Kaeus | Datos e IA que mueven su negocio

Sobre Kaeus

Somos una boutique de tecnología que resuelve problemas de negocio con datos e IA: soluciones de misión crítica, automatización, analítica y estrategia. Hablamos el negocio antes que el stack, y nos quedamos hasta que la solución opera en producción.

Experiencia en

Banca Pagos Seguros Telecomunicaciones Retail Market research Deportes Logística Tecnología Consultoría

Por qué Kaeus

01

Boutique, no factory.

Equipo pequeño y senior. Habla con quien construye. Sin layers, sin proyectos comoditizados, sin venta cruzada de capacidades que no necesita.

02

Su negocio primero, su stack después.

Empezamos entendiendo el problema de su negocio, no el catálogo de tecnología. La tecnología se elige después, cuando ya sabemos qué hay que resolver.

03

Datos, arquitectura e IA en una sola entrega.

No lo pasamos de una consultora de datos a una factory de software a un especialista de IA. Las tres viven dentro de Kaeus y se entregan integradas.

04

Sistemas que viven, no demos que mueren.

Construimos para producción y operación, no para presentaciones. Cada proyecto deja activos reutilizables que aceleran los siguientes, sin reinventar la rueda en cada cliente.

Nuestros Servicios

Cuatro líneas de trabajo.

Soluciones de misión crítica

Sistemas críticos, end-to-end.

Resolvemos problemas de negocio con resultado: diseñando, construyendo y operando sistemas de misión crítica con tecnología state-of-the-art. La IA es la palanca; cuando el problema no la necesita, no la forzamos.

Conocer más

Automatización con IA

Automatización inteligente de procesos de negocio.

Agentes que ejecutan procesos end-to-end (ventas, soporte, logística, gerencia de proyectos). No chatbots que responden; agentes que actúan, en producción, supervisados.

Conocer más

Datos y analítica

Insights de negocio listos para decidir.

Pipeline, modelo, visualización y APIs corren detrás; lo que recibes son insights de negocio listos para decidir. La IA acelera la generación y calidad del insight.

Conocer más

Estrategia de datos e IA

Estrategia y advisory en datos e IA.

Diagnóstico, hoja de ruta y acompañamiento ejecutivo en datos e IA. Sin obligación de ejecutar después: trazamos el camino, usted decide quién lo recorre.

Conocer más

Tecnologías con las que trabajamos

Python FastAPI Node.js React AWS Azure PostgreSQL MongoDB Databricks PySpark Delta Lake Power BI Machine Learning

Cómo trabajamos

Cada servicio se entrega en tres modos.

01

Conceptualizar

Identificamos el problema, lo dimensionamos y conceptualizamos la solución.

02

Construir

Diseñamos, construimos y desplegamos. Con disciplina de ingeniería.

03

Operar

Operamos, monitoreamos y evolucionamos. El sistema sigue vivo.

Casos de Éxito

Algunos de los sistemas que construimos y operamos.

Misión crítica Pagos

Plataforma de orquestación de pagos

Para un proveedor de soluciones de seguridad. Una plataforma serverless multi-cliente que orquesta el ciclo de vida completo de la transacción (autorización, captura, reembolso, 3DS, riesgo y tokenización) y atiende comercio electrónico y terminales físicas (POS) desde un mismo núcleo, ayudando a las procesadoras de pago a reducir su alcance PCI sin renunciar a un procesamiento completo.

ResultadoMenor alcance PCI y un solo núcleo para comercio electrónico y terminales físicas

Ver caso

Una plataforma de pagos multi-cliente que absorbe el manejo de los datos de tarjeta (en comercio electrónico y en terminales físicas) y orquesta el procesamiento contra Cybersource, ayudando a las procesadoras de pago a reducir su alcance ante las certificaciones PCI.

El reto

Las procesadoras de pago enfrentan un alcance amplio y costoso en sus certificaciones PCI-DSS: mientras los números de tarjeta (PAN) circulen y se almacenen en sus propios sistemas, toda su infraestructura queda dentro del alcance de la auditoría. Un proveedor de soluciones de seguridad quería ofrecer a esas procesadoras una plataforma que absorbiera ese manejo de los datos de tarjeta, tanto en comercio electrónico (card-not-present) como en terminales físicas POS (card-present), que hablan el protocolo binario ISO 8583 sobre TCP, y que orquestara el procesamiento completo contra Cybersource, para darles una vía de reducir su alcance PCI sin renunciar a autorización, captura, reembolso, 3DS, riesgo ni tokenización.

