Construye con IA

De una sola instrucción a tres variantes de suministro, en menos de diez minutos.

La API de Sympheny está completamente documentada, de modo que un asistente de IA puede construir un proyecto, preparar variantes de escenario y lanzar una optimización. Lo que sale por el otro lado no cambia: el mismo motor resuelve el modelo, lo haya preparado una persona o un asistente.

Un asistente prepara el modelo. Sympheny lo resuelve.

Recorrido de 40 segundos (en inglés)

Una instrucción, tres variantes de suministro — caldera de gas, bomba de calor con fotovoltaica en tejado y calefacción urbana — preparadas a través de la API documentada. Clip sin sonido; cada paso está subtitulado en pantalla.

Los detalles y la guía completa en nuestra documentación →
Qué muestra el recorrido

Cinco pasos, de un encargo escrito a tres escenarios listos para optimizar.

Una preparación real, de principio a fin: un encargo redactado en lenguaje natural, los supuestos que el asistente te consulta antes de seguir y tres escenarios listos para optimizar.

  1. Pide

    Describe el estudio en lenguaje natural

    El encargo pide tres variantes de suministro — una caldera de gas, una bomba de calor con fotovoltaica en tejado y calefacción urbana — para un edificio residencial, con la demanda tomada de la base de datos de Sympheny. El asistente trabaja a partir de la API publicada, así que ya sabe qué son un proyecto, un escenario y un hub.

  2. Escribe el script

    El asistente produce el script de preparación

    Escribe él mismo el script de preparación, una rama por variante, en lugar de recorrer la interfaz a clics. El script es tuyo: puedes conservarlo, volver a ejecutarlo y compartirlo — lo que importa más que el tiempo que ahorra, porque un colega puede ver exactamente qué se construyó.

  3. Revisa los supuestos

    Te dice qué tuvo que decidir

    Antes de ejecutar, el asistente señala las dos cosas que el encargo dejaba abiertas: qué año de demanda usar y de dónde sale la refrigeración. Las ambigüedades afloran como preguntas, no como valores por defecto silenciosos enterrados en un modelo.

  4. Un análisis, tres escenarios

    Tres variantes sobre una base común

    Los tres escenarios aterrizan en un único análisis, compartiendo el mismo perfil de demanda y los mismos supuestos. Esa base común es lo que hace que la comparación se sostenga cuando un cliente o un comité pregunta por qué ganó una variante.

  5. Y después

    Sympheny los optimiza

    A partir de ahí el flujo de trabajo es el de siempre. Sympheny optimiza cada variante y devuelve las mejores configuraciones, con las contrapartidas sobre un frente de Pareto. El asistente preparó el modelo. Nunca lo resolvió.

Light App Editor

«Añade un paso nuevo después del paso 1 que liste todos los proyectos…» — y el wizard ya lo tiene.

La IA te ayuda a construir la interfaz. Sympheny optimiza de forma determinista, como siempre.

Una light app es una interfaz pequeña y acotada construida sobre Sympheny — un wizard con la forma del estudio que tu equipo ejecuta de verdad, en lugar de la plataforma entera. La construyes, y la modificas, en el Light App Editor.

El clip muestra cómo se modifica una. Una instrucción escrita añade un paso a un wizard de cuatro pasos ya desplegado, los pasos posteriores se renumeran y la pantalla nueva está en producción dos segundos después. El paso añadido es real, no una maqueta: lista todos los proyectos de la cuenta, directamente desde Sympheny.

Light App Editor · 40 segundos

Un wizard de cuatro pasos ya desplegado gana un quinto a partir de una sola instrucción escrita, en producción dos segundos después y cargando los datos directamente desde Sympheny. Clip sin sonido; cada paso está subtitulado en pantalla. Muestra cómo se amplía una app que ya existe, no cómo se construye una desde cero.

Habla con nosotros sobre usar IA para tu propia light app →
Tres vías de acceso

Todo lo que un agente necesita ya está documentado.

Dos de las tres están disponibles ya hoy. El servidor MCP, que permite a un asistente conectarse sin que tengas que montar nada, llegará en las próximas semanas.

Ya disponible

API REST

Todo lo que hace la plataforma es accesible a través de la API documentada: proyectos, escenarios, optimizaciones y resultados. Puedes probarla en el navegador antes de escribir una sola línea de código.

Referencia de la API REST →
Ya disponible

SDK de Python

sympheny-toolbox, el cliente oficial de Python. Hay guías prácticas que te llevan desde la instalación hasta una optimización terminada, y el inicio de sesión lo gestiona él por ti.

Guía del SDK de Python →
En pocas semanas

Servidor MCP

Una conexión estándar, para que un asistente llegue a Sympheny sin que tengas que montar nada. La configuración ya está documentada; el servidor se publicará en las próximas semanas. Hasta entonces, la API REST y el SDK cumplen la misma función.

Configuración de MCP, documentada antes del lanzamiento →
Legible para agentes por diseño

La documentación está escrita para que la lean tanto las máquinas como las personas.

docs.sympheny.com publica llms.txt y llms-full.txt: toda la documentación en un formato que un asistente de IA puede leer de una sola vez, siguiendo la convención llms.txt.

