Estudio con IA

El estudio que construye lo que no viene hecho

Software a medida y IA aplicada para procesos que no caben en ninguna herramienta del mercado. Con especificación antes que código, y con la parte de IA que se sostiene con datos y no con demostraciones.

Pango Studio empezó siendo una agencia de Shopify y hoy es dos cosas. La primera sigue siendo el ecommerce. La segunda es esta: un estudio de desarrollo a medida y de I+D en inteligencia artificial aplicada, que trabaja para empresas que tienen un problema concreto y ninguna herramienta del mercado que lo resuelva.

Aquí llegan tres tipos de encargo. El proceso que lleva años parcheado con hojas de cálculo y correos, porque ningún programa hace exactamente eso. El expediente, el contrato o el histórico que nadie tiene tiempo de leer entero, y del que hay que sacar respuestas. Y el piloto de IA que funcionaba en la demostración y nunca llegó a producción.

Los tres tienen arreglo. Los tres se parecen en algo: el problema no es el modelo ni el lenguaje de programación, es que nadie se ha sentado a escribir qué tiene que pasar exactamente. Por eso aquí se empieza por la especificación.

Qué construimos

Tres frentes, y los tres acaban en algo que se usa a diario, no en una prueba de concepto.

Software a medida

Plataformas, marketplaces, portales de cliente e integraciones entre sistemas que no se hablan. Node, TypeScript, Python, PostgreSQL y despliegue en la nube o en tu casa. Ver desarrollo a medida.

IA aplicada

Agentes que hacen trabajo de verdad, recuperación sobre tu propia documentación y modelos desplegados donde el dato no puede salir. Con evaluación continua, porque un modelo sin medir es una promesa. Ver IA aplicada.

Desarrollo acelerado con IA

Usamos IA en nuestro propio proceso para llegar antes: especificación primero, código después. Acorta plazos sin que el resultado sea un prototipo que nadie pueda mantener. Ver cómo trabajamos.

Tres encargos que se repiten

Si te reconoces en alguno, la conversación empieza más arriba de lo normal.

El proceso que no cabe en ningún programa

Lo lleváis con hojas de cálculo compartidas, carpetas y correos, y funciona porque hay tres personas que se saben las reglas de memoria. El día que una de esas tres se va de vacaciones, el proceso se para. Eso se convierte en una aplicación con las reglas escritas y los permisos claros.

La documentación que nadie lee entera

Expedientes, contratos, pliegos, históricos de soporte. La respuesta está dentro, pero encontrarla cuesta una tarde. Un asistente que busca sobre vuestros propios documentos y responde citando de dónde lo saca convierte esa tarde en un minuto, y deja el rastro para comprobarlo.

El piloto que se quedó en la demo

La prueba salió bien, la dirección la vio, y ahí murió. Casi siempre falta lo mismo: no hay forma de medir si acierta, no hay quién lo mantenga y nadie definió qué pasa cuando se equivoca. Eso es trabajo de ingeniería, no de modelo.
Del laboratorio

Esto lo hicimos un año antes que Shopify

Decir que investigamos es fácil. Esta es la versión con fechas, y con una app que cualquiera puede abrir ahora mismo.

  1. sep 2024Nace el estándarJeremy Howard publica llms.txt, un fichero para que los modelos de lenguaje entiendan una web. Lo adoptan documentaciones y herramientas de desarrollo. En comercio electrónico, nadie.
  2. mar 2025Lo llevamos a tiendas ShopifyLo implantamos en producción para clientes nuestros. El estándar tenía seis meses y en el ecosistema Shopify no lo había hecho nadie.
  3. jul 2025Y lo publicamos para todosSacamos LLMs.txt Generator en el Shopify App Store, disponible para cualquier tienda del mundo.
  4. may 2026Shopify lo integra de serieLa plataforma valida el estándar y lo trae nativo. Diez meses después de nuestra app y catorce después de nuestra primera tienda.

Cuando contratas a Pango no contratas a quien implementa lo que ya está en la documentación oficial. Contratas a quien lo estaba probando un año antes de que esa documentación existiera.

Cómo trabajamos

Especificación antes que código. No es una manía: es lo que hace que un proyecto con IA se pueda mantener después.

  1. Entender el problema, no el encargo

    La primera conversación no va de tecnología. Va de qué pasa hoy, quién lo hace, cuánto tarda y qué se rompe cuando falla. De ahí sale si hace falta software, si hace falta IA, o si hace falta las dos cosas. A veces sale que no hace falta ninguna, y eso también se dice.
  2. Escribir la especificación

    Antes de la primera línea de código se escribe qué tiene que hacer el sistema, con qué datos, con qué permisos y cómo se sabrá que funciona. Es un documento que lees tú y entiendes tú. Si algo no está claro ahí, no se va a aclarar solo más adelante.
  3. Construir con la especificación delante

    El desarrollo va contra ese documento. Usamos IA en nuestro propio proceso para ir más rápido, pero el criterio y la arquitectura los ponemos nosotros. Cada entrega se puede abrir y probar; no hay meses de silencio.
  4. Medir antes de dar nada por bueno

    En la parte de IA esto no es opcional. Un conjunto de casos reales, un porcentaje de aciertos y un umbral acordado por escrito. Si no llega, no sale. Y cuando sale, se sigue midiendo, porque los datos cambian y el sistema se desajusta solo.
  5. Dejarlo funcionando y documentado

    El proyecto termina con el sistema en producción, la documentación escrita y tu equipo sabiendo tocarlo. Si quieres que sigamos nosotros, seguimos. Si quieres llevártelo dentro, se lo lleva tu gente sin depender de una llamada nuestra.

