Naranja Lab

n

n

n ESTUDIO NARANJAn //n LAB_WORKSTATION_v3.2n SYSTEM: OPERATIONALn LATENCY: 21msn ENGINE: WP-ABILITIES 7.1n

n

n

nnn

n

n

n

n

n n n n SYS_ROOT // WORKSTATION_COREn

n

n estudio-naranja / lab / core-kernel.sysn

n

n ● OPERATIONALn TRL-7 READYn

n

nn

n

n

n ● PROTOCOLO_I+D // SISTEMAS_AGÉNTICOS_2026n

n

n

n RUN: PRODUCTION_ENVn |n LATENCY: 21msn

n

nn

n

n

n

LABORATORIO DE INTELIGENCIA ARTIFICIAL APLICADA

n

n Ingeniería de Sistemas Agénticos & Validación Empírica en Producciónn

n

n Laboratorio de inteligencia artificial aplicada y prototipado autónomo de Estudio Naranja. Diseñamos, desplegamos y auditamos agentes con razonamiento multimodal, memorias persistentes y orquestación de herramientas para resolver fricciones operativas críticas.n

n

n

nn

n

n

SISTEMAS EN CATÁLOGO

n

18 ACTIVOS

n

n

n

CRITERIO VALIDACIÓN

n

100% EMPÍRICO

n

n

n

CICLO DE ITERACIÓN

n

< 72 HORAS

n

n

n

INFRAESTRUCTURA

n

WP-ABILITIES

n

n

n

n

nn

n

n n n TELEMETRÍA KERNEL: MOTOR ACTIVO // RECEPTOR DE SEÑALES ABIERTOn n ESTUDIO NARANJA // I+D LABn

n

n

n

n

nnn

n

n

n n

n

n n n n SYS_CONSOLE // PID: #8824n

n

n estudio-naranja / lab / pipeline-cycle.dagn

n

n SYNC: ACTIVEn ● RUNNINGn

n

nn n

n

n n n n

n

n CYCLE: CONTINUOUS LOOPn |n SPEC: VERIFIABLE IPn

n

nn n

n

n

n

ARQUITECTURA DEL CICLO EXPERIMENTAL

n

De Fricción Operativa a Activo de Producción

n

Pipeline sistemático de 5 nodos para transformar señales del entorno en capacidades escalables.

n

n

n

n CRITERIO ÉXITOn 100% EMPÍRICOn

n

n ITERACIÓN PROMEDIOn < 72 HORASn

n

n INTEGRACIÓNn WP-ABILITIESn

n

n

nn n

n

nn n

n

n STAGE_01n INGESTn

n

n

01. SEÑAL

n

Detección y captura de fricciones de mercado, dudas pedagógicas o cuellos de botella reales.

n

n

IN:Telemetría / Briefs / Clientes

n

MÉTODO:Clustering & Detección de patrones

n

OUT:Vector de Fricción Calificado

n

n

n

n

nn n

n

n STAGE_02n FORMULACIÓNn

n

n

02. HIPÓTESIS

n

Planteamiento de preguntas falsables, definición de alcance y KPIs cuantitativos de éxito.

n

n

IN:Vector de Fricción Calificado

n

MÉTODO:Falsabilidad & Criterio de negocio

n

OUT:Ficha de Experimento v1.0

n

n

n

n

nn n

n

n STAGE_03n ENSAMBLAJEn

n

n

03. PROTOTIPO

n

Construcción ágil del entorno mínimo ejecutable: agentes, cadenas de inferencia y contratos de API.

n

n

IN:Ficha de Experimento v1.0

n

STACK:WP Abilities / Python / LLM

n

OUT:Sandbox Operativo en Vivo

n

n

n

n

nn n

n

n STAGE_04n VALIDACIÓNn

n

n

04. PRUEBA

n

Ejecución en campo controlado con clientes piloto y equipos para medir precisión y retorno.

n

n

IN:Sandbox Operativo en Vivo

n

MÉTODO:Pilotos de Bajo Riesgo en Producción

n

OUT:Evidencia & Telemetría Real

n

n

n

n

nn n

n

n STAGE_05n DESPLIEGUEn

n

n

05. ACTIVO

n

Consolidación en producción o preservación estructurada en el repositorio de Archivo Vivo / Academy.

