la API y la arquitectura, no una interfaz: su equipo la integra en los visores y tablets que sus técnicos ya llevan encima. Yo no toco su producto y ellos no dependen de mí para evolucionarlo.

Antes

Una llamada a postventa por cada duda
Manuales de cientos de páginas sin usar
Sin cobertura de idiomas en campo

Después

Respuesta con cita a la página del manual
Multi-tenant: un espacio por fabricante
Integrado en los dispositivos que ya usan

Dónde está hoy

Arquitectura multi-tenant, ingesta, base vectorial y API core entregadas. Piloto con cliente final y traspaso al equipo interno en curso. En el mismo paquete entró una máquina de contenido para que su marca aparezca cuando alguien le pregunta por esto a un asistente de IA.

API multi-tenantInfraestructura del clienteCita a fuente + score de confianzaMultilingüeHandoff al equipo interno

Ocho personas usando IA con criterio, no cada una a su manera

Agencia de branding para empresas tecnológicas · 8 personasEn producción

Ocho personas, ocho formas distintas de usar IA y cero visibilidad de lo que se estaba gastando. El problema no era el modelo, era el desorden.
Javier Santos Criado

Interfaz de la plataforma de IA privada de una agencia: selector multi-modelo, un agente monta la propuesta comercial a partir del conocimiento del estudio, y dos paneles muestran el gasto del mes por equipo y los guardarraíles activos. — Multi-modelo, con la marca del cliente y el gasto a la vista. Es el patrón de Cortex, mi plataforma IA privada. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Firmado abril 2026 · Fase 1 entregada junio · Fase 2 desplegada julio
Inversión: 4.000–6.000 € + IVA en dos fases, pagos 50/25/25 · mantenimiento opcional 300 €/mes

Con lo que me lo encontré

Una agencia de branding para empresas tecnológicas, ocho personas. Todo el mundo usaba IA, cada uno con sus prompts guardados en su cuenta personal: nada compartido, nada consistente y nadie sabiendo cuánto se gastaba. Dar de alta un cliente nuevo eran unas cuatro horas tocando cinco herramientas distintas. Cada propuesta comercial, media hora de montaje a mano.

Lo que monté

Su propia plataforma de IA privada, con la marca de la agencia. Un solo sitio donde entra el equipo, con control de gasto por persona, permisos por espacio y guardarraíles, y el conocimiento de la casa centralizado en lugar de repartido en cuentas personales. Encima, agentes enchufados a las herramientas que ya usaban —gestor de proyectos, documentación, diseño, mensajería y facturación— para el alta de clientes, la generación de propuestas y las alertas de seguimiento. La formación al equipo y al administrador iba dentro del precio, porque una plataforma que nadie sabe usar no es una plataforma.

Antes

4 horas por alta de cliente, 5 herramientas
30 minutos de montaje por propuesta
Prompts en cuentas personales, sin control de gasto

Después

Alta y propuesta con un disparo y revisión
Gasto, permisos y guardarraíles por persona
Conocimiento de la casa en un solo sitio

Dónde está hoy

Fase 1 entregada en junio de 2026 y en uso por el equipo completo. Fase 2 —integraciones y agentes— desplegada en julio. Las cuatro horas del alta de cliente y la media hora por propuesta pasaron a ser un disparo del agente con revisión humana encima.

Plataforma IA privada de marcaMulti-modeloControl de gasto y permisosAgentes conectados al stackFormación in-company

El fundador era el cuello de botella: ahora el sistema le trae el trabajo hecho

Escuela deportiva · ~200 alumnos presenciales y una veintena onlineEn producción

El cuello de botella era él. Si el sistema le pedía validar cada paso, no habríamos resuelto nada: solo le habría dado una pantalla más que atender.
Javier Santos Criado

Panel del ecosistema de agentes de una escuela deportiva: tres borradores pendientes de revisión generados por los agentes de feedback, análisis y contenido, comparativa antes y después, y las tres fases del proyecto con dos entregadas y una en curso. — El trabajo llega hecho y en estado «por revisar». La persona decide, no redacta. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Abril–agosto 2026 · fases 1 y 2 entregadas y aceptadas · fase 3 en curso
Inversión: 8.000–10.000 € + IVA en tres fases · mantenimiento opcional 300 €/mes

Con lo que me lo encontré

Una escuela deportiva con unos 200 alumnos presenciales y una veintena online. El conocimiento del negocio estaba en la cabeza del fundador y la base de datos de los presenciales era un Excel local con nombre y teléfono. Cada informe de progreso para una familia se escribía a mano. Él mismo reconocía que lo centralizaba todo, y ese era el problema de verdad, no la tecnología.

Lo que monté

Primero el cerebro: un sistema que consulta el conocimiento de la escuela —fichas de alumnos, métricas, formularios y manuales técnicos—. Encima, agentes que traen el trabajo hecho en vez de esperar instrucciones: uno redacta las correcciones y deja el email al tutor como borrador listo para revisar; otro genera el informe de progreso en PDF que reciben las familias al cierre de curso; otro mueve contenido y newsletter. Y ahora la plataforma que se come el Excel y la herramienta de terceros: CRM, portal de familias y cobros conciliados. Puse revisión humana solo donde el resultado lo lee un alumno o una familia. El resto va solo, a propósito.