Dónde vive el dato

Esta es la pregunta que aparece siempre y casi nunca la primera. Hay tres respuestas posibles y las tres son legítimas según el caso.

En la nube, con proveedor. Lo más rápido y lo más barato de operar. Vale cuando el dato no es sensible o cuando el contrato del proveedor cubre lo que tenéis que cumplir.

En vuestra nube. El modelo lo pone un tercero, pero se ejecuta dentro de vuestra infraestructura y el dato no sale de vuestra cuenta. Es el punto medio y el que elige la mayoría.

En vuestra casa. Modelos abiertos desplegados en vuestros propios servidores, sin conexión con el exterior. Cuesta más y rinde algo menos, y a cambio el dato no cruza ninguna puerta. Cuando trabajáis con expedientes de terceros, historiales o información sujeta a secreto, suele ser la única opción sobre la mesa. Ver despliegue privado.

Con qué está hecho

Sin misterio: esto es lo que usamos a diario.

Aplicación

Node.js, TypeScript, Python, React y Next.js. PostgreSQL como base por defecto, Redis donde hace falta y colas cuando el trabajo no puede ser síncrono. Control de versiones, entorno de pruebas y despliegue automatizado en todos los proyectos.

Inteligencia artificial

Modelos de Anthropic y OpenAI para lo general, y modelos abiertos cuando el dato tiene que quedarse dentro. Recuperación sobre documentación propia con bases vectoriales, agentes con herramientas y protocolo MCP para conectarlos a vuestros sistemas. Ver agentes y MCP.

Medición

Conjuntos de casos de prueba con la respuesta correcta acordada, ejecución automática en cada cambio y un panel donde se ve si el sistema mejora o empeora. Trazas de cada consulta para poder abrir una respuesta concreta y ver por qué salió así.

Preguntas que nos hacen antes de empezar


¿Cuánto cuesta un proyecto de estos?
Depende del alcance, y el alcance sale de la especificación. Lo que sí es fijo es el primer paso: una sesión de trabajo para escribir qué hay que resolver y qué haría falta. De ahí sale un presupuesto con fases y con un precio por fase, no un número al aire.

¿Cuánto se tarda?
Un asistente sobre documentación propia, entre cuatro y ocho semanas hasta producción. Una aplicación que sustituye un proceso entero, de tres a seis meses según cuántos sistemas haya que conectar. La especificación son una o dos semanas y se entrega aunque después no sigáis con nosotros.

Ya probamos con IA y no funcionó. ¿Qué cambia ahora?
Que se define por escrito qué es funcionar, antes de construir nada. La mayoría de pilotos no fallan por el modelo: fallan porque nadie acordó un umbral de acierto, nadie preparó los casos de prueba y nadie se quedó a mantenerlo. Eso es lo que hacemos distinto.

¿Os quedáis con el código?
No. El código es vuestro, en vuestro repositorio, desde el primer día. El mantenimiento posterior lo podemos llevar nosotros o lo puede llevar vuestro equipo. No dejamos nada atado a que sigamos aquí.

¿Trabajáis solo con tiendas online?
No. La parte de ecommerce es nuestra otra pata y de ahí venimos, pero los proyectos de esta página son de cualquier sector: servicios profesionales, industria, formación, administración. El denominador común es que hay un proceso que no cabe en una herramienta de catálogo.

Contacto

Cuéntanos tu proyecto

Un meet de 30 minutos para entender tu proyecto y decirte, sin rodeos, si somos el equipo adecuado.

Respondemos en menos de 24 h laborables
Escríbenos a hola@pangostudio.com

ISO/IEC 27001 · EUROCERT · certificado n.º 00.15.0793

Sortlist Trusted PartnerShopify Select PartnerChooseMyCompany, resultados certificados de Pango StudioEl 100 % de la plantilla recomienda trabajar aquíEmpresa certificada por ChooseMyCompany

Proyecto “Planificador Quirúrgico” subvencionado con el expediente 03-SSD1-00035.4/2025 del Programa de subvenciones para el desarrollo e implantación de soluciones digitales en pymes, dentro del programa RETECH – redes de emprendimiento de la Comunidad de Madrid, en el marco del Plan de Recuperación, Transformación y Resiliencia, financiado por la Unión Europea – Next Generation EU.

Financiado por la Unión Europea — NextGenerationEU Gobierno de España — Ministerio para la Transformación Digital y de la Función Pública Plan de Recuperación, Transformación y Resiliencia Comunidad de Madrid
Contacto

Cuéntanos tu proyecto

Un meet de 30 minutos para entender tu proyecto y decirte, sin rodeos, si somos el equipo adecuado.

Respondemos en menos de 24 h laborables
Escríbenos a hola@pangostudio.com