Dades, Models i Raonament per a Decisions d’Alt Impacte
amsafis és una consultora especialitzada centrada en transformar dades complexes en prediccions fiables, lògica interpretable i coneixement operatiu.
L’empresa és petita per disseny: la feina l’executa directament un expert sènior amb més de tres dècades d’experiència professional en modelització, estadística, anàlisi operacional i sistemes intel·ligents.
Això garanteix rigor, responsabilitat personal i solucions que poden ser enteses, validades i en les quals es pot confiar.
Tres pilars complementaris
El suport modern a la presa de decisions requereix més d’una tècnica.
A amsafis, tots els projectes combinen un o més d’aquests pilars, segons el problema.
1. Machine Learning — Modelització Predictiva i Descobriment de Patrons
El Machine Learning proporciona l’esquelet matemàtic per a la predicció, l’avaluació de risc, la detecció d’anomalies i el descobriment de patrons no lineals.
És especialment efectiu quan les dades del món real inclouen soroll, interacció, heterogeneïtat o mides de mostra limitades.
Exemples de tècniques:
- models no lineals i additius
- modelització multinivell i jeràrquica
- anàlisi funcional de dades
- regles d’associació
- models basats en equacions diferencials
- optimització amb xarxes neuronals per a estructures no lineals
El ML s’utilitza tant per a predicció directa com per a font d’evidència quantitativa que després alimenta Sistemes Experts o raonament basat en regles.
2. Sistemes Experts — Regles Transparentes i Lògica Explicable
Els Sistemes Experts converteixen coneixement clínic, industrial o organitzatiu en regles explícites que es poden auditar, traçar i verificar.
Aquest enfocament proporciona claredat i explicabilitat completa, essencials en entorns regulats com salut, qualitat industrial o seguretat operacional.
Aquests sistemes donen suport a:
- processos diagnòstics o de decisió
- regles d’alerta i protocols de seguretat
- lògica de qualitat i conformitat
- raonament híbrid que combina regles + predicció basada en dades
Un exemple és el sandbox de malalties rares, que utilitza regles de coneixement per identificar possibles diagnòstics en mode interactiu. Explorar demostració interactiva
El mateix motor de coneixement pot ser accedit tant de forma humana com integrat dins de processos automatitzats que permeten reutilitzar el coneixement com a servei executable dins d’arquitectures de decisió o assistència computacional.
3. RAG-LLM — Comprensió de Documents amb Recuperació Augmentada
Els grans models de llenguatge només són fiables quan estan connectats a fonts verificades.
Els sistemes RAG connecten els LLMs amb articles científics, guies, documents tècnics o informes interns, garantint:
- respostes basades en evidència
- citacions i traçabilitat
- extracció estructurada
- interacció segura amb text no estructurat
Això permet consultar centenars de pàgines de documentació tècnica o clínica en llenguatge natural, amb referències transparents i comportament controlat.
Suport integrat a la decisió
Integrem Machine Learning, Expert Systems i RAG-LLM per oferir suport a la presa de decisions robust i interpretable en diferents àmbits.
Aquests components es poden combinar en Agents orientats a tasques que coordinen el raonament, la predicció i la comprensió contextual dins d’un únic sistema.
Aquest enfocament integrat permet solucions flexibles, traçables i adaptades al domini per a entorns complexos i d’alt risc. Descobreix més sobre el nostre enfocament d’Agent.
Àrees de treball
- analítica sanitària i biomèdica
- qualitat i monitoratge industrial
- suport a decisions operacionals i organitzatives
- modelització de risc
- modelització no lineal complexa
- entorns intensius en documents que requereixen auditabilitat
Com treballem
Els projectes es duen a terme amb implicació tècnica directa en totes les fases: definició del problema, modelització, validació, implementació i integració.
La prioritat és sempre la mateixa:
precisió, interpretabilitat i sistemes en els quals les organitzacions puguin confiar.
Si vols explorar un projecte
Pots contactar per comentar necessitats, restriccions o característiques de les teves dades.
La feina pot implicar Machine Learning, Sistemes Experts, RAG-LLM o una combinació dels tres, segons el context.
Un wiki explicatiu estructurat que descriu els tres pilars i la seva interacció està disponible aquí.
El wiki del consultor.