Así puedes darle a un asistente una sola URL y ya tiene la plataforma en contexto — endpoints, estructura del modelo y ejemplos prácticos — en lugar de rastrear el sitio o adivinar la forma de una API.

llms.txtllms-full.txtEsquemas documentadosMétodos SDK tipados
Qué no cambia esto

La optimización es determinista, con o sin asistente.

Conectar un asistente cambia cómo se construye un modelo. No toca cómo se resuelve.

Sin IA en los cálculos

Cada resultado procede del motor de optimización MILP y se puede trazar hasta los condicionantes y los costes que lo produjeron. Las mismas entradas producen siempre las mismas salidas.

Desactivado por defecto

Sympheny no incluye ningún asistente integrado ni conecta nada en tu nombre. Tú decides si conectas uno y qué proveedor utilizas.

Tu proveedor, tu acuerdo

Los datos de escenario que un asistente envía y recibe pasan por el proveedor que hayas elegido, bajo tu acuerdo con él, no bajo el nuestro.

Nada se entrena con tus datos

Ningún perfil energético de clientes, dato de edificios o dato de entrada de proyectos se utiliza para entrenar ningún modelo, ni el nuestro ni el de terceros.

Lee la página completa de transparencia de IA y datos →
Dónde lo usan los equipos

Las partes del trabajo que merece la pena automatizar.

Variantes de escenario en volumen

Prepara diez variantes del mismo estudio a partir de una sola especificación, en lugar de construir cada una a mano y confiar en que los supuestos se hayan mantenido alineados.

Barridos de sensibilidad

Vuelve a ejecutar un escenario sobre un rango de tarifas, costes de tecnología o supuestos de demanda, y reúne los resultados en un solo sitio.

Preparación a partir de una especificación existente

Convierte el encargo de un cliente, una hoja de cálculo con datos del emplazamiento o la descripción de un modelo existente en un proyecto de Sympheny sin volver a teclearlo.

Pipelines repetibles

Maneja Sympheny desde un notebook o una herramienta interna, para que un estudio que tu equipo ejecuta cada mes se ejecute igual cada mes.

Preguntas

Trabajar con asistentes y agentes de IA.

¿Puedo usar Sympheny con un asistente o un agente de IA?

Sí. Sympheny publica una API REST y un SDK de Python documentados, de modo que un asistente puede crear escenarios, lanzar optimizaciones y leer los resultados. Un servidor MCP llegará en las próximas semanas. No hay nada conectado por defecto — tú decides si lo utilizas.

¿Puedo editar una light app con un asistente de IA?

Sí. El Light App Editor toma una instrucción en lenguaje natural y modifica la app — el clip de arriba añade un paso al wizard que lista todos los proyectos de la cuenta, desplegado en dos segundos. Lo que muestra es un cambio sobre una app que ya existe; construir una desde cero es un trabajo más largo. En cualquier caso, la optimización que hay detrás no cambia: el mismo motor MILP determinista resuelve el modelo.

Si conecto un asistente, ¿a dónde van mis datos?

Al proveedor que conectes. Los datos de escenario que un asistente envía y recibe pasan por ese proveedor bajo tu acuerdo con él, no bajo el nuestro. Sympheny no elige el proveedor por ti.

¿Conectar un asistente cambia mis resultados?

No. Un asistente puede construir o modificar un escenario, pero la optimización se ejecuta siempre en el mismo motor MILP determinista. Un escenario ensamblado por un asistente y el mismo escenario ensamblado a mano producen resultados idénticos.

Nota: Un asistente puede preparar el modelo. Nunca lo resuelve.

¿Necesito ser desarrollador para usar esto?

Para la API y el SDK, sí — o alguien en el equipo que lo sea. Que el asistente escriba el script baja el umbral considerablemente, pero alguien tiene que ejecutarlo. El servidor MCP elimina ese paso cuando se publique. El resto trabaja en la aplicación web, donde se ejecuta la misma optimización.

¿Es realista menos de diez minutos?

Para la preparación que se muestra, sí: tres variantes con la demanda tomada de la base de datos, con la API a disposición del asistente y alguien que sepa qué quiere modelar. Un primer intento lleva más tiempo, y la ejecución de la optimización va aparte. Es una afirmación sobre la preparación de escenarios, no sobre un concepto energético terminado.

¿Cuándo se lanza el servidor MCP?

En las próximas semanas. La configuración en el cliente ya está documentada, y el endpoint empezará a responder cuando el servidor se publique. Todo lo que muestra el recorrido de arriba funciona hoy sin él. Si quieres saber cuándo llega, coméntalo en una llamada de demo.

¿Quieres probarlo en un proyecto propio?

Empieza una prueba gratuita y manéjalo a través de la API, o reserva un inicio rápido con IA de 30 minutos, gratuito y sin compromiso, y recorreremos la preparación en un proyecto como el tuyo.

Book a demo