NuevoFinanciamiento del BEI asegurado

Infraestructura de IA conductual construida sobre ciencia computacional

Synerise es un ecosistema impulsado por IA para datos de comportamiento, analítica predictiva e hiperpersonalización — diseñado para empresas que se mueven más rápido que sus competidores.

Behavioral Data Hub
Hub de Datos Comportamentales

Únase a organizaciones innovadoras que utilizan la Plataforma Synerise

y explore cientos de casos de uso de bajo código

Banco Ripley
Carrefour
Castorama
CCC
Coca-Cola
Crocs
Decathlon
DOZ
Drogaria São Paulo
Empik
eobuwie
G2A
H&M
Homla
Hugo Boss
IKEA
InPost
JD
mBank
Media Expert
Modivo
New Balance
Nike
Orange

¿Por qué Synerise?

Construida diferente. Construida para durar.

La mayoría de las plataformas ensamblan herramientas de terceros y lo llaman producto. Synerise construye cada capa desde cero — creando la única infraestructura de IA donde datos, inteligencia y automatización son verdaderamente un solo sistema.

0% DE DEPENDENCIA DEL PROVEEDOR

Tecnología Propia

Cada capa —desde TerrariumDB hasta BaseModel.ai— está desarrollada internamente. Sin dependencia de IA, bases de datos ni proveedores de nube de terceros.

0K PREDICCIONES/SEG

IA Galardonada

El modelo fundacional del comportamiento gana competiciones internacionales e impulsa predicciones en tiempo real a escala empresarial.

<0MS DE LATENCIA

Tiempo Real por Defecto

Desde la captura del evento hasta el enriquecimiento del perfil y la decisión de IA, todo ocurre en menos de 50 milisegundos. No por lotes. No casi en tiempo real. En tiempo real.

0 DÍAS PARA EL ROI

Valor Inmediato

Ponte en marcha en semanas, no en meses. Los modelos de IA preconfigurados, las integraciones listas para usar y la incorporación guiada permiten obtener un ROI medible en 90 días, no tras un proyecto de implementación de un año.

0 HUBS INDEPENDIENTES

Arquitectura Componible

Implementa solo lo que necesitas. Cada hub funciona de forma independiente o en conjunto: desde la ingesta de datos hasta la IA, la automatización y la entrega de experiencias.

0B EVENTOS/MES

Escala Planetaria

Diseñado para gestionar 57 000 millones de eventos al mes, 50 190 millones de llamadas a la API y 17 680 millones de decisiones de flujo de trabajo, con escalabilidad horizontal lineal.

CERTIFICADO ISO 27001

Seguridad Empresarial

SaaS, Private Cloud u On-Premise. GDPR, SOC 2, arquitectura de confianza cero. Tus datos, tus reglas, tu infraestructura.

0 PLATAFORMA, NO 12 HERRAMIENTAS

Plataforma Integral

Sustituye tu conjunto desconectado de CDP, motores de personalización, herramientas de análisis y automatización de marketing por un único sistema unificado.

Dirección Estratégica

IA Agéntica como Dirección Estratégica

Synerise trata la automatización agéntica no como un experimento, sino como un pilar estratégico fundamental. Define cómo construimos productos, asignamos recursos y definimos nuestra visión a largo plazo. Este compromiso está formalizado en toda la organización — desde marcos de políticas dedicados hasta equipos multifuncionales que impulsan la ejecución.

01

Política

Una política formal de IA agéntica gobierna cómo operan los agentes dentro de la plataforma — definiendo límites, reglas de acceso a datos, requisitos de cumplimiento y barreras éticas que garantizan una automatización responsable a escala.

02

Hoja de Ruta

Una hoja de ruta dedicada a la automatización agéntica impulsa el desarrollo del producto — con hitos claramente definidos para las capacidades de los agentes, protocolos de integración, soporte de modelos y marcos de evaluación de calidad.

03

Equipos

Equipos multifuncionales están organizados alrededor del ecosistema de agentes — combinando investigación en IA, ingeniería de plataforma, diseño de producto y experiencia de dominio para ofrecer experiencias de agentes cohesivas.

04

Estrategia

La automatización agéntica está integrada en el plan estratégico de la empresa — alineando objetivos de negocio, posicionamiento en el mercado e inversiones tecnológicas en torno a la visión de productividad impulsada por IA.

Plataforma

Una plataforma. Posibilidades infinitas.

Synerise combina datos de comportamiento en tiempo real, IA predictiva y automatización en una plataforma de infraestructura composable — construida desde cero para escalar con su negocio.

Behavioral Data Hub

Behavioral Data Hub

Procesamiento continuo de señales de comportamiento a cualquier escala

El motor de datos propio Terrarium captura, transforma y enriquece flujos heterogéneos de comportamiento en representaciones de perfil en evolución. Cada evento observado actualiza un grafo de identidad dinámico, lo que permite inferencia en tiempo real, personalización y modelado predictivo.

Más información sobre Behavioral Data Hub
Behavioral Data Hub
Integrar datos

Capa unificada de ingesta de señales

Consolida flujos de datos heterogéneos de comportamiento, operativos y contextuales en un único plano de observación, con deduplicación determinista y latencia inferior al segundo.

