La IA necesita un trabajo, no un prompt.
Por qué el alcance, un responsable y un criterio de cierre importan más que el prompt.
Ensayo
Publicaciones
Método, tecnología y opinión sobre IA aplicada. Lo que aprendemos construyendo sistemas.
Opinión
Rigor sin burocracia.
Los cinco controles que hacen fiable una IA sin comités, migraciones de plataforma ni hojas de ruta de dieciocho meses.
Ensayo
La voz es una interfaz, no una estrategia.
Lo que la IA de voz debe hacer cuando termina la llamada: reservar, actualizar, hacer seguimiento, devolver el caso a una persona y demostrar el resultado.
Ensayo
La primera IA debe ganarse la segunda.
Cómo un primer proyecto se convierte en pruebas, un modelo operativo y una decisión clara, no en otro piloto.
Ensayo
Método
Cómo elegir el primer proyecto de IA.
El primer proyecto no se elige por la tecnología. Se elige por el trabajo que frena, los datos que existen y la persona que responde.
Nota de campo
Cómo acotar un proyecto de IA.
Un alcance claro cabe en una página: trabajo, resultado, responsable, herramientas y límite. Si no cabe, todavía no está listo.
Guía
Los primeros 90 días de un sistema de IA.
Del primer caso real a la revisión semanal: qué mirar, qué corregir y cuándo decidir si el sistema se queda.
Nota de campo
Qué necesita tu equipo para operar IA.
No hace falta un departamento de IA. Hace falta una persona responsable, accesos, tiempo de revisión y una vía clara de escalado.
Guía
Traspaso: cuándo devolver el caso a una persona.
Una derivación útil lleva motivo, resumen, siguiente paso y contexto. No es un error: es parte del producto.
Nota de campo
Tecnología
Evals: cómo saber si tu IA funciona.
Una eval es un caso real con un criterio de éxito. Sin evals, cada cambio en el sistema es una apuesta.
Tecnología
IA de voz: STT, TTS y realtime.
Transcribir, pensar y leer en voz alta no es lo mismo que conversar. La arquitectura cambia la latencia, el tono y el coste.
Tecnología
Modelos cerrados y open source: cuándo usar cada uno.
No es una guerra cultural. Es una decisión de coste, control, latencia y riesgo. Casi nunca es la misma para todo el producto.
Tecnología
Agentes y herramientas: qué puede hacer la IA sola.
Un agente no es un chatbot con más texto. Decide qué herramienta usar, con qué datos y cuándo parar.
Tecnología
RAG: cómo dar tu información a la IA.
RAG no es meter documentos en un prompt. Es recuperar el fragmento correcto, con el permiso correcto, en el momento correcto.
Tecnología
Fine-tuning o instrucciones: cuándo ajustar el modelo.
El fine-tuning no tapa un problema de alcance. Sirve para cambiar comportamiento, formato o consistencia.
Tecnología
Contexto y memoria: lo que la IA recuerda.
Una ventana de contexto grande no es memoria. La memoria es decidir qué se guarda, qué se recupera y qué se olvida.
Tecnología
Guardrails: límites que se cumplen.
Un guardrail no es una frase en el prompt. Es una comprobación fuera del modelo que impide acciones prohibidas.
Tecnología
Latencia y coste: la parte invisible del sistema.
Un sistema puede ser correcto y no servir. Si tarda demasiado o cuesta más de lo que ahorra, no hay producto.
Tecnología
Observabilidad: saber qué hace tu IA en producción.
Sin trazas no sabes por qué respondió, qué herramienta llamó ni dónde se perdió el caso.
Tecnología
Multimodal: cuando la IA deja de leer solo texto.
Imágenes, documentos, audio y vídeo abren casos que el texto no cubre. También añaden coste, latencia y formas nuevas de fallar.
Tecnología
Datos y privacidad en IA aplicada.
Antes de elegir el modelo, decide qué datos salen, quién puede verlos y cuánto tiempo se guardan.
Tecnología
Nuevo