Batten · Evaluación Técnica y Estratégica
Diferencias reales entre montar la herramienta sobre Omni AI con nuestros agentes y bases de conocimiento curadas, frente a construirla sobre nuestra propia infraestructura con AWS, Claude, PostgreSQL y Next.js.
En la parte de análisis y lectura de estudios ambas hacen el mismo trabajo porque en las dos pasamos primero los archivos por nuestro proceso de limpieza con ficha estándar y extracción de tablas de las gráficas, citando siempre el estudio y la diapositiva para que el planner valide la fuente.
En velocidad, seguridad y costo inicial: podemos probar el piloto en 2 o 3 semanas sin sacar la información del entorno de Omnicom, con costo cero de infraestructura, y usando GWI Spark, YouGov, Google Trends y audiencias sintéticas que ya vienen integradas.
En experiencia visual, automatización y control: allá sí podemos construir la interfaz del Liquid Grid a medida, poner links clicables que abran directo el PowerPoint en SharePoint, sincronizar carpetas automáticamente, dar permisos por documento y medir qué buscan los equipos.
| # | Capacidad / Criterio | Opción A: Con Omni AI | Opción B: Con Nuestras Propias Herramientas | Dónde está la ventaja |
|---|---|---|---|---|
| 1 | Consulta en lenguaje natural, referencia de fuentes y validación humana | Cada afirmación fáctica exige referencia de la fuente sobre las bases de conocimiento conectadas para que el estratega valide si respalda el hallazgo, declarando cuando un dato no existe en el repositorio. Superar el piloto demuestra desempeño dentro del alcance evaluado sin garantizar ausencia total de alucinaciones. | Motor de búsqueda híbrido propio combinando vectores y texto donde cada afirmación fáctica entrega la referencia de la fuente para validación humana, midiendo el desempeño dentro del alcance evaluado. | Mismo alcance analítico, mayor ajuste técnico en Propio |
| 2 | Citas de archivo, año y número de diapositiva | Entrega el nombre exacto del estudio, año y número de diapositiva en texto gracias a nuestro preprocesamiento, pero no genera un botón clicable que abra el archivo en SharePoint. | Cada cita incluye un enlace clicable directo para abrir o descargar el PowerPoint o PDF original e ir a la diapositiva citada en SharePoint o en un visor web. | Desarrollo Propio por enlace directo al archivo |
| 3 | Lectura de gráficas de barras, tortas y tablas en PowerPoint | Omni AI no lee imágenes dentro de archivos PPTX crudos ni interpreta relaciones visuales en gráficas por sí solo. Lo resolvemos pasando antes los estudios por nuestro proceso local que genera la ficha estándar y traduce las gráficas a tablas de texto antes de subirlos. | Ese mismo proceso de extracción de tablas y lectura visual de gráficas queda integrado adentro del sistema y corre automáticamente cada vez que se sube un estudio nuevo. | Empate en lectura, ventaja Propio en automatización |
| 4 | Comparación entre estudios, marcas, años e industrias | Cruza múltiples bases de conocimiento por categoría, identifica contradicciones o cambios entre años y distingue entre un hallazgo puntual de un estudio, una señal en dos estudios o un patrón en tres o más. | Además de la síntesis analítica, permite filtrar por campos exactos en base de datos como cliente, año, industria, ciudad o metodología para cruzar decenas de estudios sin saturar la memoria del modelo. | Desarrollo Propio al escalar a cientos de estudios |
| 5 | Validación de hipótesis estratégicas para briefs | Separa en cada respuesta qué es evidencia literal del estudio, qué es inferencia al cruzar fuentes y qué es hipótesis a validar, indicando el nivel de respaldo en el repositorio y las tensiones culturales. | Aplica exactamente la misma estructura metodológica para contrastar hipótesis del planner contra los hallazgos históricos y separar hechos, inferencias e hipótesis. | Mismo alcance en ambos |
| 6 | Cruce con fuentes externas verificadas | Trae incluidos sin costo adicional los conectores nativos de GWI Spark, YouGov Analysis, Google Trends y YouTube Insights, además del catálogo curado de fuentes de Colombia como DANE, Banco de la República, Raddar y Superfinanciera. | Podemos conectar fuentes públicas de Colombia y búsqueda web verificada, pero conectar plataformas privadas como GWI o YouGov exigiría negociar y pagar licencias de API por aparte. | Omni AI por traer GWI y YouGov listos |