ProductosOfertasFlujos de clicsCalls & Chat LogsOnline & POS PurchasesPerfiles de comportamientoSistemas de tercerosDatos meteorológicosUbicaciones
SDK Web
Móvil
POS
API
CRM
Nube
Capa de datos unificada
Pipeline de ingesta en tiempo real
Unificar información

Unificación continua del estado del perfil

Combina secuencias de interacción, historiales de transacciones, vectores de atributos y cronologías de actividad en una única representación de entidad en evolución.

Gestión de consentimientoVista unificada del perfilFusión de perfilesProgramas de fidelizaciónMensajería en tiempo realAnalítica avanzadaControl de políticasAtributos dinámicos
Perfil unificado
ID: 8f3a…e91d
En vivo
2,481
Eventos
94
Puntuación
$1.2k
LTV
Email abiertohace 2m
Producto vistohace 12m
Compra #4821hace 1h
Sesión de apphace 3h
Gestionar datos y controlar el acceso

Primitivas de control de acceso y gobernanza de datos

Políticas formales de control de acceso, linaje de datos con auditoría completa y gestión de objetos con esquema flexible, diseñados para el cumplimiento normativo a escala empresarial.

Acceso APIGestión de catálogoGestor de eventos de streamingImportador de datos autoservicioObjetos personalizadosFiltrado avanzado de rolesACL & password policies
Control de acceso
Administración
Analista
Visor
Registro de auditoría
Clave API rotada · hace 4m
Rol actualizado · hace 18m
Exportación bloqueada · hace 1h
Analizar flujos de datos de todo el ciclo de vida

Análisis temporal de flujos de eventos

Ve más allá de los cuadros de mando estáticos con un análisis longitudinal, observando cómo evolucionan con el tiempo las distribuciones de comportamiento, las dinámicas de cohortes y los estados del sistema.

Modelado de atribuciónMétricasSegmentación dinámicaEmbudosHistogramasTendenciasDiagramas de SankeyAnálisis de abandonoPaneles
Panel de análisis
1D7D30D
EneJunDic
Embudo de conversión
Visitas
Vistas
Carrito
Comprar
Predecir, decidir y personalizar

Modelos de inferencia predictiva y recomendación

Aplica aprendizaje supervisado y autosupervisado para inferir la intención, generar recomendaciones a nivel de ítem y personalizar las superficies de interacción, con actualizaciones continuas de los modelos en línea.

PuntuaciónRecomendaciones basadas en AIPrediccionesModelos de propensiónAudiencias similaresBúsqueda visualSegmentación por comportamiento
Motor IA
Procesando 65K decisiones/seg
Probabilidad de compra
Riesgo de abandono
Puntuación de engagement
Recomendaciones
Automatizar y orquestar

Orquestación y ejecución adaptativa de flujos de trabajo

Compón flujos de trabajo dirigidos de varios pasos con ramificación condicional, sincronización de sistemas y bucles de optimización impulsados por retroalimentación.

Pruebas A/B/XTransformaciones de datosSincronización de sistemasAutomatización de flujos de trabajoEstudios de contenidoPriorización de serviciosMensajería contextual
Constructor de flujos
Activo
Disparador
Carrito abandonado
Esperar 2 horas
Nodo de espera
División A/B
División equitativa
Correo Electrónico
Personalizado
Push
App móvil
Entregar contenido y activar perfiles

Distribución multicanal multimodal

Envía intervenciones de comportamiento por toda la topología de canales, con selección según el contexto, optimización de frecuencia y retroalimentación de señales en tiempo real.

SMSCorreo ElectrónicoPush móvilContenido web dinámicoIn-AppExternal Apps & POSRedes socialesRedes publicitariasUbicaciones
Gestor de campañas
Difusión
Correo Electrónico
Enviados 12.4K
SMS
Enviados 8.1K
Push
Enviados 24.7K
Web
En vivo
In-App
En vivo
Social
En cola
Crear, conectar y ampliar

Capa de extensibilidad: API, SDK y portales personalizados

Un marco de extensión programable —API, SDK, servicios de identidad y sistemas de plantillas— diseñado para un comportamiento determinista y seguridad de nivel empresarial.

Registro como servicioLogin como servicioAcceso API unificadoTemplates & CookbooksSAMLSistema de diseñoSDKs & Webhooks
Consola API
GET/v4/profiles200
POST/v4/events/batch201
GET/v4/recommendations200
Webhooks
12 activos
SDKs
JS · iOS · Android
SAML & SSO
Azure Entra ID · OIDC
Nueva Capacidad

Brickworks

CMS conductual basado en esquemas que le permite construir estructuras de datos personalizadas — programas de fidelización, catálogos de productos, configuraciones de campañas — con personalización de IA y entrega sin copia.

Flexibilidad de Esquema
Personalización Nativa de IA
Federación de Copia Cero
Entrega de API Única
Bloque de Contenido: LoyaltyProgram
En vivo
tier_name:"Oro"string
multiplier:2.5xfloat
benefits:[4 elementos]array
ai_variant:alto_valorcomputed
7ms
Latencia
3
Fuentes
v3.2
Esquema
Satya Nadella
"Synerise es capaz de rastrear cada evento, a través de cada canal, para el cliente — ya sea móvil, web, retail, presencia física. Todo eso es señal que se recopila continuamente, se procesa, y luego se aplica IA, se aplican flujos de trabajo para impulsar la experiencia."

