IA que funciona de verdad: el caso de Data-ka y los pliegos automáticos

Una empresa vasca usa PLN para leer pliegos de 200 páginas y generar borradores de propuestas. Sin hype, sin humo, solo resultados.

Estoy harto de artículos sobre IA que hablan de “transformación digital”, “disrupción” y “el futuro del trabajo” sin dar un solo ejemplo concreto. Hoy vamos a hablar de algo real: una empresa española que usa IA para resolver un problema específico y medible.

Data-ka es una empresa vasca especializada en Procesamiento del Lenguaje Natural. Su caso de uso estrella: un sistema que lee pliegos de contratación pública, extrae los requisitos clave, y genera borradores de propuestas que luego valida un equipo humano.

Nada de “revolucionar industrias”. Solo automatizar un trabajo tedioso que consume cientos de horas.

El problema real

Si has trabajado con administración pública o grandes empresas, conoces los pliegos. Documentos de 100, 200, a veces 500 páginas llenos de requisitos técnicos, administrativos y legales. Leerlos es un trabajo de días. Entenderlos, de semanas.

Las empresas que se presentan a licitaciones tienen equipos dedicados a esto. Personas cuyo trabajo es leer pliegos, extraer requisitos, y preparar propuestas que cumplan todos los puntos. Es trabajo cualificado pero repetitivo. Y es un cuello de botella: no puedes presentarte a más licitaciones de las que tu equipo puede procesar.

La solución de Data-ka

El sistema de Data-ka hace lo siguiente:

Ingesta del documento. Recibe el pliego en cualquier formato (PDF, Word, lo que sea) y lo procesa.
Extracción de requisitos. Usando PLN, identifica los requisitos obligatorios, los criterios de valoración, los plazos, las certificaciones necesarias, etc.
Estructuración. Organiza los requisitos en categorías: técnicos, administrativos, económicos, de solvencia…
Generación de borrador. Produce un primer borrador de propuesta que cubre todos los puntos identificados.
Validación humana. Un equipo revisa el borrador, añade la información específica de la empresa, y refina el documento.

El resultado: lo que antes llevaba una semana ahora lleva un día. Y con menos errores, porque el sistema no se salta requisitos por cansancio.

Por qué esto es diferente del hype

Este caso me gusta porque ilustra perfectamente cómo debería usarse la IA en empresas:

Problema concreto. No “mejorar la eficiencia” en abstracto. Leer pliegos más rápido. Punto.

Métrica clara. Tiempo de procesamiento, requisitos identificados, propuestas generadas. Puedes medir si funciona o no.

Humano en el loop. El sistema genera borradores, los humanos validan. No es “la IA lo hace todo”, es “la IA hace el trabajo tedioso para que los humanos hagan el trabajo de valor”.

ROI demostrable. Si procesas pliegos en un día en vez de una semana, puedes presentarte a más licitaciones. Más licitaciones = más oportunidades de negocio. Las cuentas salen.

Si estás evaluando implementar IA en tu empresa, lee lo que nadie te cuenta de implementar IA en una PYME. Data-ka es un ejemplo de cómo hacerlo bien.

Qué podemos aprender

1. El PLN está maduro para documentos estructurados

Los pliegos son documentos largos pero con estructura predecible. Hay secciones de requisitos técnicos, criterios de adjudicación, condiciones administrativas… El PLN moderno es muy bueno extrayendo información de este tipo de documentos.

Otros casos similares: contratos, informes financieros, documentación técnica, normativas. Si tienes documentos largos y estructurados que alguien tiene que leer repetidamente, probablemente hay una oportunidad de automatización.

2. El valor está en el proceso, no en el modelo

Data-ka no ha inventado un nuevo modelo de lenguaje. Usa tecnología existente (probablemente combinaciones de modelos open source y APIs comerciales) aplicada a un proceso de negocio específico.

El valor no está en tener “mejor IA” que la competencia. Está en entender el problema lo suficiente como para diseñar un proceso que funcione.

3. La validación humana es clave

El sistema no pretende eliminar a los humanos. Pretende multiplicar su capacidad. Un experto que antes podía procesar 2 pliegos a la semana ahora puede supervisar 10.

Esto es importante porque los clientes de este tipo de servicios (administraciones públicas, grandes empresas) necesitan garantías. No van a confiar en un documento generado 100% por IA. Pero sí confían en un documento generado por IA y revisado por expertos.

4. España tiene talento en IA aplicada

Data-ka es vasca. Participan en BIND 2025 (el programa de aceleración de startups industriales de SPRI). Tienen planes de expandirse a Europa y Estados Unidos.

No todo son startups de Silicon Valley. Hay empresas españolas haciendo cosas interesantes en IA, especialmente en aplicaciones industriales y de procesos. Esto conecta con lo que escribí sobre la adopción de IA en España: el potencial está ahí, falta ejecutar.

Otros casos reales en España

Data-ka no es un caso aislado. Algunos ejemplos más:

Sherpa.ai (País Vasco): IA federada que permite entrenar modelos sin mover los datos. Aplicaciones en banca y salud.

Inbenta (Barcelona): Chatbots y buscadores semánticos para atención al cliente. Trabajan con empresas del IBEX 35.

Biometric Vox (Albacete): Biometría de voz para autenticación. Usada por bancos y aseguradoras.

Clarity AI (Madrid): IA para análisis de sostenibilidad e inversión ESG. Valorada en más de 400 millones.

No son casos de “vamos a ser el próximo OpenAI”. Son casos de “vamos a resolver un problema específico mejor que nadie usando IA”.

La oportunidad para empresas españolas

Si diriges una empresa o un departamento, la pregunta no es “¿debería usar IA?”. La pregunta es “¿qué proceso tengo que es tedioso, repetitivo, y consume tiempo de gente cualificada?”.

Los candidatos habituales:

Lectura y extracción de información de documentos
Clasificación de emails, tickets, o solicitudes
Generación de informes rutinarios
Respuestas a preguntas frecuentes
Control de calidad visual
Análisis de contratos

No necesitas construir nada desde cero. Hay empresas como Data-ka que se especializan en esto. O puedes empezar con herramientas estándar (Claude, GPT-5) y un proceso bien diseñado.

La clave es empezar con un problema concreto, métricas claras, y expectativas realistas. No con “transformación digital” y PowerPoints bonitos.

¿Conoces otros casos de IA aplicada en empresas españolas? ¿Has automatizado algún proceso con PLN? Comparte tu experiencia.