Skip to content
Mythal Studio

IA aplicada · TypeScript · Desde la UE

Funcionalidades de IA
listas para producción.
Construidas end-to-end en TypeScript.

Mythal Studio entrega features de IA que mueven el negocio: RAG, búsqueda semántica, embeddings, rerankers. Código en producción que tu equipo mantiene y amplía.

IA aplicada, entregada de punta a punta.

01 — Services

Servicios

Tres formas de colaborar, ordenadas de menor a mayor compromiso. Tarifa bajo consulta: cada brief vuelve con presupuesto cerrado.

  1. 01

    Auditoría de feature de IA

    1–2 semanas

    Revisión enfocada de una funcionalidad de IA que ya está en roadmap o en producción. Mapea riesgos, identifica el camino más barato para que funcione y entrega un plan escrito con tradeoffs concretos.

    Auditoría escrita · Esquema de arquitectura · Estimación de coste

    Tarifa bajo consulta

  2. 02

    Sprint de integración

    4–8 semanas

    Trabajo embebido con tu equipo para llevar a producción una feature crítica de IA. RAG, búsqueda semántica, embeddings, rerankers o un flujo basado en LLM. PRs sobre tu repo y código que se queda tu equipo.

    Feature en producción · Evals · Runbook

    Tarifa bajo consulta

  3. 03

    Ingeniero embebido

    3+ meses

    Senior dentro del roadmap del producto durante un trimestre o más. Funcionalidades de IA junto al resto del trabajo. Async, en horario CET, con un checkpoint semanal fijo.

    Bandwidth senior · Aporte al roadmap · Continuidad

    Tarifa bajo consulta

02 — What gets built

Cada capa del stack de IA aplicada

Trece piezas concretas que Mythal Studio construye end-to-end. Cada una llega a producción con evals y un runbook que tu equipo puede extender.

  1. 01

    Búsqueda semántica & RAG

    Buscadores y asistentes sobre tu base de conocimiento, con respuestas apoyadas en citas. Retrieval híbrido, reranking, pipelines de ingesta y evaluación incluidos.

  2. 02

    Copilots de producto

    Asistentes contextuales embebidos en la UI de tu producto. UX en streaming, tool use sobre tus APIs y guardrails para que el copilot no se salga del carril.

  3. 03

    Agentes multi-step

    Agentes que planifican, invocan tools, validan y derivan a humano cuando toca. Construidos con LangGraph o a mano, según lo que pida el workload.

  4. 04

    Voice agents

    Agentes telefónicos o de voz dentro del producto que cualifican, agendan o resuelven. Whisper, TTS, Twilio y pipelines en streaming conectados a tus datos.

  5. 05

    Recomendaciones & personalización

    Recommenders híbridos vector + comportamiento para producto, contenido o feed. Harness de eval offline y flag de A/B incluidos desde el día uno.

  6. 06

    Document understanding

    Datos estructurados a partir de PDFs, escaneos y formularios con visión + LLM. Outputs validados por schema, pipelines en batch y precisión medida en el tiempo.

  7. 07

    Automatización de workflows

    Agentes que clasifican, redactan y enrutan el trabajo que un humano repite cada día. Conectores nativos a Slack, Jira, Linear, ServiceNow y el resto.

  8. 08

    Observabilidad & evals

    Tracing, control de coste y suites de eval para features LLM en producción. La calidad deja de ser una sensación y pasa a ser un número en un dashboard.

  9. 09

    Backend & APIs

    Servicios productivos alrededor de tus agentes: auth, rate limiting, colas, webhooks, streaming. TypeScript end-to-end, asentado en Postgres, en Vercel o AWS.

  10. 10

    Productos greenfield

    Productos AI-first desde cero: landing, auth, billing, dashboard, la feature de IA, observabilidad. Un solo equipo dueño de todo hasta el lanzamiento.

  11. 11

    Pipelines de datos para IA

    Ingesta, normalización, refresh de embeddings, datasets de evaluación. Conectando Postgres, S3, Notion, Drive y los sistemas internos que nadie quiere tocar.

  12. 12

    Modernización & aceleración

    Refactor de plataformas legacy y añadir IA sin desestabilizar producción. Migración incremental, runs en paralelo y rollback claro en cada paso.

  13. 13

    Estrategia & feasibility de IA

    Workshops, due diligence técnica y roadmap de adopción antes de tocar código. Pensado para CTOs y founders técnicos que necesitan criterio en castellano antes de elegir stack o priorizar features.

Un estudio. Un punto de responsabilidad. Sin handoffs a un 'equipo de plataforma' que no existe todavía.

03 — Case studies

Casos

Colaboraciones seleccionadas, anonimizadas por las NDAs. Métricas medidas contra el baseline previo al despliegue.