La solución

Núcleo de orquestación único y multi-cliente que maneja el ciclo de vida de la transacción y guarda el registro autoritativo
API REST para integrar el comercio electrónico, con configuración y reglas de flujo por cliente
Gateway ISO 8583 que conecta las terminales físicas: recibe los mensajes binarios sobre TCP, los desempaqueta y los enruta al mismo núcleo (con soporte de dialectos por red, EBCDIC y TLV)
Tokenización (network tokens) que saca los datos de tarjeta del alcance del procesador y habilita pagos recurrentes
Capa gateway que aísla la integración con Cybersource: traduce esquemas, firma y cifra las peticiones y normaliza las respuestas
3DS y scoring de riesgo integrados al mismo flujo
Multi-cliente, con configuración y manejo de llaves aislados por cada procesador

El resultado

Cada procesadora de pago reduce su alcance ante las certificaciones PCI-DSS: los datos de tarjeta quedan fuera de sus sistemas
Un solo núcleo atiende a todos los clientes y ambos canales (comercio electrónico y terminales físicas) sin duplicar la lógica de negocio
Ciclo de vida completo de la transacción en un solo lugar, con registro autoritativo y trazable
La integración con Cybersource queda aislada y puede evolucionar sin afectar a los clientes
Opera 24/7 y escala con la demanda de cada canal

Cómo lo hicimos

Núcleo serverless sobre AWS Lambda con API Gateway al frente, y libro mayor en PostgreSQL
Gateway ISO 8583 contenedorizado para las conexiones TCP persistentes de las terminales, que invoca el núcleo vía Lambda
Integración a Cybersource desacoplada mediante invocación Lambda-a-Lambda
Cifrado de extremo a extremo de datos sensibles (AES/RSA con AWS KMS) y enmascaramiento en logs
Observabilidad con trazas distribuidas (X-Ray) y métricas (Prometheus)

Stack

Node.js, ISO 8583, TCP/IP, AWS Lambda, API Gateway, PostgreSQL, DynamoDB, Cybersource API, AWS (KMS, SQS, X-Ray)

Automatización con IA Pagos y Banca

Gestión de alertas de fraude de tarjetas

Para una empresa que ofrece una plataforma de gestión de alertas de fraude en esquema SaaS. Un agente contacta al tarjetahabiente por WhatsApp, interpreta la respuesta con IA y resuelve o escala la alerta. Confirma transacciones sospechosas sin operador humano, acelerando la decisión sobre fraude.

ResultadoAlertas de fraude resueltas o escaladas sin operador humano

Ver caso

Datos y analítica Banca

Datamart de rentabilidad

Para un banco regional. Un datamart que calcula, a mes cerrado, la rentabilidad por cliente y producto: integra el margen financiero (vía transfer pricing), las comisiones y el costo del riesgo en una contribución que orienta pricing y foco comercial.

ResultadoRentabilidad neta por cliente, producto, ejecutivo y banca, a mes cerrado

Ver caso

Un datamart que calcula, a mes cerrado, la rentabilidad de cada cliente y producto del banco: combina el margen financiero (ingreso y egreso devengado más ingreso y costo pool de transfer pricing), las comisiones y el costo del riesgo en una sola contribución, atribuida a cliente, cuenta, ejecutivo, banca y grupo económico.

El reto

Un banco regional no tenía una vista única de su rentabilidad neta por cliente, producto, ejecutivo y banca. El margen financiero, las comisiones y el costo del riesgo crediticio vivían en sistemas y procesos separados; sin una tasa de transferencia interna de fondos (transfer pricing) consistente, no se podía medir cuánto aportaba realmente cada cliente ni cada producto, y las decisiones de pricing y foco comercial se tomaban sin esa base.

La solución

Calcula la contribución de cada producto (cuentas de ahorro, cuentas transaccionales, certificados de depósito, préstamos, tarjeta de crédito e inversiones) combinando ingreso y egreso devengado con ingreso y costo pool de transfer pricing, para obtener el margen financiero
Distribuye los ingresos y gastos por comisiones (banca patrimonial, transaccional, préstamos, tarjetas y custodios) a cada cliente y producto
Incorpora el costo del riesgo: el gasto por provisiones (variación del saldo provisionado mes a mes) y los castigos
Consolida margen financiero más comisiones en la contribución bruta, atribuida a cliente, cuenta, ejecutivo, banca y grupo económico
Reconcilia cada producto contra el balance contable, registrando de forma explícita lo no asignado a clientes

