BiVelio Research

Un cuaderno abierto sobre los sistemas de IA que diseñamos para operar empresas: recuperación, agentes, grafos de conocimiento y orquestación. Sin humo: el porqué, el cómo y las matemáticas.

Nuestra misión

El conocimiento que no se comparte, no compone.

Construimos BiVelio operando empresas reales. Cada algoritmo que diseñamos nace de un problema concreto, no de un paper. Creemos que explicarlo en abierto es la forma más honesta de avanzar.

Esta sección es nuestro cuaderno de research: aquí publicamos las ideas, los modelos y las decisiones técnicas detrás del producto. Queremos que cualquiera —cliente, ingeniero o curioso— pueda entender cómo razona el sistema que confía en automatizar su operación.

En abierto

Publicamos el razonamiento, no solo el resultado. La transparencia es un requisito, no un gesto de marketing.

Con rigor

Matemáticas, código y mediciones reales. Si afirmamos algo, mostramos cómo lo sabemos.

Que compone

Cada artículo se apoya en el anterior. El conocimiento que se acumula es el que crea ventaja a largo plazo.

Para compartir

Escribimos para enseñar. Si una idea ayuda a otro equipo a construir mejor, ha cumplido su función.

La biblioteca

Artículos de research

Explora por tema. Cada pieza es autocontenida: contexto, intuición, formalización y resultados.

DestacadoAgentes

El grafo de conocimiento como contexto ambiente de los agentes

Un agente sin contexto es solo un modelo. La recuperación vectorial clásica trata el conocimiento como una bolsa de fragmentos independientes — y por eso falla en las preguntas que más importan a una empresa. Repasamos los problemas reales que viven los desarrolladores de RAG (con datos), por qué la estructura de grafo gana donde el vector se queda corto, cómo se posiciona el panorama (Pinecone, LangChain, LlamaIndex, Neo4j, Microsoft GraphRAG) y cómo pensamos ser los mejores en el contexto que de verdad cuenta: la operación de una empresa.

BiVelio Research8 min de lectura
Leer el artículo