| 7 | Audiencias sintéticas y evolución de Meet the Brand | Las mismas bases de conocimiento creadas para el repositorio se pueden conectar de inmediato a los agentes Synthetics y Predict que ya operamos en Omni AI y trabajarse en Canvas. | Permite diseñar una pantalla interactiva propia para el Compass de Audiencias y la marca viva, pero requiere programar el módulo de audiencias sintéticas desde cero. | Omni AI en rapidez, Propio en pantalla interactiva |
| 8 | Interfaz visual Liquid Grid y experiencia de usuario | No disponible. Los equipos trabajan sobre la interfaz de chat y el lienzo de Canvas propios de Omni AI, sin posibilidad de modificar el diseño visual ni mostrar tarjetas dinámicas. | Interfaz web construida 100 por ciento a medida con el Liquid Grid de tarjetas dinámicas filtrables por marca, año e industria, visor de diapositivas y armado de tableros para presentaciones. | Desarrollo Propio |
| 9 | Sincronización y actualización de archivos desde SharePoint | Las bases de conocimiento no reemplazan archivos automáticamente: subir el mismo nombre crea un duplicado y hay que borrar el anterior. La carga masiva desde SharePoint depende de que Omnicom habilite permisos de administrador del workspace. | Sincronización automática conectada a SharePoint que detecta archivos nuevos o modificados, evita duplicados, maneja versiones y actualiza el índice sin intervención manual. | Desarrollo Propio |
| 10 | Control del modelo de IA, ajustes técnicos y edición continua | Es una caja negra: el formulario actual no permite ajustar temperatura ni umbrales técnicos, la plataforma rota modelos internamente y cuando un agente se publica al workspace queda bloqueado para edición. | Control completo del modelo elegido como Claude Sonnet por API o Bedrock, temperatura fija, partición de documentos a medida y mejoras continuas sin bloqueos de edición. | Desarrollo Propio |
| 11 | Permisos de confidencialidad por cliente y documento | El acceso se da compartiendo cada base de conocimiento usuario por usuario o abriendo el agente al workspace, sin poder ocultar un estudio puntual dentro de una misma categoría según el rol. | Control de acceso granular por rol, cliente, categoría o estudio individual dentro de la misma aplicación según las reglas de confidencialidad de cada cuenta. | Desarrollo Propio |
| 12 | Analítica de búsquedas y gobierno del conocimiento | No entrega un panel para saber qué están buscando los planners, cuáles estudios se consultan más o qué preguntas se quedaron sin respuesta en el repositorio. | Panel administrativo propio con métricas de búsquedas, estudios más utilizados, vacíos de información detectados y medición de ahorro de tiempo del equipo. | Desarrollo Propio |
| 13 | Descarga de reportes y fichas de hallazgos | Genera documentos descargables en formato Word listos para editar o compartir al final de cada consulta. | Genera descargables en Word, PDF o presentaciones aplicando directamente las plantillas visuales de la agencia. | Omni AI cumple en Word, Propio suma plantillas de diseño |
| 14 | Tiempo de salida para empezar a probar con el equipo | Entre 2 y 3 semanas para tener el piloto operando con un primer lote curado de 50 a 100 estudios, mantendo los datos dentro de la plataforma del holding. | Alrededor de 2 meses de proceso de aprobación del caso de uso global, habilitación de permisos de Claude o Bedrock, entrega de servidores de Omnicom y desarrollo de la plataforma. | Omni AI |
| 15 | Costos de infraestructura y justificación ante la red | Cero costo adicional de servidores hoy porque corre sobre la inversión ya hecha por Omnicom en Omni AI. Además permite documentar con pruebas reales qué cubre la plataforma y qué brechas quedan pendientes para sustentar la Fase 2. | Costo mensual de nube en AWS entre 175 y 400 dólares o más según consumo de base de datos, servidores y tokens de Claude, más las horas de construcción y mantenimiento. | Omni AI en etapa inicial |