Foqum Analytics
Foqum desarrolla soluciones de inteligencia artificial aplicada y machine learning para automatizar procesos de análisis, extracción, clasificación, anonimización y explotación de información en organizaciones públicas y privadas.
Trabajamos para administraciones públicas, grandes empresas y entidades de sectores como legal, financiero, salud, energía, industrial, defensa, educación y servicios, especialmente en contextos donde existen grandes volúmenes de documentación, información sensible o procesos manuales intensivos.
Ayudamos a los equipos técnicos, jurídicos y de negocio a reducir carga operativa, mejorar la trazabilidad y convertir documentación no estructurada en información tratable, revisable y segura. En este reto, aplicamos esa experiencia a la anonimización de documentos técnicos y administrativos en castellano y euskera: detección de datos personales o confidenciales, sustitución coherente mediante etiquetas, clasificación de criticidad documental y generación de una versión anonimizada revisable. La solución no elimina la revisión humana ni sustituye el criterio jurídico o técnico, sino que actúa como asistente para agilizar el proceso, homogeneizar criterios y reforzar la protección de la información sensible.
Datos de la empresa
Año de fundación
2014
NIF/CIF
B87072500
Certificaciones
Nº de Empleados
30
Análisis GovTech
Tracción pública
Solvencia económica
Public Readiness (Tracción pública)
Valor total de contratos como entidad adjudicataria (último año)
151.000 €
Cantidad de contratos (último año)
3
Clientes públicos destacados
Ministerio de Defensa, Idibell, Ci3, Turismo de Tenerife, Ayuntamiento de Navarra, Perte Naval (Navantia y Pymar), UNED.
Canales y colaboraciones
Mando Conjunto del Ciberespacio, Tecnologías Plexus, S.A.
Vendor Trust (Solvencia económica)
Facturación (último año)
3.065.000 €
Inversión levantada acumulada
1.500.000 €
Contrato mayor valor en los últimos 3 años
2.650.000 €
Inversores
Rembert Capital, S.A. 15,47% Mar del Norte Inversiones, S.L. 15,31% Cavica Consulting, S.L. 12,73% ANTONIO HERNÁNDEZ CHAO 8,45% JACOBO PABLOS MENGS 8,23% EMILIO ALBA LINERO 8,23% Global Riazán, S.L. 7,54% Trachelium RE, S.L. 5,00% Javier Rodríguez Díez 5,00% Marco del Rey Zapatero 4,25% Eduardo Mengs Peláez 4,11% Alejandro Moreno 3,21% GFRS VENTURE CAPITAL, S.L. 2,01% Enrique Mengs 0,45%
Ecosistema
Premios
- Deloitte EMEA Technology Fast 500 (2025): Reconoce a las 500 empresas de base tecnológica con mayor ritmo de crecimiento y escalabilidad en Europa, Oriente Medio y África.
- Deloitte Technology Fast 50 España: 50 compañías tecnológicas de más rápido crecimiento en el país
Aceleradoras
Datos de la empresa
IA para la búsqueda y recomendación personalizada de convocatorias de financiación de investigación
Problema
- Convocatorias dispersas y seguimiento manual: las oportunidades de financiación se publican en numerosas fuentes públicas y privadas, y su recopilación y revisión manual genera retrasos y provoca que se escapen convocatorias con plazos ya vencidos.
- Dificultad para encontrar la convocatoria que encaja: el investigador no siempre identifica qué oportunidades se ajustan mejor a su área, sus intereses y su trayectoria, dentro de un catálogo amplio y en constante cambio.
- Análisis de la convocatoria y encaje de perfiles costoso: interpretar las bases de cada convocatoria e identificar internamente a los investigadores más adecuados exige mucho tiempo y coordinación entre la unidad gestora y los grupos.