n

n

IN:Evidencia & Telemetría Real

n

DESTINO:Producción / Academy / IP Pro

n

OUT:Capacidad Desplegada + Retorno

n

n

n

n

nn

nn n

n

n RUNTIME_TELEMETRY_STREAM // MOTOR_VIVOn FEEDBACK_LOOP: CONTINUO (STAGE_05 ─▶ STAGE_01)n

n

n

[18:22:01][INGEST]Señales registradas: Fricción en tiempo de armado de briefs comerciales y docentes (EXP-02).

n

[18:22:02][HYPO]Hipótesis formulada: Un agente reflexivo reduce 70% el ciclo de clarificación con preguntas semilla.

n

[18:22:03][PROTO]Despliegue de sandbox: Endpoints WP Abilities inicializados. Rutas /abilities/core activas.

n

[18:22:04][TEST]Prueba piloto en curso: 14 interacciones procesadas con validación de consistencia.

n

[18:22:05][ASSET]Activo consolidado: Documentación y prompts integrados a Archivo Vivo de Estudio Naranja.

n

n

n

nn n

nn n

nn

n

n

n

nnn

n

n n n

n

n

n n n n SYS_MATRIX // EXPERIMENT_REGISTRY_v3.2n

n

n estudio-naranja / lab / experiments-catalog.idxn

n

n ● 18_NODES_INDEXEDn READYn

n

nn

n

n

n

MATRIZ DE EXPERIMENTACIÓN AGÉNTICA // 18 SISTEMAS DISPONIBLES

n

n Catálogo de Agentes Autónomos & Pruebas en Campon

n

n Modelos de lenguaje, visión artificial multimodal y grafos de conocimiento estructurados para automatización operativa, síntesis analítica y toma de decisiones en entornos empresariales de alta exigencia.n

n

n

n

n

DEMOS EN VIVO

n

06 ACTIVAS

n

n

n

CASOS DE ESTUDIO

n

06 CON DATA

n

n

n

EN INCUBACIÓN

n

06 EN LAB

n

n

n

n

n

nn n

n

n n n n n

n

n INDEX: 18_NODES // ARCHIVO_VIVO_CONNECTEDn

n

nn n

n

n

n EXP-01n n n DEMO ACTIVA [ONLINE]n n

n

n Radar Agénticon

n

n

n

n SYS_IDENT // EXP-01n

n

Operación + IA

n

Radar Agéntico

n

n PROPÓSITO: Diagnóstico dinámico que mapea en pocos minutos los cuellos de botella operativos de una organización y determina la viabilidad de agentes autónomos.n
n HIPÓTESIS: Un clasificador multi-modelo con evaluación heurística reduce en 80% el tiempo de prospección técnica y prioriza casos de uso de alto ROI.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-02n n n DEMO ACTIVA [ONLINE]n n

n

n Brief que piensan

n

n

n

n SYS_IDENT // EXP-02n

n

Estrategia + Consultoría

n

Brief que piensa

n

n PROPÓSITO: Transformar briefs incompletos y ambiguos en marcos estratégicos accionables mediante interrogación socrática y descomposición analítica.n
n HIPÓTESIS: Un agente reflexivo (Chain-of-Thought) reduce en 70% las iteraciones de replanteamiento entre clientes y equipos estratégicos.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-03n n n DEMO ACTIVA [ONLINE]n n

n

n Memoria comercialn

n

n

n

n SYS_IDENT // EXP-03n

n

Ventas + CRM

n

Memoria comercial

n

n PROPÓSITO: Preparación autónoma de reuniones y propuestas comerciales indexando el historial tácito de negociaciones previas, objeciones y acuerdos.n
n HIPÓTESIS: Un RAG comercial vectorizado reduce el tiempo de preparación de propuestas de 5 horas a 12 minutos con 100% de coherencia tarifaria.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-04n n n CASO DE ESTUDIO [DATA]n n

n

n Aula que responden

n

n

n

n SYS_IDENT // EXP-04n

n

Educación + IA

n

Aula que responde

n

n PROPÓSITO: Tutor pedagógico socrático que asiste a estudiantes guiando la resolución de problemas sin entregar soluciones directas ni alterar los objetivos del docente.n
n HIPÓTESIS: Guardrails pedagógicos con RAG sobre sílabos elevan la asimilación conceptual en 35% y previenen la copia pasiva.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-05n n n CASO DE ESTUDIO [DATA]n n