Antes

Excel local con nombre y teléfono
Cada informe de progreso, a mano
Todo pasaba por el fundador

Después

Fichas, métricas y manuales consultables
Informes en PDF generados solos
Él revisa lo que ve la familia; no redacta

Dónde está hoy

Fases 1 y 2 entregadas y aceptadas en mayo y junio de 2026. Los informes de cierre de curso salieron ya desde el sistema a las familias, desde la cuenta institucional de la escuela. Fase 3 —la plataforma unificada— comprometida a finales de agosto de 2026.

Base de conocimiento consultableCuatro agentes especializadosInformes PDF automáticosCRM + portal de familiasCobros conciliados

El centro de mando con el que opero mi propia consultora

Proyecto propio · no está en venta como productoEn producción

Si te vendo un sistema que te quita trabajo, lo mínimo es que yo tenga uno. Este es el mío, y es el que ha llevado los cuatro casos de arriba.
Javier Santos Criado

Dashboard del centro de mando de Javadex: indicadores de sistemas en marcha, propuestas abiertas y facturas por cobrar, un pipeline en kanban con cuatro etapas, el acta de la última reunión generada desde la transcripción y el triaje de la bandeja de leads con borradores listos. — Pipeline, contratos, cobros, actas y triaje de leads en un sitio. Se opera hablándole, no rellenando campos. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Construido durante 2026 · uso diario
Inversión: Sin precio: es la prueba de que lo que vendo lo uso yo primero

Con lo que me lo encontré

Una consultora pequeña no pierde el negocio en la entrega. Lo pierde en el seguimiento: leads que se quedan una semana sin respuesta, propuestas que nadie persigue, horas sin imputar, facturas que salen tarde y ninguna forma de saber qué página de la web produjo qué ingreso.

Lo que monté

Mi propio centro de mando. Reúne clientes, pipeline de oportunidades, propuestas, contratos, facturación y calendario de cobros, proyectos con rentabilidad por hora, tareas, actas de reunión generadas desde la transcripción —incluido el feedback sobre mis propios fallos en la llamada, que no siempre apetece leer—, triaje de la bandeja de leads con el borrador de respuesta ya escrito, y los KPIs de marketing y de citas en asistentes de IA. No se rellenan formularios: le hablo y ejecuta.

Antes

Leads sin responder durante días
Propuestas sin nadie detrás
Facturas tarde y horas sin imputar

Después

Un solo sitio, operado en lenguaje natural
Actas y borradores generados solos
Nada se cae del radar

Dónde está hoy

Es el sistema desde el que se ha operado todo lo que hay en esta página: los contratos, las facturas y el seguimiento de los cuatro casos anteriores. La arquitectura es la misma que monto para clientes, en infraestructura propia. Por eso los plazos que te doy no salen de un folleto.

Arquitectura propiaAgentes con acceso a herramientasActas desde transcripciónTriaje de leads con borradoresDashboards ejecutivos

Equipos no técnicos que salen de la sala con sus agentes montados

Formación in-company · marketing y productoEntregado

La formación que se olvida el lunes es la que se dio con diapositivas. Aquí se construye durante la sesión o no ha servido de nada.
Javier Santos Criado

Pantalla de un workshop in-company con los tres agentes construidos por el equipo durante la sesión —prospección, postventa y resolución de dudas—, los formatos entregados en 2026 y la lista de lo que se lleva el equipo. — Tres agentes construidos por gente de marketing y producto en cinco horas. Sin programar. Interfaz reconstruida con datos de ejemplo: las capturas reales contienen información del cliente.

Calendario: Webinar abril 2026 · workshop presencial junio 2026 · congreso octubre 2026
Inversión: A medida según formato y número de asistentes

Con lo que me lo encontré

El equipo ya usa ChatGPT. Cada persona a su manera, sin criterio y sin nada que sobreviva a la sesión. La formación al uso —presentación, buenas intenciones y café— no cambia absolutamente nada el lunes siguiente.

Lo que monté

Workshops en los que construye el equipo. En el último, cinco horas presenciales con gente de marketing y producto de una gran operadora de telecomunicaciones: salieron con tres agentes montados por ellos mismos —prospección, postventa y resolución de dudas—. Perfiles sin una línea de código en su vida. Se llevan los agentes, las plantillas para hacer más y, sobre todo, el criterio para saber qué no merece la pena automatizar.

Antes

Cada uno con su ChatGPT y su criterio
Formación que no sobrevive al lunes
Cero herramientas propias del equipo

Después

Tres agentes construidos por ellos mismos
Plantillas para replicar sin mí
Criterio para saber qué no automatizar

Dónde está hoy

Tres formatos entregados o comprometidos en 2026: webinar de una hora para una escuela de producto y growth (abril), workshop presencial de cinco horas (junio) y bootcamp de 90 minutos en inglés en un congreso tecnológico de unos 12.000 asistentes (octubre).