Satya Nadella

CEO, Microsoft

Microsoft

Escala e Infraestructura

Construida para escala global.

La infraestructura propia de Synerise ha sido construida desde cero para ofrecer computación en tiempo real a escala global — procesando peticiones a través de múltiples regiones con baja latencia y alto rendimiento.

57B

Eventos recopilados por mes

229B

Consultas a TerrariumDB por mes

5.53B

Recomendaciones, búsquedas y predicciones de IA por mes

1.85B

Eventos de visitas a páginas recopilados por mes

1.5B

Eventos de vistas móviles recopilados por mes

129TB

Datos enviados por API por mes

>1.19B

Contenido dinámico único generado por mes

~207K

Consultas a TerrariumDB por segundo en pico

35K

Llamadas API por segundo en pico

65K

Decisiones de IA por segundo en pico

150B EUR

GMW procesado anualmente

1.97B

Mensajes hiperpersonalizados enviados por mes

17.68B

Decisiones en flujos de trabajo por mes

50.19B

Llamadas API por mes

6B

Perfiles comportamentales escaneados diariamente

16,400

Pods de Kubernetes

750+TB

Tamaño de disco

890+

Nodos de Kubernetes

420+

Máquinas virtuales

40M+

SKU gestionados en feeds

71+TB

RAM

14,400+

vCPU

114

Clústeres de bases de datos

42B+

Filas en clústeres Postgres

3K

Operadores activos en la plataforma Synerise

70+

Socios activos en todo el mundo

1,000+

Certificados Synerise emitidos

>540

Espacios de trabajo en producción

>220

Organizaciones

49

Países de 6 continentes

+138 % vs HSTU — Nuevo SOTA en recomendación secuencial
basemodel.ai

El modelo fundacional del comportamiento.

Un único modelo autosupervisado que ingiere todo tu data warehouse y convierte cualquier pregunta comportamental sobre cualquier individuo en una predicción lista para producción — en horas, no meses, sin escalar tu equipo.

8 B+
Eventos por entrenamiento
18 M+
Clientes por entrenamiento
<1 ms
Latencia de clasificación
9 ms
Recs de 6 M ítems por usuario (1× H100)

El pipeline de pre-entrenamiento y ajuste fino

De datos comportamentales en bruto a predicciones listas para producción — una pipeline de cuatro etapas que elimina la complejidad del ML tradicional.

Fase 1Cleora-NX

Embeddings de hipergrafo propietarios

Cada evento comportamental es un hiperarista que conecta simultáneamente a todos los que participaron — usuario, producto, categoría, marca, timestamp. Cleora-NX — el motor propietario de embeddings de grafos de Synerise, construido sobre la investigación publicada en ICONIP 2021. Solo para producción; con importantes extensiones de rendimiento y funcionalidad — no open source. Se ejecuta en tiempo proporcional al número de hiperaristas; converge en pocas iteraciones sobre grafos con miles de millones de interacciones en minutos.

Cleora-NX — propietario, nunca publicado; el Cleora open source es su predecesor
Soporte multimodal y extensiones de interacción temporal sobre la actualización pública de Cleora
Determinista — sin varianza de entrenamiento, sin GPU
Escala a grafos con millones de nodos y miles de millones de interacciones
Fase 2TREMDE

Density sketches propietarios

Los embeddings de Cleora-NX (más cualquier embedding de texto, imagen o tabular) se agregan en density sketches de tamaño fijo mediante TREMDE — la extensión propietaria y temporalmente consciente de Synerise del algoritmo EMDE open source (Synerise, ICONIP 2021). TREMDE produce códigos dispersos componibles por suma — sumar los códigos de dos entidades produce el código de su comportamiento combinado — y añade modelado de interacción temporal, extensiones específicas de modalidad y otras mejoras internas no descritas en el paper original de EMDE. Cada modalidad se sketcha de forma independiente y se concatena; la forma del sketch se ajusta automáticamente por la pipeline a partir de tus datos — sin configuración manual ni búsqueda de hiperparámetros. Los ítems nuevos con características de contenido reciben códigos significativos de inmediato — verdadero cold-start sin reentrenamiento.

TREMDE — propietario, nunca publicado; el EMDE open source es su predecesor
Añade modelado de interacción temporal y extensiones por modalidad sobre el EMDE público
Forma del sketch ajustada automáticamente a partir de tus datos — cero configuración manual
Multimodal: características de grafo, texto, imagen y tabulares
Fase 3Foundation

Backbone FFN personalizado

No es un MLP de manual. Un backbone feed-forward personalizado, construido específicamente para secuencias comportamentales, con sesgos inductivos propietarios ajustados a la estructura de los datos de eventos. Sin atención ni recurrencia — y aun así captura estructura temporal, interacciones entre características y fusión de modalidades que un MLP estándar no puede. El objetivo es el ajuste distribucional: cada profundidad del sketch objetivo se normaliza para sumar 1, y la pérdida es la cross-entropy entre las distribuciones de profundidad predichas y verdaderas, promediada entre profundidades y modalidades.

Captura la estructura temporal sin recurrencia ni atención
Modela interacciones entre características y fusión de modalidades en una sola pasada
Una única foundation se transfiere entre escenarios — sin reentrenamiento por tarea
Cross-entropy distribucional entre profundidades y modalidades
Fase 4Serving

Scoring propietario · Ray Serve

Los ítems candidatos se codifican en códigos dispersos TREMDE (componibles por suma). Las predicciones se puntúan usando un método de agregación propietario optimizado para sketches comportamentales. Latencia de clasificación inferior al milisegundo; 9 ms por usuario para puntuar el catálogo completo rel-avito de 6 M ítems en 1× H100. Servido mediante Ray Serve.

