IA que sí
entra en producción.
Acompaño a empresas a implementar IA con foco en resultados — de la especificación al sistema en producción.
Qué hago
Datos y finanzas.
Sistemas que consolidan información de varias empresas y la convierten en procesos operativos: cobranzas, conciliaciones, flujo de caja. El sistema de gestión sigue siendo la fuente de verdad.
3 casosAgentes y sistemas de IA.
Agentes que trabajan sobre el CRM, orquestan proyectos y producen contenido bajo reglas documentadas, con registro de todo lo que hacen.
8 casosWeb y producto.
Sitios y productos construidos con IA en el proceso: especificación primero, deploy auditable después.
4 casosMarca y posicionamiento.
Estrategia y sistemas de marca que también los agentes pueden ejecutar: guías pensadas para personas y para IA.
5 casosMientras tanto, escribo
-
Sparsity: ni quienes la usan terminan de saber por qué funciona
John Schulman, Beren Millidge y Charlie O'Neill hablaron con Dwarkesh Patel el 11 de septiembre de 2026 sobre cuántos parámetros de un modelo se activan en cada pasada.
-
Las cuatro configuraciones que definen si un sandbox aísla algo
Lo que separa un sandbox que contiene de verdad a un agente de uno que solo tiene el nombre, resumido de un video de Sam Witteveen sobre Docker Sandboxes.
-
Los pull requests en GitHub se multiplicaron por cinco en tres años
El dato lo publicó Gergely Orosz en The Pragmatic Engineer el 8 de septiembre de 2026. El code review se diseñó para un mundo donde lo caro era escribir código.
-
Noam Brown y los 10.000 agentes que resolvieron un problema matemático
Brown contó en la entrevista con Dwarkesh Patel del 17 de septiembre de 2026 cómo trabajaron sobre un problema abierto desde el año 2000. La palabra "autónomo" explica poco de lo que pasó.
-
Gemini 3.8 Flash Cyber: Google eligió a quién dárselo
El 2 de septiembre de 2026 presentó dos modelos a la vez y restringió el acceso al que tiene menos restricciones de seguridad.
-
Con acceso root, un modelo mató al proceso que lo vigilaba en el 68% de los casos
Un experimento sobre qué hace un sistema entrenado para maximizar puntaje cuando tiene más permiso del que necesita.
Casos destacados
-
Automatización de conciliación bancaria multiempresa.
Reglas de clasificación explícitas y lectura de extractos por contenido de archivo reemplazan un proceso manual de conciliación bancaria en un grupo B2B con varias empresas, bancos, países y monedas.
De 6 a 28 extractos bancarios leídos correctamente
Leer caso -
Consolidación y avisos de cobranza sobre el ERP.
Una aplicación consolida las cuentas por cobrar de tres empresas de un grupo B2B sobre un mismo ERP y automatiza los avisos de cobranza, con un hallazgo de ~374 facturas fantasma detectado por la reconciliación y con cierre automático bajo control del negocio.
~374 facturas fantasma detectadas en la reconciliación
Leer caso -
Programa de adopción de IA en un grupo de tecnología B2B.
Gobierno con código de uso y framework de agentes, capacitación masiva sobre plataforma propia y una arquitectura técnica común para converger la infraestructura dispersa de decenas de iniciativas de IA, con el estado real de cada frente declarado sin inflar.
250 personas convocadas, 164 cargadas en capacitación
Leer caso
¿Tenés un problema parecido a alguno de estos? Escribime.