  1. 01Bajo NDA

    Plataforma de research para fondos · Series A

    RAG híbrido sobre 12k+ entrevistas de research

    Pipeline de retrieval semántico + léxico para una plataforma de research de fondos, con chunking de transcripts largos, reranker cross-encoder sobre los 200 mejores candidatos y respuestas con cita integradas en el workflow del analista. Postgres + pgvector, embeddings OpenAI, Anthropic Claude.

    -78% en tiempo hasta la primera insight relevante, 3,2× de recall sobre transcripts que antes se escapaban.

  2. 02Bajo NDA

    Marketplace de proveedores para grandes eventos · scale-up

    Ranking personalizado de vendors para un marketplace

    Pipeline de personalización en tres capas para un marketplace en scale-up, con generación de candidatos sobre embeddings de vendor, un ranker aprendido que pondera presupuesto, región y estilo, y un modelo de sesión en tiempo real que recoge cambios de intención. Postgres + pgvector, ClickHouse, learning-to-rank.

    +11 pp de conversión por sesión en A/B, +14% de ingreso por visitante en la cohorte de prueba.

  3. 03Bajo NDA

    Operador regulado de apuestas deportivas

    Detección de colusión en tiempo real dentro de compliance

    Features de vínculo entre cuentas combinadas con similitud por embeddings sobre patrones históricos de riesgo, puntuadas por un clasificador ligero y encajadas dentro del flujo de compliance con citas con grado de auditoría. Postgres + pgvector, clasificador Python, Helicone.

    -68% de tiempo de revisión manual, +22 pp de recall sobre patrones de colusión que antes se escapaban.

04 — How we work

Cómo se trabaja

Un modelo de entrega en cuatro fases. Senior-led, guiado por evidencia y pensado para producción desde el día uno.

  1. Phase 01

    Discovery

    Objetivos, sistemas y riesgos de entrega mapeados antes de que el scope se endurezca.

  2. Phase 02

    Solution design

    Datos, seguridad, métricas de éxito y alcance del piloto, definidos con criterios de aceptación claros.

  3. Phase 03

    Validación & build

    El valor se demuestra primero en un piloto y se escala a build completo con entrega agent-assisted y revisión senior.

  4. Phase 04

    Despliegue & soporte

    Rollout a producción con runbooks, monitorización y revisión de resultados atada a los KPIs acordados.

05 — Stack

Stack

Las herramientas, frameworks y plataformas con las que se entrega cada semana. Si tu equipo ya las usa, el estudio ya las conoce.

Agentes & frameworks

  • LangGraph
  • CrewAI
  • LangChain
  • Tool / Function calling
  • MCP (Model Context Protocol)
  • A2A Protocol
  • Planner-Executor
  • ReAct
  • Chain-of-Thought / Tree-of-Thought
  • Prompt engineering

Plataformas LLM

  • OpenAI
  • Anthropic
  • Google Gemini
  • AWS Bedrock

Memoria & retrieval

  • Postgres + pgvector
  • Qdrant
  • Redis (vector)
  • Búsqueda híbrida
  • RAG
  • Rerankers

Backend & runtime

  • TypeScript
  • Next.js App Router
  • Node.js
  • Bun
  • Deno
  • Hono
  • tRPC
  • Drizzle ORM
  • Python
  • FastAPI

Infra & deployment

  • AWS ECS / Fargate
  • Vercel
  • Cloudflare
  • Edge runtime
  • Docker
  • GitHub Actions
  • Kafka
  • Celery

Voz & multimodal

  • Whisper / TTS
  • Twilio
  • Pipelines multimodales
  • Streaming UI
  • WebSockets

Integraciones

  • Slack / Teams
  • Jira
  • Linear
  • ServiceNow
  • SharePoint

Observabilidad & evals

  • Helicone
  • Tracing
  • CI/CD

Seguridad & compliance

  • Defensa de prompt injection
  • Redacción de PII
  • Prevención de RAG poisoning
  • OWASP LLM Top 10
  • EU AI Act
  • GDPR

06 — About

Sobre Mythal Studio

Mythal Studio es una práctica senior de ingeniería de IA aplicada para startups Series A en la UE. Operado desde Madrid, async-first, en horario CET. El foco está en integrar IA donde mueve el negocio: features que el usuario nota, mantenidas por tu equipo.

07 — Send a brief

Cuéntale a Mythal Studio qué hay que entregar.

Una nota corta con lo que estás construyendo y dónde necesita ayuda el equipo. Respuesta escrita con próximos pasos, enfoque y cuándo podría arrancar el trabajo: normalmente en dos días laborables.

Email directohola@mythal.studio

Solo se usa para responder a tu brief. No entra en ninguna lista ni se comparte.

Mythal Studio — Ingeniería de IA aplicada para startups Series A