Método de agregación propietario optimizado para sketches comportamentales
Latencia inferior al milisegundo para clasificación / regresión
9 ms por usuario para puntuar un catálogo de 6 M ítems en 1× H100
Despliegue Ray Serve para scoring batch y online

Visualización del Espacio de Embeddings

BaseModel.ai proyecta a cada cliente en un espacio de embedding comportamental compartido. Los comportamientos similares se agrupan — permitiendo búsqueda instantánea por similitud, segmentación y detección de anomalías.

Compradores de alto valor
En riesgo de abandono
Nuevos usuarios
Usuarios avanzados
Compradores estacionales
Deal Seekers

Agrupación por comportamiento

Los usuarios con patrones similares de navegación, compra e interacción se agrupan de forma natural en el espacio de embeddings, sin necesidad de reglas de segmentación manuales.

Detección de deriva en tiempo real

Cuando el vector de embedding de un cliente se desplaza hacia un grupo diferente (por ejemplo, de "leal" a "en riesgo"), el sistema activa intervenciones proactivas.

Razonamiento analógico

El espacio de embeddings admite aritmética vectorial: "comprador de alto valor" menos "comprador frecuente" más "usuario nuevo" revela prospectos emergentes de alto valor.

Relaciones entre entidades

Los productos, las campañas y los canales existen en el mismo espacio que los usuarios, lo que permite recomendaciones por vecino más cercano y emparejamiento entre contenido y usuario.

cleora.ai

Cleora.ai — El motor de embeddings

Un motor de embedding de grafos de propósito general que transforma grafos complejos y multi-relacionales en representaciones vectoriales densas. A diferencia de los métodos basados en redes neuronales, Cleora.ai utiliza proyecciones aleatorias iterativas — logrando calidad de vanguardia siendo órdenes de magnitud más rápido y completamente determinista.

Los embeddings de Cleora.ai forman la columna vertebral representacional de BaseModel.ai. Al transformar miles de millones de interacciones comportamentales en vectores significativos, Cleora.ai proporciona la señal de pre-entrenamiento que otorga a BaseModel su profunda comprensión del comportamiento del cliente.

Leer más sobre Cleora.ai Ver en GitHub

240×

Nodos/seg

50×

Dimensiones

5 MB

Escala

0

Entrenamiento

Entrenamiento determinístico

Sin caminos aleatorios, sin gradientes estocásticos. Solución en forma cerrada mediante operaciones matriciales iterativas — totalmente reproducible en cada ejecución.

Escalabilidad lineal

El tiempo de entrenamiento escala linealmente con el tamaño del grafo. Grafos de miles de millones de aristas en una sola máquina en minutos.

Embeddings inductivos

Genera embeddings para nodos no vistos sin reentrenar. Las nuevas entidades se proyectan en el espacio existente en tiempo real.

Grafos heterogéneos

Grafos multi-relación y multi-modal. Usuarios, productos, sesiones — todos los tipos de entidades en un único espacio de embeddings.

Benchmarks de rendimiento

AlgorithmAccuracyTimeMemory
Cleora0.9901.23 s22 MB
Node2Vec0.95867.9 s—
NetMF0.95728.8 s1,098 MB

Benchmarks en un conjunto de datos público de e-commerce (más de 100M de interacciones). Tiempos de entrenamiento medidos en una máquina de 16 núcleos. snap.stanford.edu

Cleora (código abierto)Algoritmo predecesorCleora-NX (propietario)
Eventos sin procesarConstrucción de hipergrafoCleora-NX
Cleora-NXEmbeddings de comportamientoPreentrenamiento de BaseModel

BaseModel.ai vs. ML tradicional

Por qué los equipos están reemplazando toda su pila de ML con un único modelo fundacional.

CapacidadML TradicionalLLMs / Agentes de IABaseModel.ai
Qué produce
Un modelo por pregunta de negocio
Texto, código o análisis
Modelos predictivos listos para producción
Escala de datos
Conjuntos de datos curados (GB)
Ventana de contexto (128K–1M tokens)
Data warehouses a escala de petabyte
Ingeniería de características
Meses de trabajo manual por modelo
Puede generar código de features — aún de uso único
Totalmente automatizada a partir de eventos en bruto
Tiempo hasta el primer modelo
3–6 meses
Horas (pero construye pipelines tradicionales)
12 h de entrenamiento de la foundation en 1× A100 para ~8 B eventos; fine-tune por escenario en horas
Modelado de la población
Estadísticas agregadas y segmentos
Un usuario a la vez mediante prompts
Modelos a nivel individual para toda la población
Transferencia entre dominios
No es posible — cada modelo está aislado
No aplica — no hay estado aprendido persistente
Integrado — un solo modelo sirve a todos los dominios
Persistencia del conocimiento
Reentrenamiento desde cero por cada pregunta
Sin memoria entre sesiones
Foundation reutilizada en cada escenario
Manejo de cold-start
Requiere umbrales mínimos de datos
Requiere contexto detallado en el prompt
Sketches inductivos desde la primera interacción
Equipo necesario
5–15 ingenieros de ML + científicos de datos
Científico de datos + prompt engineer
Ingeniero de datos o de ML; un único ingeniero de ML basta para despliegues típicos
Latencia a escala
50–500 ms habituales
1–30 segundos por generación
Clasificación por debajo del ms; 9 ms/usuario para puntuar 6 M ítems en 1× H100

Blazingly fast. No clusters needed.

