DataRobot es una empresa de software estadounidense cuya plataforma ayuda a las organizaciones a desarrollar, operar y supervisar aplicaciones de IA. Se dio a conocer con el aprendizaje automático automatizado (AutoML), que entrena y compara automáticamente muchas variantes de modelos, por ejemplo para prever bajas de clientes o la demanda. Hoy la empresa pone además el foco en la operación y la gobernanza de agentes de IA (a octubre de 2026).
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoEl aprendizaje automático (machine learning) es una rama de la inteligencia artificial en la que los ordenadores deducen patrones de los datos en vez de recibir cada regla programada. Según la tarea, los modelos aprenden de ejemplos etiquetados (supervisado), de datos sin etiquetar (no supervisado) o mediante recompensas (por refuerzo). Las aplicaciones van desde filtros de spam y previsiones de demanda hasta recomendaciones de productos. La calidad depende mucho de la cantidad y la calidad de los datos de entrenamiento.
Un pipeline de machine learning es una secuencia definida de pasos que convierte datos brutos en un modelo listo para usar: recopilar y limpiar datos, preparar variables, entrenar, evaluar, desplegar y supervisar. Automatizar estos pasos hace que los resultados sean reproducibles y permite procesar datos nuevos con poco esfuerzo. Un comercio, por ejemplo, puede reentrenar y probar cada semana su modelo de previsión de ventas con las cifras más recientes.
Amazon SageMaker es el servicio en la nube de Amazon Web Services (AWS) para desarrollar, entrenar y desplegar modelos de aprendizaje automático. A finales de 2024 el servicio original pasó a llamarse «Amazon SageMaker AI»; desde entonces, «Amazon SageMaker» designa una plataforma más amplia de datos, analítica e IA con la interfaz SageMaker Unified Studio (a octubre de 2026). Lo utilizan sobre todo equipos de ciencia de datos que operan modelos en la infraestructura de AWS.
MLflow es una plataforma de código abierto para gestionar todo el ciclo de vida de los modelos de machine learning, presentada originalmente por Databricks en 2018. Registra experimentos con sus parámetros y métricas, gestiona versiones de modelos en un registro y facilita el despliegue. Las versiones más recientes también permiten trazar y evaluar aplicaciones basadas en modelos de lenguaje. Así puedes saber con qué datos y ajustes se creó cada modelo.
