1. Qué ofrece Ressearch AI
Ressearch AI® es una aplicación de apoyo a la investigación científica operada por Skyfall Innovations Corp S.A.C.S.. Empresa peruana inscrita ante SUNAT con RUC 20615941108 bajo la denominación Skyfall Innovations Corp S.A.C.S.
Ressearch AI no desarrolla, entrena ni comercializa un modelo fundacional propio. El servicio combina modelos de terceros con búsqueda y recuperación de literatura, memoria de proyecto, herramientas científicas, flujos estructurados de análisis y redacción, y ejecución aislada de código Python y R.
Esta página describe el conjunto del servicio y no una tarjeta de un modelo específico, porque los modelos son solo uno de los componentes que intervienen en la experiencia.
2. Marco peruano y rol de la empresa
La Ley N.° 31814 y su Reglamento, aprobado por Decreto Supremo N.° 115-2025-PCM, conforman el marco peruano específico sobre sistemas basados en inteligencia artificial. El Reglamento está vigente desde el 22 de enero de 2026.
El artículo 6 del Reglamento distingue, entre otros, al desarrollador del sistema, al implementador y al usuario. Por la amplitud de esas definiciones, Ressearch AI puede actuar como desarrollador e implementador del servicio completo que diseña e integra, sin que ello signifique que sea creador de los modelos de terceros que utiliza.
Las obligaciones concretas dependen del uso, el nivel de riesgo, el sector y el calendario aplicable a cada empresa. El artículo 25 establece deberes reforzados de transparencia para sistemas de riesgo alto; no convierte todo contenido asistido por IA en un producto sujeto al mismo etiquetado.
La NTP-ISO/IEC 42001:2025 puede servir como referencia voluntaria para la gestión de IA en el sector privado. Ressearch AI no declara certificación ni conformidad con esa norma. La Estrategia Nacional de Inteligencia Artificial 2026–2030 es una referencia de política pública y no se presenta aquí como una certificación u obligación contractual del servicio.
3. Usos previstos y no previstos
El servicio está diseñado para apoyar trabajo científico bajo revisión humana. La persona usuaria conserva la responsabilidad sobre las fuentes, métodos, conclusiones y publicaciones que decida utilizar.
- Buscar, organizar y sintetizar literatura científica.
- Preparar, limpiar, visualizar y analizar datasets aportados por el usuario.
- Ejecutar código Python y R en entornos aislados para análisis estadístico y científico.
- Preparar borradores, planes de análisis, figuras, tablas, citas y documentos académicos.
- Mantener memoria y trazabilidad del proyecto y empaquetar resultados reproducibles.
No está diseñado para diagnóstico o tratamiento clínico autónomo ni para decidir por sí solo sobre empleo, educación, crédito, seguros, justicia u otros derechos. La Política de uso aceptable restringe además los usos ilícitos, peligrosos o de alto impacto sin controles adecuados.
4. Componentes y flujo general
Según la función elegida, el flujo puede combinar: una instrucción o archivo del usuario; contexto recuperado del proyecto o de fuentes científicas; un modelo de terceros; una herramienta de búsqueda o análisis; ejecución de código en un entorno aislado; y la presentación del resultado para revisión.
No todos los flujos se comportan igual. Algunas acciones simples se ejecutan tras la solicitud directa; otras muestran planes, alternativas o puntos de aprobación. Cuando la interfaz lo permite, el usuario puede detener, repetir, editar o descartar el resultado. Ningún resultado debe interpretarse como una decisión profesional certificada.
- Búsqueda científica: consulta fuentes externas, deduplica y presenta resultados candidatos.
- Asistencia de redacción: prepara borradores y revisiones editables, no publicaciones definitivas.
- Análisis: ejecuta herramientas o código y devuelve tablas, figuras, archivos y registros técnicos.
- Memoria de proyecto: recupera contexto autorizado para mantener continuidad entre tareas.
- Exportación: transforma contenido seleccionado en formatos documentales o paquetes reproducibles.
5. Modelos y proveedores
La ruta activa de inferencia generativa y procesamiento multimodal utiliza Google Cloud — Gemini Enterprise Agent Platform (anteriormente Vertex AI). Ressearch AI no usa el contenido privado del usuario para entrenar un modelo fundacional propio.
La integración disponible para la familia Claude está deshabilitada a la fecha de esta revisión y no recibe tráfico ordinario. Si se habilitara, el acceso se realizaría mediante el servicio administrado de Google Cloud, no mediante una integración directa de Ressearch AI con Anthropic.