Train on ~18 M clients / ~8 B events in 12 h on a single A100. Serve classification and regression at sub-millisecond latency, and 6 M-item recommendations in 9 ms per user on 1× H100. No distributed infrastructure required.

RelBench MAP — BaseModel vs. mejor baseline (mayor es mejor)

TareaBaseModel.aiBaselineNombre del baseline
rel-amazon review2.531.63ContextGNN
rel-amazon rate3.062.25ContextGNN
rel-hm purchase3.672.93ContextGNN
rel-avito ad-visit4.683.94RelGNN

Fuente: paper de BaseModel, RelBench (12 tareas). BaseModel iguala o supera al mejor baseline publicado en 10 de 12 tareas; se muestran las cuatro mayores victorias.

<1 ms

Sub-millisecond latency

Per-request inference time for classification and regression at production scale.

18 M+
Clientes por ejecución de entrenamiento
~8 B eventos en 1× A100 en 12 h
1
Una sola GPU
Sin necesidad de clúster
<1 ms
Latencia de clasificación
Menos de 1 ms por solicitud
9 ms
Recomendaciones sobre 6 M de ítems
Por usuario en 1× H100

Impacto en despliegues reales

En toda la plataforma Synerise impulsada por BaseModel — cifras de más de 340 despliegues en producción.

340+
Implementaciones en producción
Implementaciones empresariales activas en 4 continentes
2.8B
Predicciones diarias
Predicciones en tiempo real servidas cada día
+23%
Aumento medio de ingresos
Incremento medio de ingresos para clientes del retail
+8.2pp
Ganancia en precisión del modelo
Mejora media de AUC sobre los modelos ML existentes
14 days
Velocidad de implementación
Tiempo medio desde el inicio hasta las predicciones en producción
67%
Reducción de costes
Reducción en costes de infraestructura ML y equipo

Un modelo. Cada pregunta. Cualquier industria.

Seleccione una industria para ver qué puede responder BaseModel.ai — de forma inmediata.

General

"¿Cómo influyen las interacciones diarias de los clientes en sus comportamientos futuros?"

AI
ML
DL

Comprensión comportamental 360°

Listo para zero-shot

Construido de forma diferente

Seis principios arquitectónicos que hacen de BaseModel.ai el sistema de AI comportamental más avanzado jamás construido.

Foundation reutilizable

La foundation se entrena una sola vez con tus datos comportamentales. Cada nuevo escenario — churn, LTV, recomendaciones — reutiliza esos embeddings mediante un rápido fine-tune; sin reentrenamiento completo para cada pregunta.

Density sketches multimodales

Embeddings de grafo, texto, imágenes y características tabulares se sketchean en una única representación de tamaño fijo por entidad — construida sobre la marcha con coste lineal en las interacciones.

Predicciones zero-shot

Responde a preguntas comportamentales que nunca habías modelado explícitamente — como el riesgo de reingreso del paciente, la propensión al upgrade de un suscriptor o el riesgo de fuga de un empleado — definiendo una función objetivo y reutilizando los embeddings de la foundation.

Inferencia en tiempo real

Latencia de clasificación y regresión inferior al milisegundo; las recomendaciones puntúan el catálogo completo rel-avito de 6 M ítems en 9 ms por usuario en 1× H100. Servido mediante Ray Serve para cargas batch y online.

Self-hosted por diseño

Despliega en Snowflake Container Services, Databricks o tu propio clúster de GPUs. Los datos comportamentales nunca salen de tu entorno; sin corpus de modelo compartido entre clientes.

Transferencia entre dominios

El conocimiento comportamental aprendido en un dominio se transfiere a otro. Los patrones de compra mejoran la detección de fraude; las señales de engagement afinan las predicciones de churn — transferencia entre dominios que ningún modelo de uso único puede replicar.

Gobernanza y explicabilidad de modelos

Gobernanza de nivel empresarial integrada en cada capa — desde el linaje de datos de entrenamiento hasta la auditoría de predicciones en producción.

Objetivos definidos en YAML

Cada escenario ajustado se describe en un único YAML — tablas de origen, función objetivo, ventana de entrenamiento. Reproducible por diseño; volver a ejecutar el config reconstruye el mismo modelo.

Pesos de muestra configurables

Pesos de muestra por evento y controles de balanceo del objetivo permiten a los equipos ajustar trade-offs de equidad y recencia en tiempo de entrenamiento, con plena visibilidad de cómo se ponderan los ejemplos.

Soberanía de datos self-hosted

Despliega en Snowflake Container Services, Databricks o tu propio clúster de GPUs. Los datos comportamentales y los embeddings permanecen en tu entorno — sin corpus de modelo compartido entre clientes.

Configuraciones y lineage reproducibles

El entrenamiento de la foundation y cada ejecución de fine-tune se anclan a un YAML y a un esquema de conector, de modo que puedes rastrear cualquier predicción hasta las tablas, ventana temporal y parámetros exactos que la produjeron.

