Engineering Behind the Color: Software for a Global Paint Brand
February 13, 2026 | 4 Minuto(s) de lectura
Cuando la gente piensa en una marca mundial de pinturas, a menudo se imagina cartas de colores, acabados y productos en las estanterías. Lo que no ven es la sofisticada ingeniería de software que se desarrolla entre bastidores, como la tecnología que ayuda a los empleados, los equipos de ventas y los clientes a obtener respuestas precisas con mayor rapidez, protegiendo al mismo tiempo los datos confidenciales.
Nuestro viaje con una marca mundial de pinturas comenzó con una pregunta simple pero urgente: ¿cómo podemos poner la IA en manos de los empleados de forma segura?
El motor original no era la innovación por la innovación. Era la seguridad. Los directivos necesitaban una forma de evitar que los empleados utilizaran herramientas de IA públicas de forma que pudieran exponer datos confidenciales o entrenar involuntariamente modelos externos. El reto consistía en encontrar una vía segura y preparada para la adopción de la IA generativa por parte de las empresas.
Del acceso seguro a la IA a un conocimiento más inteligente
Bill Curry, VP de Consultoría, Improving
El primer caso de uso se centró en ofrecer a los empleados un entorno seguro para hacer preguntas utilizando IA. Al mantener todo dentro de un entorno en la nube protegido, la solución garantizaba que la información confidencial permaneciera privada y nunca se reutilizara para entrenar modelos externos.
A partir de ahí, la visión se amplió. En lugar de buscar en Internet, los empleados podían consultar las fichas técnicas de los productos internos y encontrar años de conocimiento institucional en cuestión de segundos. Las primeras versiones eran intencionadamente ligeras, dando prioridad a la velocidad, la facilidad de uso y la adopción por encima de la perfección.
En aquel momento, aún estaban surgiendo las mejores prácticas para los sistemas RAG empresariales. La solución evolucionó junto con la propia tecnología, adaptándose a medida que se disponía de nuevas funciones y se aprendía en tiempo real.
Microsoft: La base de la IA empresarial
Microsoft desempeñó un papel fundamental para hacer posible esta evolución.
La solución se construyó sobre Azure AI desde el principio, aprovechando el enfoque seguro y de nivel empresarial de Microsoft para la IA generativa. Azure garantizó la protección de datos, el cumplimiento y unos límites claros en torno a la formación de modelos, eliminando una de las mayores barreras para la adopción interna de la IA.
En el backend, los servicios de Azure AI proporcionaron los bloques de construcción para la indexación, búsqueda y orquestación de modelos. A medida que el ecosistema de IA de Microsoft maduraba, las nuevas capacidades a menudo llegaban justo cuando se hacía evidente su necesidad, acelerando el progreso sin forzar grandes reescrituras arquitectónicas.
En el frontend, Power Platform Canvas Apps permitió la entrega rápida de una experiencia de usuario sencilla e intuitiva. En lugar de pasar meses diseñando una interfaz personalizada, el equipo se centró en la funcionalidad: captar la pregunta de un usuario y devolverle una respuesta significativa.
Hoy en día, servicios como Azure AI Foundry unen estas piezas, reduciendo la complejidad y facilitando la creación de soluciones de IA sólidas utilizando componentes nativos en la nube de eficacia probada. Lo que antes requería un intenso desarrollo personalizado, ahora se consigue mediante la configuración, la integración y el diseño inteligente.
Improving: La ingeniería marca la diferencia
Mientras que Microsoft proporcionó la base, Improving dio forma a cómo funcionaba la solución en el mundo real.. Abordamos el compromiso como un sistema en evolución, no como una construcción única. Los primeros experimentos revelaron que el principal reto era comprender los datos desordenados del mundo real.
Las hojas de datos de los productos se remontaban a casi dos décadas. Hacían referencia a productos descatalogados, recomendaciones superpuestas y terminología incoherente en varias empresas adquiridas. Lo que en un principio parecían alucinaciones de la IA eran a menudo síntomas de material de origen obsoleto o contradictorio.
Improving se apoyó en esta complejidad en lugar de simplificarla en exceso.
Los intentos de normalizar completamente los datos en estructuras rígidas se toparon rápidamente con límites prácticos. En su lugar, Improving ayudó a diseñar un enfoque RAG más inteligente, filtrando los documentos no válidos, clasificando el contenido por relevancia y elaborando indicaciones que guiaban al modelo hacia respuestas precisas y conscientes del contexto.
Uno de los elementos diferenciadores más impactantes fue centrarse en cómo se formulaban las preguntas. Los equipos de ventas solían plantear preguntas amplias y ambiguas que, naturalmente, conducían a respuestas débiles. Improving introdujo una capa de razonamiento que refinaba y profundizaba las preguntas de los usuarios antes de consultar los datos, lo que mejoró drásticamente la calidad de las respuestas.
En lugar de perseguir el bombo de la IA, aplicamos el juicio de la ingeniería, comprendimos el comportamiento humano y diseñamos sistemas que funcionan de la forma en que la gente piensa realmente.
Creada para el futuro
Hoy en día, la plataforma sigue creciendo, haciéndose más capaz, precisa y alineada con el funcionamiento de la empresa. Aunque la idea de un único cerebro de conocimiento empresarial totalmente autónomo puede estar aún a años vista, esta marca mundial de pinturas ya ha demostrado lo que es posible cuando la tecnología adecuada se combina con la mentalidad de ingeniería adecuada.
Detrás de cada color, hay más ingeniería de la que cabría esperar. Póngase en contacto con Improving para saber cómo nuestro enfoque basado en la ingeniería puede ayudarle a convertir conocimientos complejos en un impacto empresarial real.