n

n Publicidad que aprenden

n

n

n

n SYS_IDENT // EXP-05n

n

Publicidad + AdTech

n

Publicidad que aprende

n

n PROPÓSITO: Auditoría multimodal continua de copys, banners y spots publicitarios con retroalimentación empírica de métricas y compliance regulatorio.n
n HIPÓTESIS: La iteración asistida por agentes evaluadores eleva el CTR en 28% y elimina rechazos por normativas de plataformas publicitarias.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-06n n n CASO DE ESTUDIO [DATA]n n

n

n Observatorio de señalesn

n

n

n

n SYS_IDENT // EXP-06n

n

Tendencias + Prospectiva

n

Observatorio de señales

n

n PROPÓSITO: Detección temprana y clustering de anomalías operativas, patentes y disrupciones tecnológicas a partir de fuentes no estructuradas globales.n
n HIPÓTESIS: El clustering semántico agéntico anticipa tendencias sectoriales 4 semanas antes que los radares de consultoría convencionales.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-07n n n EN INCUBACIÓN [LAB]n n

n

n Mapa transmedian

n

n

n

n SYS_IDENT // EXP-07n

n

Storytelling + Contenidos

n

Mapa transmedia

n

n PROPÓSITO: Expansión de universos narrativos e investigaciones complejas a través de grafos de conocimiento que garantizan coherencia entre múltiples formatos mediáticos.n
n HIPÓTESIS: Un agente verificador de lore preserva 100% de coherencia narrativa en franquicias y marcas a través de 8 medios simultáneos.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-08n n n EN INCUBACIÓN [LAB]n n

n

n Aula en juegon

n

n

n

n SYS_IDENT // EXP-08n

n

Gamificación + Formación

n

Aula en juego

n

n PROPÓSITO: Entornos gamificados de aprendizaje que ajustan dinámicamente retos, misiones y mecánicas de colaboración según el ritmo individual del estudiante.n
n HIPÓTESIS: El ajuste agéntico de dificultad en tiempo real eleva la tasa de finalización de módulos formativos en un 44%.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-09n n n EN INCUBACIÓN [LAB]n n

n

n Archivo vivo de comunicaciónn

n

n

n

n SYS_IDENT // EXP-09n

n

Gestión del conocimiento

n

Archivo vivo de comunicación

n

n PROPÓSITO: Transformar repositorios pasivos de documentos, briefs y clases en un cerebro semántico interactivo con capacidad de síntesis, citación y recuperación viva.n
n HIPÓTESIS: Un sistema RAG híbrido multi-corpus reduce en 85% el tiempo de búsqueda interna y rescata activos de propiedad intelectual olvidados.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-10n n n DEMO ACTIVA [ONLINE]n n

n

n Análisis biomecánico vision-agentn

n

n

n

n SYS_IDENT // EXP-10n

n

SportTech & Biomecánica

n

Análisis biomecánico vision-agent

n

n PROPÓSITO: Diagnóstico de zancada, oscilación vertical y cadencia en tiempo real analizando video mediante visión artificial multivariable y retroalimentación en lenguaje natural.n
n HIPÓTESIS: Un agente acoplado a clasificadores cinemáticos reduce el tiempo de diagnóstico de 48 horas a 3 minutos con 94% de correlación respecto a un kinesiólogo.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-11n n n CASO DE ESTUDIO [DATA]n n

n

n Asistente de triaje y protocolos clínicosn

n

n

n

n SYS_IDENT // EXP-11n

n

Salud & Telemedicina

n

Asistente de triaje y protocolos clínicos

n

n PROPÓSITO: Pre-triaje asistido por IA para categorizar gravedad de síntomas y recomendar rutas de atención antes de la consulta presencial.n
n HIPÓTESIS: Árboles de decisión clínicos reforzados con LLMs reducen 40% el tiempo administrativo del médico y eliminan el 85% de errores en derivación de especialidad.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-12n n n DEMO ACTIVA [ONLINE]n n

n

n Despacho y diagnóstico en campon

n

n

n

n SYS_IDENT // EXP-12n

n

Servicios de Campo & Operaciones

n

Despacho y diagnóstico en campo

n

n PROPÓSITO: Identificación inmediata de vectores y plagas mediante fotografía y georreferenciación de rutas de emergencia para cuadrillas técnicas.n
n HIPÓTESIS: El enrutamiento dinámico asistido por visión predictiva reduce los tiempos muertos de traslado en 32% y eleva la tasa de resolución en primera visita a 91%.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-13n n n CASO DE ESTUDIO [DATA]n n