Foundations y adapters versionados

Los checkpoints de la foundation y los fine-tunes por escenario se versionan de forma independiente. Haz rollback de un escenario sin reentrenar la foundation; promociona una nueva foundation cuando estés listo.

Hooks de monitorización

Métricas en streaming para distribución de inputs, confianza de las predicciones y correlación con KPIs de negocio — intégralas en tu stack de observabilidad para detectar drift de forma temprana.

Reconocido por la comunidad científica

BaseModel.ai se basa en la investigación publicada de Synerise — los papers de Cleora y EMDE (ICONIP 2021) y el preprint de BaseModel — y forma parte del conjunto más amplio de las más de 40 publicaciones de Synerise en NeurIPS, KDD, ICONIP y ACM RecSys.

Preprint 2025

BaseModel: Un Foundation Model para datos comportamentales

El paper de BaseModel.ai. Define la formulación de foundation model para flujos de eventos comportamentales y el conjunto de benchmarks reportado en /research. El BaseModel de producción ejecuta Cleora-NX, TREMDE y un backbone FFN personalizado — extensiones internas propietarias de las bases publicadas Cleora y EMDE, no descritas en el paper.

ICONIP 2021

Cleora: Un esquema de embedding de grafos simple, robusto y escalable

El esquema de embedding de hipergrafos publicado por Synerise. Define la actualización determinista y sin parámetros T_{k+1} = normalize(P·T_k). El predecesor open source de Cleora-NX, el motor propietario que impulsa BaseModel.ai en producción.

ICONIP 2021

Un estimador eficiente de densidad sobre variedades para todos los sistemas de recomendación

El paper de EMDE. Introduce density sketches compactos cuyos códigos dispersos se componen por suma. El predecesor open source de TREMDE, el motor propietario y temporalmente consciente de density sketches dentro de BaseModel.ai.

¿Listo para descubrir lo que sus datos ya saben?

Explore BaseModel.ai — despliegue en horas, no en meses. Sin necesidad de un equipo de ML.

Mariano Gomide de Faria
"Synerise es una perla oculta de Cracovia, Polonia. El producto BaseModel de Synerise es el modelo fundacional privado más avanzado del mundo para datos comportamentales. Synerise es una forma poderosa y eficiente para que su empresa (tecnología, SI, retail, fabricante o marca) avance en el mundo de las aplicaciones de IA, produciendo resultados rápidos y evitando gastar millones de CAPEX en su modelo de ingeniería de datos. Estoy orgulloso de ver las empresas tecnológicas más avanzadas nacidas en mercados emergentes. Nos complace elegir Synerise como el motor de infraestructura de IA de VTEX. Seguimos con la misión de ser la columna vertebral del comercio conectado. Las funcionalidades de IA que VTEX podrá desplegar con Synerise son disruptivas."

Mariano Gomide de Faria

Co-CEO, VTEX

VTEX

TerrariumDB

TerrariumDB.
El motor de datos comportamentales.

TerrariumDB captura, resuelve y activa cada señal comportamental en tiempo real. Es la base de datos viva que impulsa BaseModel.ai — transformando eventos brutos en identidades de clientes dinámicas y en evolución a gran escala.

57B+
Eventos por mes
<50ms
Latencia de procesamiento
6B+
Perfiles comportamentales
99.99%
SLA de disponibilidad

Del evento al insight en milisegundos

Un pipeline de cuatro etapas que transforma el ruido comportamental bruto en inteligencia de clientes accionable y en tiempo real.

01

Capture

Event Ingestion

Every behavioral signal — from clicks and page views to transactions and API calls — is captured in real time via SDKs, APIs, or server-side connectors.

02

Enrich

Identity Resolution

Raw events are matched to unified profiles through deterministic and probabilistic identity resolution. Cross-device, cross-channel, cross-session — one identity.

03

Profile

Dynamic Aggregation

Every resolved event updates living behavioral profiles in real time. Aggregates, sequences, and computed attributes refresh within milliseconds.

04

Activate

Graph & Stream

Enriched profiles feed the identity graph and stream to downstream systems — powering BaseModel.ai, decisioning engines, and personalization in real time.

Construido para datos conductuales a escala

Seis capacidades fundamentales que hacen de TerrariumDB el motor de datos comportamentales en tiempo real más avanzado disponible.

Ingesta en tiempo real

Captura cada señal de comportamiento en el momento en que ocurre —clics, transacciones, vistas de página, llamadas a la API— sin retardo alguno entre el evento y tu capa de datos.

Perfiles vivos

Los datos no se almacenan como registros estáticos. Cada evento enriquece una identidad de comportamiento dinámica y en evolución que refleja quién es el cliente ahora mismo, no quién era la semana pasada.

Grafo de identidad unificado

Cada evento enriquece un grafo de identidad unificado en todos los canales y dispositivos. Las sesiones anónimas, los usuarios registrados y los recorridos multidispositivo se fusionan en una única verdad.

Procesamiento por debajo del segundo

De la captura del evento al enriquecimiento del perfil en menos de 50 milisegundos. La toma de decisiones en tiempo real depende de datos en tiempo real, y TerrariumDB ofrece ambos.

Ingesta sin esquema

No se necesitan esquemas predefinidos. Envía cualquier payload JSON y TerrariumDB lo indexa, enriquece y hace consultable automáticamente. Los modelos de datos evolucionan en tiempo real a medida que lo hace tu negocio.