El resultado

Rentabilidad neta por cliente, producto, ejecutivo y banca, a mes cerrado
Decisiones de pricing y foco comercial basadas en la contribución real
El costo de fondos (transfer pricing) y el costo del riesgo quedan integrados a la rentabilidad, no en hojas aparte
Una sola fuente de verdad para finanzas, riesgos y la red comercial, consumida desde la reportería del banco
En producción y en operación mensual, con el histórico reprocesado y las cifras validadas por el cliente

Cómo lo hicimos

Arquitectura medallion (bronze / silver / gold) sobre Databricks, con carga final al Data Warehouse Oracle del banco (datamart particionado por período)
Transfer pricing mediante tasas pool diarias (general, por certificado de depósito y por préstamo) como costo e ingreso de fondos
Dimensiones de cliente (desde el CRM) y de cuenta unificadas y reutilizadas en todo el flujo
Costo del riesgo calculado de forma independiente a partir de provisiones y castigos
Reconciliación contable producto a producto contra el plan de cuentas

Stack

Databricks, PySpark, Delta Lake, Oracle, Power BI, Azure

Estrategia Seguros

Proceso de integración de datos para NIIF 17

Para una aseguradora regional con operación multi-país. Levantamiento, documentación y análisis de riesgos del proceso de integración de datos que alimenta los estados financieros bajo NIIF 17, sin desarrollo de software. Le entrega visibilidad del flujo crítico, una matriz de riesgos con planes de mitigación y un mapa de ruta para cumplir con confianza.

ResultadoFlujo de datos NIIF 17 documentado, con riesgos valorados y mapa de ruta

Ver caso

El levantamiento, la documentación y el análisis de riesgos del proceso de integración de datos que alimenta los estados financieros bajo NIIF 17: modelo de información, matriz de riesgos operativos con planes de mitigación y mapa de ruta. Sin desarrollo de software.

El reto

Una aseguradora regional con operación en varios países adoptaba NIIF 17. El proceso de integración de datos que alimentaba sus estados financieros (extracción desde los sistemas fuente, procesamiento actuarial, carga al sistema contable y revisión) era en buena parte manual y no estaba documentado ni gobernado: nadie tenía el mapa completo del flujo ni de los riesgos operativos que podían provocar errores y retrasos en los estados financieros.

La solución

Levantamiento y documentación del proceso actual de principio a fin (extracción, procesamiento, carga y revisión), mediante entrevistas con tecnología, actuaría y finanzas
Modelo de información: 16 entidades a nivel conceptual y el modelo lógico de los archivos fuente, más la arquitectura de sistemas y los flujos de extracción por país
Matriz de 11 riesgos operativos, valorados y priorizados con los stakeholders
11 planes de mitigación y un mapa de ruta de implementación priorizado, sin desarrollo de software

El resultado

Visibilidad total del flujo de datos crítico que alimenta los estados financieros bajo NIIF 17
Riesgos operativos identificados, valorados y con plan de mitigación
Mapa de ruta priorizado, listo para implementar
La aseguradora decide cuándo y con quién ejecutar, sin atarse a un proveedor de build

Cómo lo hicimos

Entrevistas y sesiones de validación con las áreas de tecnología, actuaría y finanzas
Modelado de información a nivel conceptual y lógico, con arquitectura de sistemas y flujos por país
Análisis y valoración de riesgos operativos con sus planes de mitigación
Documentación ejecutiva y mapa de ruta priorizado

Stack

Nuestro equipo

Sebastián García

Presidente

Experiencia en integración y gestión de información. Licenciado en matemáticas y con amplia experiencia como consultor. Ha participado en la ejecución de proyectos de implementación de frameworks de Enterprise Data Management y Data Architecture, así como soluciones de BI, integración, visualización y gestión de datos.

Neidha Nadal

Directora

Científica de datos y consultora con Ph.D. en Matemáticas. Ha trazado una carrera dinámica en el ámbito de la analítica. Su experiencia abarca desarrollos estadísticos complejos en diversos sectores: financiero, servicios y consumo masivo, entre otros. Enfocada en transformar datos en información sustantiva bajo un enfoque científico.

Conversemos

Av. Centenario, PH Dream Plaza
Piso 10
Ciudad de Panamá 07101
Panamá

+507 310.8934

[email protected]

linkedin.com/company/kaeus

Déjenos un mensaje y le contactaremos a la brevedad.