La empresa que hay detrás de los sistemas
Gwenlake diseña, desarrolla y opera sistemas de datos y de IA para empresas que necesitan que funcionen en producción. Somos un equipo de científicos de datos e ingenieros a los que les importa tanto cómo se ejecuta un sistema como su rendimiento.
Visión
Creemos en un futuro tecnológico positivo. No en uno inevitable: la IA solo hará que la experiencia sea más accesible, en medicina, en la industria, en los servicios de los que la gente depende, si los sistemas que la sostienen están construidos para poder confiar en ellos. En eso consiste el trabajo.
Creemos que la inteligencia artificial hará la mayor parte de su trabajo útil dentro de las organizaciones, sobre sus propios datos y bajo su propio control. No en una ventana de chat, ni en los servidores de otro.
Creemos que la mayoría de los proyectos de IA mueren entre el dato y el modelo. No por falta de modelos: por falta de datos conectados, gobernados y bien descritos, y por falta de ingeniería alrededor del modelo una vez que se ejecuta. En ese hueco trabajamos.
Creemos que un sistema de IA fiable se apoya en cuatro cosas: datos con procedencia, una ontología que dice qué significan, evaluación sobre casos reales y un entorno que la organización controla. Todo lo que construimos se deriva de ahí.
Cómo hemos llegado aquí
Gwenlake se fundó en Rennes en 2021, con un pequeño equipo que tenía un pie en la universidad y el otro en los sistemas en producción. Nuestros primeros proyectos trataban de texto científico en el ámbito médico: extraer, clasificar y etiquetar literatura a gran escala. Nos enseñaron algo que hemos conservado desde entonces: un modelo vale lo que valen la experiencia del dominio y los datos que lo rodean.
Después pasamos del texto a la señal, analizando datos de sensores de barcos en el mar. Datos ruidosos, grandes volúmenes y un coste real cuando la respuesta es errónea. Ese trabajo nos obligó a tomarnos la ingeniería tan en serio como los modelos: pipelines, procedencia, evaluación y qué ocurre el día en que el sistema falla.
Después del mar llegaron señales de otro orden: los datos cerebrales. Registros más cortos, aún más ruidosos, y cuya verdad de referencia está ella misma abierta a interpretación. Eso nos empujó más lejos en la misma dirección: menos peso en la elección del modelo y más en cómo se describen los datos y cómo se verifica un resultado.
Cada uno de esos proyectos dejó algo. Ejecutar modelos de forma privada para los clientes se convirtió en la Gwenlake Inference API. Encadenar modelos en sistemas que actúan, con herramientas, memoria y una comprobación del resultado, se convirtió en Gwenflow, el framework open source sobre el que corren nuestros agentes. Y la plataforma que reconstruíamos de un proyecto a otro, para conectar los sistemas de un cliente, preparar sus datos y devolver los resultados, se convirtió en Gwenlake Atlas.
Hoy, nuestro trabajo es hacer que la IA funcione en producción para las organizaciones a las que servimos: pipelines, modelos y agentes, diseñados, construidos y operados por un solo equipo, sobre Atlas. Lo que no ha cambiado: parte del equipo sigue enseñando e investigando, en la misma ciudad donde empezamos.
Nuestros valores
Curiosidad
La respuesta del año pasado rara vez es la de este año.
Compromiso
Un sistema en producción es una promesa, no una entrega.
Exigencia
El trabajo está terminado cuando está bien, no cuando toca.
Humildad
El día que dejas de dudar de tu modelo es el día en que le falla a alguien.
El cliente primero
Un proyecto está terminado cuando funciona para el cliente, no cuando se entrega.
Un solo equipo
Las mismas personas definen el problema, entrenan los modelos y entregan la aplicación.
Entregar y operar
Entregamos rápido, y operamos lo que entregamos.
Sin silos
Ni héroes ni silos: el equipo trabaja como uno solo.
Pequeño y evaluado
En producción, un modelo pequeño bien evaluado gana a uno grande sin evaluar.
Primero el dato
La calidad de los datos vale más que la elección del modelo. La mayor parte de la ganancia está aguas arriba.
Encontrar el error
El linaje no es cumplimiento: es cómo se encuentra el error el día en que la respuesta es errónea.
Explicarlo todo
Cada ejecución debería estar trazada. Si nadie puede explicar por qué el sistema hizo lo que hizo, no está terminado.
Soberanía nativa
La soberanía es una decisión de arquitectura, no una función. Se decide el primer día o nunca.
Nuestras raíces académicas
Nunca hemos dejado del todo la universidad. Parte del equipo sigue enseñando en la Universidad de Rennes, y seguimos activos en un grupo de investigación de la misma ciudad en la que estamos. Cada año organizamos además una conferencia internacional de finanzas cuantitativas, que reúne a investigadores y profesionales en torno al mismo intercambio abierto con el que intentamos construir nuestros productos.