Solución
- Rastreo automático y base de conocimiento unificada: la solución rastrea de forma continua fuentes públicas y privadas, extrae automáticamente requisitos, plazos, cuantías y criterios de elegibilidad de cada convocatoria, y consolida toda la información en una base de conocimiento única y permanentemente actualizada.
- Recomendación personalizada por perfil: un sistema de búsqueda inteligente con filtros y recomendación cruza el perfil de cada investigador con las convocatorias disponibles y remite alertas y boletines con las oportunidades más relevantes para cada caso, de modo que la información pertinente llega al investigador sin que deba buscarla.
- Asistente de consulta y panel de encaje interno: un asistente conversacional responde preguntas concretas sobre cada convocatoria a partir de sus bases, y un panel de administración propone los perfiles internos con mejor encaje, lo que agiliza el análisis y permite a la unidad gestora planificar de forma estratégica.
IA para la resolución autónoma y gestión predictiva de incidencias informáticas
Problema
- Saturación del soporte con incidencias repetitivas: el personal de primer nivel dedica gran parte de su jornada a resolver consultas sencillas y recurrentes, lo que genera sobrecarga y demoras en las incidencias que sí requieren conocimiento especializado.
- Clasificación y derivación manual propensa a errores: categorizar, priorizar y asignar cada incidencia a mano provoca errores de encaminamiento, duplicidad de tareas y registros heterogéneos que restan fiabilidad a los datos de gestión.
- Previsión de la demanda basada en conocimiento informal: anticipar los periodos de alta carga depende de la experiencia de personas concretas, un conocimiento tácito que no queda documentado y se pierde con la rotación.
Solución
- Resolución autónoma mediante asistente conversacional: un asistente basado en inteligencia artificial atiende en lenguaje natural las consultas frecuentes y las resuelve sin intervención humana; cuando la incidencia excede su alcance, genera automáticamente el ticket con la información ya estructurada.
- Clasificación y asignación automática con datos normalizados: la inteligencia artificial categoriza, prioriza y deriva cada incidencia al perfil técnico más adecuado, y estandariza la información registrada, lo que mejora el encaminamiento y aporta datos fiables para la toma de decisiones.
- Anticipación de picos mediante modelos predictivos: modelos predictivos identifican patrones históricos y anticipan los picos de incidencias, lo que permite planificar los recursos de soporte con antelación y preservar la continuidad del servicio en los periodos de mayor demanda.
Agentes IA para estructurar y codificar notas clínicas
Problema
- Información clínica dispersa en texto libre: los datos de cada episodio están repartidos en notas narrativas no estructuradas, lo que dificulta su consulta, agregación y explotación sistemática.
- Codificación clínica compleja y multiterminología: la codificación debe ajustarse a distintos estándares y vocabularios propios de cada centro, lo que la hace laboriosa y dependiente de personal especializado.
- Pérdida de contexto clínico en la extracción automática: matices como negación, temporalidad, antecedente o sospecha pueden perderse, generando errores y aumentando la revisión manual.
- Restricciones de privacidad y baja reutilización de datos: la sensibilidad de los datos sanitarios limita el uso de servicios externos de IA y, si la información no se estructura, dificulta su reutilización para análisis, investigación o interoperabilidad.
Solución
- Estructuración del episodio mediante IA multiagente: una arquitectura de agentes especializados procesa el episodio completo y transforma diagnósticos y procedimientos descritos en texto libre en datos estructurados.
- Normalización y codificación automática: las entidades clínicas detectadas se normalizan y codifican automáticamente contra CIE-10, SNOMED CT y vocabularios propios del hospital, resolviendo equivalencias entre estándares.
- Trazabilidad completa con atributos clínicos: cada resultado conserva la frase original, su posición en el texto, la temporalidad, la negación y otros atributos, vinculando cada código con su evidencia textual.
- Despliegue local y salida reutilizable vía API: la plataforma se ejecuta en la infraestructura del hospital, procesa los datos dentro de su perímetro y genera información codificada y estructurada integrable mediante API y entrega asíncrona de resultados.
