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.
- 01
Auditoría de feature de IA
1–2 semanasRevisión 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
- 02
Sprint de integración
4–8 semanasTrabajo 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
- 03
Ingeniero embebido
3+ mesesSenior 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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
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
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
Modernización & aceleración
Refactor de plataformas legacy y añadir IA sin desestabilizar producción. Migración incremental, runs en paralelo y rollback claro en cada paso.
- 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.
- 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.
- 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.
- 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.
- Phase 01
Discovery
Objetivos, sistemas y riesgos de entrega mapeados antes de que el scope se endurezca.
- Phase 02
Solution design
Datos, seguridad, métricas de éxito y alcance del piloto, definidos con criterios de aceptación claros.
- 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.
- 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.