Savia.

El problema que resuelve es viejo y caro: en casi cualquier empresa hay dos o tres personas que lo saben todo, y cuando no están, el resto espera. Savia recoge lo que ya existe —manuales, hojas de cálculo, grabaciones de reuniones, lo que se contesta por chat— y lo convierte en algo a lo que se le pregunta con palabras normales. Cada respuesta llega con su fuente al lado, y cuando no hay material suficiente para contestar, lo dice en vez de rellenar el hueco con algo que suene bien.

Hay dos piezas de las que estoy especialmente orgulloso. La primera: los datos de personas —salarios, DNI, bajas— no están donde busca la IA, así que no pueden aparecer por casualidad en una respuesta; el permiso se comprueba en el servidor dato a dato, y algo delicado puede quedar limitado a personas concretas. La segunda: cuando alguien pregunta algo que no está cubierto, Savia lo anota, junta las preguntas parecidas y, si varias personas han chocado con lo mismo, le manda un formulario a quien sí lo sabe. Esa respuesta se revisa, entra al conocimiento y avisa a quien preguntó. Es lo que hace que la base crezca sola en vez de morirse como un wiki.

Por dentro es lo más completo que he construido, por si a alguien le interesa el detalle. Cada empresa cliente tiene sus datos separados en dos niveles independientes, y dentro de cada una el conocimiento se separa otra vez por departamento, con pruebas automáticas que lo verifican en cada cambio. Los vídeos se transcriben solos y las citas saltan al minuto exacto. Está construido con FastAPI y Next.js sobre PostgreSQL y Qdrant; en mi máquina funciona con modelos locales en la GPU y en producción con la API de Claude, anotando lo que cuesta cada consulta para saber el margen de cada cliente.

Savia está en producción desde julio de 2026 y sigue creciendo: corre en un servidor propio, con copias de seguridad diarias en otra región, avisos si algo falla y borrado completo y comprobable de los datos de una empresa el día que lo pida. La web pública está en saviaia.es. Se vende hablando, no por catálogo: primero entender qué le duele al cliente, después dejarlo funcionando en treinta días y acompañar dos meses más hasta que el equipo lo use sin pensar. Es el proyecto donde más he aprendido de arquitectura, de seguridad y de producto.