Para recuperación contextual se utiliza actualmente text-embedding-004, con vectores de 768 dimensiones almacenados en la infraestructura de datos del servicio. Los modelos, versiones y reglas de enrutamiento pueden cambiar para mantener seguridad, disponibilidad o calidad; un cambio material de destinatario se reflejará en estos documentos.
6. Datos que pueden intervenir
El alcance depende de la función usada y de lo que la persona usuaria cargue o conecte. El contexto necesario puede enviarse a los proveedores que participan en esa función.
- Contenido: instrucciones, conversaciones, documentos, papers, datasets, código, imágenes, citas y artefactos del proyecto.
- Contexto derivado: fragmentos recuperados, embeddings, resúmenes, metadatos de herramientas, linaje y resultados anteriores.
- Cuenta: nombre, correo, avatar y proveedor de autenticación Google o GitHub, además de preferencias, plan y datos de facturación aplicables.
- Fuentes conectadas o consultadas: por ejemplo, Crossref, OpenAlex, NCBI, arXiv, Zotero o GitHub, bajo sus propios términos.
No deben cargarse datos de salud identificables ni otras categorías sensibles sin una base jurídica válida, controles institucionales y un acuerdo escrito que habilite expresamente ese tratamiento. El servicio estándar no está configurado para ese fin.
7. Revisión humana y trazabilidad
Los resultados generados son propuestas que deben verificarse. La revisión humana es especialmente importante para citas, cálculos, interpretación estadística, decisiones metodológicas y cualquier uso regulado o de alto impacto.
El servicio registra, según la función, identificadores de solicitud y proyecto, tiempos, estados, herramientas invocadas, archivos producidos y errores. Estos registros apoyan la seguridad, el soporte y la investigación de incidentes; no garantizan por sí solos la reproducibilidad o validez científica del resultado.
- El usuario puede editar o descartar los borradores y resultados antes de incorporarlos a su trabajo.
- Los flujos de varios pasos pueden incluir planes, revisiones intermedias y confirmaciones visibles.
- Los formatos documentales que actualmente incorporan el aviso de asistencia —DOCX, PDF, Markdown y LaTeX— recuerdan la necesidad de revisión humana.
- El usuario debe verificar las exigencias de divulgación de su revista, universidad, financiador o institución.
8. Riesgo y usos de alto impacto
El Reglamento peruano distingue uso indebido, uso de riesgo alto y, de forma residual, riesgo aceptable. Los usos ordinarios previstos por Ressearch AI —asistencia científica sin decisiones autónomas sobre personas— corresponden en general a la categoría residual, pero la clasificación final depende del contexto real de uso y no solo del producto.
Un usuario o una institución puede convertir un flujo en riesgo alto si lo integra en decisiones sobre salud, educación, empleo, crédito, seguros, servicios esenciales u otros ámbitos enumerados en el artículo 24. Quien realice esa integración debe evaluar las obligaciones aplicables, incluida la información previa, la explicación y la supervisión humana que correspondan.
En el sector privado, la evaluación de impacto prevista por el artículo 32 es voluntaria; si se realiza para un sistema de riesgo alto, sus hallazgos y medidas deben conservarse durante al menos tres años. Las obligaciones y los plazos de implementación varían por sector y tamaño empresarial.
9. Limitaciones conocidas
- Los modelos pueden producir afirmaciones, citas, fórmulas o conclusiones plausibles pero incorrectas.
- La cobertura de fuentes y el conocimiento del modelo pueden ser incompletos o estar desactualizados.
- La calidad del resultado depende de la calidad, licitud y claridad de los datos e instrucciones de entrada.
- Las herramientas externas y los entornos de ejecución tienen límites de disponibilidad, tiempo, memoria y cobertura.
- El sistema puede reproducir sesgos presentes en sus modelos, fuentes o datos de entrada.
- La asistencia no reemplaza la revisión de un investigador ni el juicio de un profesional habilitado.
10. Contacto y actualización
Consultas sobre esta explicación o sobre el funcionamiento del servicio: [email protected].
Solicitudes sobre datos personales: [email protected]. Reportes de seguridad o abuso: [email protected].
Actualizaremos la fecha de revisión cuando cambien materialmente el funcionamiento descrito, los destinatarios de datos o el marco aplicable. El canal ciudadano de la PCM para observaciones sobre IA es gob.pe/iaperu.