Streaming de eventos y CDC

Captura de cambios de datos, webhooks y conectores de datos en tiempo real integrados. Transmite eventos enriquecidos a cualquier sistema descendente: almacenes de datos, pipelines de ML o motores de activación.

Diseñado para la escalabilidad horizontal

Cada capa de la pila está construida para escalar linealmente — desde servicios sin estado hasta bases de datos fragmentadas y zonas de cómputo independientes.

Horizontal Scalability

  • Stateless services
  • Load Balancing
  • Microservices architecture

Database Scalability

  • Core technologies linearly scalable (TerrariumDB, Kafka, ScyllaDB)
  • Data sharding by profileId

Event-Driven Reactive Architecture

  • Data streaming via Kafka
  • Asynchronous processing in stateless microservices

Auto-Scaling Infrastructure

  • Containerization (Docker)
  • Kubernetes native workloads
  • Horizontal pod autoscaler
  • Cloud-Based Auto-Scaling

Monitoring

  • Continuous monitoring with long history

Noisy Neighbor Solution

  • Separate Kafka topics per workspace
  • Dedicated compute zones for workflows and AI recommendations
  • Zones scale independently

La base de datos para BaseModel.ai

TerrariumDB no es solo una base de datos — es el sustrato vivo que alimenta el primer modelo fundacional comportamental del mundo. Cada evento capturado, cada perfil enriquecido y cada identidad resuelta por TerrariumDB se convierte en señal de entrenamiento para BaseModel.ai.

Las secuencias de comportamiento en tiempo real fluyen directamente al entrenamiento del modelo
El grafo de identidad garantiza la calidad del embedding en recorridos fragmentados
La arquitectura sin esquema se adapta a nuevas fuentes de datos sin reingeniería
El enriquecimiento en menos de 50 ms permite la inferencia en tiempo real en el momento de la predicción
Pipeline en vivo
Eventos capturados
1.4B/day
Perfiles actualizados
892M/day
Coincidencias de identidad
234M/day
Latencia media
23msp99

Arquitectura de nivel empresarial

Construido desde cero para cargas de trabajo de datos comportamentales de misión crítica a escala planetaria.

Despliegue multirregión

Despliega en cualquier región de la nube con cumplimiento automático de residencia de datos. Listo para GDPR, CCPA y LGPD desde el primer momento, con controles configurables de soberanía de datos.

Durabilidad garantizada

El registro write-ahead, la sincronización multirréplica y la recuperación a un punto en el tiempo garantizan cero pérdida de datos. Cada evento es duradero desde el momento en que se confirma.

Seguridad y cumplimiento

Certificado SOC 2 Type II con cifrado de extremo a extremo en reposo y en tránsito. Control de acceso basado en roles, registro de auditoría y enmascaramiento de datos integrados en cada capa.

Tus datos, vivos y listos.

Descubra cómo TerrariumDB transforma eventos brutos en inteligencia comportamental en tiempo real — impulsando predicciones, personalización y toma de decisiones a escala.

Investigación IA de Synerise

AI basada en ciencia

Investigación de clase mundial que gana competiciones globales y avanza el estado del arte en sistemas de recomendación, aprendizaje en grafos e AI comportamental.

50+
Artículos publicados
15+
Victorias en competiciones
1,200+
Citaciones

Victorias destacadas

Dominando las competiciones globales de AI

KDD Cup — 1.er puesto
ACM RecSys Challenge — Múltiples victorias
Booking.com Challenge — 1.er puesto
Rakuten Data Challenge — 1.er puesto
OGB Large-Scale Challenge — Máxima clasificación
"Synerise ha construido uno de los equipos de investigación en AI aplicada más impresionantes que he conocido. Su trabajo en graph embeddings y modelado de comportamiento está avanzando el estado del arte."

Prof. Jure Leskovec — Stanford University

Lo último de SAIR

Investigación8 min de lectura

BaseModel vs TIGER para recomendaciones secuenciales

La comparación entre BaseModel y TIGER revela diferencias sustanciales en sus decisiones arquitectónicas y rendimiento.

Investigación8 min de lectura

BaseModel vs HSTU para recomendaciones secuenciales

Para evaluar BaseModel frente a HSTU, replicamos exactamente los protocolos de preparación de datos, entrenamiento, validación y pruebas.

Investigación8 min de lectura

Codificación de características numéricas con transformada de Fourier

El preprocesamiento de datos de entrada es una parte muy importante de cualquier pipeline de aprendizaje automático, a menudo crucial para el rendimiento del modelo final.

Ingeniería12 min de lectura

EMDE vs codificación hash multirresolución

Cuando creamos nuestro algoritmo EMDE, teníamos en mente principalmente el dominio del perfilado comportamental.

Futuro6 min de lectura

Por qué necesitamos inteligencia artificial inhumana

Nos preguntamos continuamente cuánto tiempo más tardará la AI en alcanzar el nivel de habilidad humana en estas tareas.

Herramientas8 min de lectura

Hashing eficiente de pares de enteros

Los modelos mentales son expresiones simples de procesos o relaciones complejas.

Sistema de diseño Colloid

El lenguaje de diseño
detrás de la plataforma.