Workshop presencialLive buildPlantillas replicablesPerfiles no técnicosHandover al responsable interno

Por qué no verás nombres de clientes ni porcentajes redondos

Un portfolio en el que todo funciona y todo mejora un 70% está editado. Estas son las tres reglas con las que escribo esta página.

Confidencialidad por defecto

Sector, tamaño en rango, importe y mes. Nunca el nombre, ni el dominio, ni la persona. Si tu proyecto acaba aquí, aparecerá con este mismo anonimato — y las capturas van reconstruidas por lo mismo.

Estado real, no estado de venta

Lo que está en producción dice «en producción». Lo que está a medias dice «en implementación», y digo qué falta. Prefiero que preguntes por lo que falta que enterarte después.

Cifras que salen de un contrato

580 documentos, 30.274 fragmentos, tres semanas desde el kickoff. Ni un «+70% de eficiencia» ni satisfacciones sobre cinco: si no se pudo medir, no se publica.

El servicio detrás de cada caso

Si uno de los seis se parece a lo tuyo, aquí está el detalle.

Cortex · Plataforma IA privada

Lo del caso 03: tu propio entorno de IA con tu marca, multi-modelo, datos en Europa y sin lock-in. Es el paraguas de los cuatro proyectos de cliente.

Copiloto interno sobre tu documentación

El patrón de los casos 01 y 02: preguntar a tu archivo y recibir la respuesta con cita a la fuente, no una invención con buena redacción.

Automatización de back-office

Las cuatro horas del alta de cliente y la media hora por propuesta del caso 03: procesos repetitivos que se ejecutan solos y avisan solo cuando hay que decidir.

GEO · Que los asistentes de IA te citen

La otra mitad del paquete del caso 02: una máquina de contenido para aparecer en ChatGPT, Claude, Perplexity y Gemini cuando preguntan por tu sector.

Si lo que te interesa es la cifra antes que el caso, está desglosada en cuánto cuesta implantar IA en una empresa española. Y si quieres saber quién firma esto, aquí está el recorrido completo.

Preguntas frecuentes sobre estos proyectos

¿Estos casos son reales o son demos de portfolio?

Son proyectos con contrato firmado, factura emitida y sistema desplegado, cerrados entre abril y agosto de 2026. Están anonimizados por confidencialidad: se publica el sector, el tamaño en rango, el alcance, el importe y el mes, nunca el nombre. En la llamada de diagnóstico se pueden contrastar los detalles y, con permiso del cliente, doy referencia directa.

¿Por qué no aparece el nombre de ningún cliente?

Porque publicar el nombre de una empresa junto al detalle de sus cuellos de botella internos es una filtración, no una referencia. En Javadex no se publican nombres de clientes en ninguna página ni en ningún post: sector genérico, tamaño en rango, dato concreto y mes. Si contratas un proyecto de IA sobre tus datos internos, necesitas saber que tu nombre tampoco va a acabar aquí.

¿Cuánto cuesta un proyecto como estos?

Los cuatro sistemas B2B contratados en 2026 se movieron entre 4.000 y 12.000 € + IVA, siempre por fases y con pago por hito (50/25/25 o 40/30/30). Un primer caso de uso en producción arranca desde 5.000 €. La cifra concreta sale del diagnóstico y no de una tarifa plantilla, porque depende del volumen de documentación, de las integraciones y de si la infraestructura es tuya o mía.

¿Cuánto tarda en estar en producción?

Entre cuatro y ocho semanas por fase. El buscador privado sobre veinte años de memorias técnicas —580 documentos, 30.274 fragmentos— estuvo en producción y en uso real en poco más de tres semanas desde el kickoff. Las fases siguientes de un mismo proyecto se solapan con el uso: nadie espera a que esté todo para empezar a usarlo.

¿De quién es el código y dónde viven los datos?

El código, los prompts y la configuración son propiedad del cliente al completar el pago, sin lock-in y sin licencia recurrente por usar lo que ya ha pagado. Cuando el proyecto lo exige, todo corre en infraestructura del propio cliente: en el caso de ingeniería civil, en su servidor en Europa con acceso privado, sin que un solo documento salga a la nube de un tercero.

¿Integras con las herramientas que la empresa ya usa?

Es lo que decide si el proyecto se usa o se abandona. En estos casos se integró con gestor de proyectos, documentación interna, herramienta de diseño, mensajería de equipo y facturación en la agencia; con Presto, MS Project, Excel y BC3 en ingeniería civil; y con el correo corporativo para que los borradores aparezcan donde la persona ya trabaja. Nadie cambia de herramienta para usar la IA.

¿Tu cuello de botella se parece a alguno de estos?

Cuéntame el proceso que te está costando horas y en la primera respuesta te digo si tiene sentido montar IA encima o si te estaría vendiendo humo. Contesto por email en menos de 24 horas, sin agenda ni llamada de descubrimiento de 45 minutos.