n

n Extracción de BL y manifiestosn

n

n

n

n SYS_IDENT // EXP-13n

n

Cadena de Suministro & Comercio Exterior

n

Extracción de BL y manifiestos

n

n PROPÓSITO: Extracción autónoma de datos estructurados desde Bill of Lading (BL), facturas aduaneras y certificados de origen con validación regulatoria.n
n HIPÓTESIS: Un agente extractor con verificación semántica elimina 99.2% de errores de digitación arancelaria y ahorra 4.5 horas por embarque.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-14n n n DEMO ACTIVA [ONLINE]n n

n

n Minería de reportes macroeconómicosn

n

n

n

n SYS_IDENT // EXP-14n

n

Banca de Inversión & Finanzas

n

Minería de reportes macroeconómicos

n

n PROPÓSITO: Agente analista que procesa minutas de política monetaria, balances corporativos y series de tiempo para generar briefs ejecutivos en segundos.n
n HIPÓTESIS: El análisis con RAG híbrido y guardrails de citación reduce el tiempo de investigación de 6 horas a 25 minutos sin alucinaciones numéricas.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-15n n n EN INCUBACIÓN [LAB]n n

n

n Simulador de objeciones y scoringn

n

n

n

n SYS_IDENT // EXP-15n

n

Banca Minorista & Crédito

n

Simulador de objeciones y scoring

n

n PROPÓSITO: Entrenador interactivo para asesores comerciales con perfiles sintéticos de clientes recalcitrantes y evaluación en vivo de persuasión y cumplimiento.n
n HIPÓTESIS: El roleplay agéntico continuo acelera en 60% la curva de aprendizaje y eleva la tasa de colocación en 18%.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-16n n n EN INCUBACIÓN [LAB]n n

n

n Optimizador de especificaciones de obran

n

n

n

n SYS_IDENT // EXP-16n

n

Gran Retail & Construcción

n

Optimizador de especificaciones de obra

n

n PROPÓSITO: Transformar planos y listas técnicas de arquitectos en cotizaciones exactas con cálculo de merma y disponibilidad en inventario en tiempo real.n
n HIPÓTESIS: La extracción de tablas y matching agéntico de SKU reduce de 2 días a 4 minutos la generación de presupuestos para contratistas.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-17n n n CASO DE ESTUDIO [DATA]n n

n

n Gobernanza directiva y auditoría de actasn

n

n

n

n SYS_IDENT // EXP-17n

n

Gobernanza & LegalTech

n

Gobernanza directiva y auditoría de actas

n

n PROPÓSITO: Asistente de juntas y asambleas que indexa décadas de decisiones corporativas, audita cumplimiento de estatutos y previene litigios normativos.n
n HIPÓTESIS: La memoria institucional agéntica evita redundancias en comités y disminuye 80% el tiempo de consulta legal en votaciones críticas.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-18n n n EN INCUBACIÓN [LAB]n n

n

n Curaduría generativa y estilismon

n

n

n

n SYS_IDENT // EXP-18n

n

Moda, Lujo & Retail

n

Curaduría generativa y estilismo

n

n PROPÓSITO: Asesor de estilo inteligente que interpreta ocasión de uso, paleta de vestuario y metales para recomendar piezas de autor en experiencia interactiva.n
n HIPÓTESIS: Un recomendador con sensibilidad visual y memoria de estilo incrementa la conversión en ecommerce de lujo de 1.4% a 4.8%.n

n n Ver ficha del experimento ↗n n

n

n

n EXP-19n n n ACTIVO [LAB]n n

n

n

n

🎨👁️

n

PIXO STUDIO

n

SURREAL ART & CO-CREATION

n

n

n

n

n

n SYS_IDENT // EXP-19n

n

Arte Generativo, E-Commerce & Tráfico Social

n

PIXO Studio: Arte Surreal & Co-Creación IA

n

n PROPÓSITO: Motor programático de monetización de tráfico visual masivo (~1.88M imp/mes) mediante catálogo particionado en 100 shards O(1) con CTAs dinámicos.n
n HIPÓTESIS: La personalización de arte en tiempo real mediante inferencia img2img (Flux Pro) combinada con checkout directo activa conversiones sin fricción operativa.n

n n Ver ficha del experimento ↗n n

nn

nn

n

nnn

n

n

n

n

n n n n SYS_POLICY // DIRECTIVE_01n

n

n estudio-naranja / lab / metodologia.rulen

n

n ● ENFORCEDn

n

nn

n

n

PROTOCOLO DE INVESTIGACIÓN // PRINCIPIOS OPERATIVOS

n

n Hacemos pruebas para decidir mejor: Cero teoría sin validación en campon

n

n Cada experimento parte de una fricción real: una oportunidad comercial, una pregunta pedagógica, una idea creativa o un proceso que necesita más contexto. Lo probamos pequeño, lo documentamos y solo lo llevamos a producción cuando demuestra valor.n

n

nn

n

n

RULE_01 :: FRICCIÓN_REAL

n

Cero pruebas por novedad o moda. Todo experimento responde a una oportunidad o cuello de botella operativo tangible.

