Fundamentación
¿Puede el sistema respaldar cada afirmación con evidencia autorizada y vigente?
Investigación abierta
Evaluar la IA con la realidad de la región, no con una traducción.
Creamos benchmarks nativos para tareas donde el contexto cambia la respuesta: operaciones de carga, compras de salud, riesgo financiero y atención al cliente. Cada caso parte de evidencia regional autorizada y revisión profesional.
01Evidencia localDocumentos, registros y reglas del mercado que se evalúa
02Tareas realesDecisiones completas, no preguntas aisladas de conocimiento
03Errores con costoFallos ponderados por su consecuencia operativa
Versión preliminarSC—CO / v0.1.0
es-CO · FREIGHT OPERATIONS
Savia Carga · Colombia
Un programa de evaluación para razonamiento operativo en transporte terrestre: terminología local, cálculos fundamentados, manejo de excepciones, calibración y abstención segura.
Basado en fuentesRevisión expertaNativo es-COReproducible
La versión 0.1.0 está publicada con su clave de respuestas, derivaciones, resultado de referencia y fuentes. Las preguntas aún no han sido confirmadas por un experto del sector, y la página lo dice. Abrir la versión
Qué evaluamos
01
Fidelidad a fuentes
¿La respuesta se mantiene dentro de la evidencia?
02
Corrección operativa
¿La decisión funcionaría en la práctica?
03
Abstención calibrada
¿El sistema sabe cuándo no responder?
Agenda de investigación
Preguntas que importan en producción.
Criterio regional
¿Reconoce cuándo una regla, palabra o práctica cambia entre países?
Abstención segura
¿Se detiene y escala cuando la evidencia no permite una respuesta responsable?
Metodología
Un benchmark debe explicar por qué falla un sistema, no solo cuánto.
Cada entrega documenta la autorización, el origen de los casos, los criterios de los expertos, los supuestos regionales y los límites de uso. Los resultados incluyen patrones de error y evidencia para reproducirlos.
- 01Definición regional de tareas
- 02Conjunto de evidencia autorizado
- 03Rúbrica de expertos
- 04Análisis transparente de errores
Investigación abierta
Hablemos de un benchmark para su dominio
¿Qué decisión necesita medir?
Savia Carga es un sector en un país. Cuéntenos el flujo de trabajo y el mercado que le importan, y le decimos qué haría falta para construir un benchmark para eso.
Servicios de datos para IA
Servicios para equipos de IA y datos
Evaluación de IA en español para mercados latinoamericanos
Evaluación de IA en español regional para es-CO, es-MX, es-AR y otras variantes definidas: rúbricas, preferencias y red-teaming.
Conocer el servicioAnotación experta para salud, derecho y finanzas
Anotación de salud, derecho y finanzas en América Latina con verificación por proyecto, derechos de fuente y procedencia por ítem.
Conocer el servicioRecolección de video egocéntrico en América Latina
Recolección de video egocéntrico por proyecto en América Latina: reclutamiento, capacitación local, consentimiento del hogar y control diario.
Conocer el servicioBenchmarks regionales construidos con fuentes verificables
Benchmarks latinoamericanos de IA con fuentes autorizadas, derivaciones explícitas y tareas regionales; lo inferido por modelos queda identificado.
Conocer el servicio