Colloid es el sistema de diseño propietario y de código abierto de Synerise — una biblioteca de 117 paquetes de componentes React versionados de forma independiente, 1.189 iconos personalizados y una infraestructura de temas completa que impulsa cada pantalla de la plataforma.

Construido con TypeScript, Styled Components y react-intl desde el primer día. No es un wrapper de Material UI o Ant Design — es un sistema creado desde cero, diseñado para las demandas únicas de interfaces de datos de comportamiento, dashboards en tiempo real y flujos de trabajo impulsados por AI.

117

Paquetes de componentes

1,189

Iconos personalizados

4

Variantes de tamaño de iconos

100%

Cobertura TypeScript

Explorar el sistema de diseño Ver en GitHub
Colloid Design System — Synerise UI components

117 Paquetes React

Cada componente es un paquete npm con versionado independiente — desde ds-button hasta ds-table y ds-wizard. Instala solo lo que necesites.

1.189 Iconos Personalizados

Una biblioteca de iconos propietaria en 4 variantes de tamaño (M, L, XL, color) — diseñada específicamente para plataformas de datos, analítica e interfaces de AI comportamental.

Storybook Open Source

Cada componente está documentado y es interactivo en una instancia pública de Storybook. Los diseñadores revisan, los ingenieros construyen, QA prueba — desde una única fuente de verdad.

TypeScript Nativo

Escrito completamente en TypeScript con tipos estáticos predecibles. IntelliSense completo, seguridad en tiempo de compilación y cero ambigüedad en cada API de componente.

Componentes estilizados

Estilos basados en temas con Styled Components. Cada token — color, espaciado, tipografía, elevación — proviene de un objeto de tema central para una personalización instantánea.

i18n por Defecto

Internacionalización integrada con react-intl. Cada etiqueta, marcador de posición y mensaje es traducible — soportando despliegues empresariales globales de forma nativa.

Galería de componentes

Colloid Design System — Vista previa en vivo

Réplicas visuales de @synerise/ds-* componentes, que coinciden con los tokens y patrones del sistema de diseño Colloid utilizados en producción.

Variantes de ds-button

Tamaños de botón

import DSButton from '@synerise/ds-button';
<DSButton type="primary">Primary</DSButton>

Los componentes siguen los tokens de diseño de Colloid: espaciado, colores y tipografía coinciden con el sistema de diseño en producción.

Abrir Storybook

Componentes reales del repositorio

Cada componente a continuación es un paquete npm @synerise/ds-* real y publicado de forma independiente — obtenido directamente del repositorio de código abierto en GitHub.

Entrada de datos18
InputInputNumberSelectAutocompleteCascaderCheckboxRadioSwitchSliderDatePickerDateRangePickerTimePickerColorPickerEmojiPickerFileUploaderCodeAreaInlineEditSubtleForm
Navegación12
MenuAppMenuNavbarSidebarSidebarObjectTabsCardTabsStepperPaginationBreadcrumbsWizardPageHeader
Visualización de datos17
TableListListItemCardCardSelectMetricCardAvatarAvatarGroupBadgeTagTagsStatusDescriptionTypographyStepCardInformationCardItemsRoll
Feedback16
AlertInlineAlertModalDrawerToastPopconfirmPopoverTooltipResultLoaderSkeletonProgressBarSectionMessageBannerBroadcastBarConfirmation
Diseño y estructura12
GridFlexBoxLayoutPanelPanelsResizerDividerBlockTrayToolbarFooterScrollbarActionArea
Avanzado17
FilterItemFilterItemPickerFactorsOperatorsConditionLogicManageableListSortableCollectorColumnManagerMappingInsightSearchBarContextSelectorCompletedWithinEstimation
Open Source · Licencia MIT

Explore la documentación viva.

Cada componente incluye documentación interactiva en Storybook — mostrando variantes, estados, props, notas de accesibilidad y ejemplos de uso del mundo real. Los diseñadores revisan. Los ingenieros construyen. QA prueba. Todo desde la misma fuente.

Colloid no es solo un kit de interfaz de usuario — es el lenguaje compartido entre producto, diseño e ingeniería en Synerise. Codifica años de aprendizaje sobre la construcción de interfaces para datos de comportamiento, predicciones de AI y automatización en tiempo real a escala planetaria.

Ver en GitHub synerise-design
@synerise/ds-*

// Instalar paquetes individuales

yarn add @synerise/ds-core

yarn add @synerise/ds-button

yarn add @synerise/ds-table

// Envuelve tu aplicación

import { DSProvider } from '@synerise/ds-core'

import Button from '@synerise/ds-button'

<DSProvider>

<Button>¡Haz clic!</Button>

</DSProvider>

Seguridad Empresarial

Seguridad e infraestructura de confianza
Certificaciones de cumplimiento, soberanía de datos y privacidad por diseño.

Infraestructura de nivel empresarial con certificaciones de cumplimiento, soberanía de datos y privacidad por diseño — respaldando a organizaciones globales con los más altos estándares de seguridad.

SaaS

Nube totalmente gestionada

Private Cloud

Infraestructura dedicada

On-Premise

Tu centro de datos

SOC 2 Type II

Controles de seguridad auditados

GDPR

Protección de datos de la UE

CCPA

Cumplimiento de privacidad de California

ISO 27001

Seguridad de la información

Vídeos

Lo último de nuestro canal

Ver todos los videos