n

n

n

RULE_02 :: CICLO_CONTROLADO

n

Iteramos en entornos de bajo riesgo. Validamos hipótesis empíricas con métricas antes de comprometer escala.

n

n

n

RULE_03 :: ACTIVO_TRANSFERIBLE

n

El aprendizaje se preserva en código y documentación verificable en Archivo Vivo, no en presentaciones vacías.

n

n

n

nn

n

n POLICY_EXECUTION: VERIFIED // ESTUDIO NARANJA I+Dn ZERO_THEORY_PROTOCOL // STATUS_OKn

n

n

n

n

nnn

n

n

n

n

n n n n ENTERPRISE_DISPATCH_GATE // PROGRAMA DE PILOTOS DE IA 2026n

n ● STATUS: OPEN_FOR_PILOTSn

n

n

n

DESPLIEGUE CONTROLADO EN ORGANIZACIONES

n

¿Tu organización enfrenta un desafío operativo similar?

n

n Desplegamos un piloto de bajo riesgo de 3 semanas adaptado a la infraestructura, datos y cumplimiento normativo de tu organización para comprobar viabilidad técnica y retorno de inversión antes de escalar.n

n

n FASE 01: Ingesta y Sandbox (Días 1-5)n →n FASE 02: Calibración Agéntica (Días 6-15)n →n FASE 03: Retorno & Telemetría (Días 16-21)n

n

n

n n [ SOLICITAR_PILOTO_I+D ↗ ]n n n TIEMPO_RESPUESTA: < 24H // SSL_SECUREn n

n

n

n

n

nnn

nnn(function() {n // 1. Reloj en tiempo real UTCn function updateClock() {n var el = document.getElementById(‘nl-live-clock’);n if (el) {n var now = new Date();n el.textContent = now.toISOString().replace(‘T’, ‘ ‘).substring(0, 19) + ‘ UTC’;n }n }n setInterval(updateClock, 1000);n updateClock();nn // 2. Conmutador de Pestañas del Pipelinen window.nlSwitchTab = function(tabName) {n var viewDag = document.getElementById(‘nl-view-dag’);n var viewSpec = document.getElementById(‘nl-view-spec’);n var viewTelemetry = document.getElementById(‘nl-view-telemetry’);n var tabDag = document.getElementById(‘tab-dag’);n var tabSpec = document.getElementById(‘tab-spec’);n var tabTelemetry = document.getElementById(‘tab-telemetry’);nn if (viewDag) viewDag.style.display = (tabName === ‘dag’) ? ‘block’ : ‘none’;n if (viewSpec) viewSpec.style.display = (tabName === ‘spec’) ? ‘block’ : ‘none’;n if (viewTelemetry) viewTelemetry.style.display = (tabName === ‘telemetry’) ? ‘block’ : ‘none’;nn if (tabDag) tabDag.className = ‘nl-station__tab’ + (tabName === ‘dag’ ? ‘ is-active’ : »);n if (tabSpec) tabSpec.className = ‘nl-station__tab’ + (tabName === ‘spec’ ? ‘ is-active’ : »);n if (tabTelemetry) tabTelemetry.className = ‘nl-station__tab’ + (tabName === ‘telemetry’ ? ‘ is-active’ : »);n };nn // 3. Filtrado de Tarjetas en la Matriz de Experimentosn document.addEventListener(‘DOMContentLoaded’, function() {n var filterBtns = document.querySelectorAll(‘.nl-filter-btn’);n var cards = document.querySelectorAll(‘.nl-card’);nn filterBtns.forEach(function(btn) {n btn.addEventListener(‘click’, function() {n filterBtns.forEach(function(b) { b.classList.remove(‘is-active’); });n btn.classList.add(‘is-active’);n var filter = btn.getAttribute(‘data-filter’);nn cards.forEach(function(card) {n if (filter === ‘all’ || card.getAttribute(‘data-category’) === filter) {n card.style.display = ‘flex’;n } else {n card.style.display = ‘none’;n }n });n });n });n });n})();nn