Cinco sistemas distintos. El mismo método.

El sistema

Un ERP escrito en GeneXus en el año 2000, sobre una base Oracle con cientos de millones de registros, del que dependen siete áreas: ventas, mantenimiento, almacén, seguridad, logística, personas y finanzas.

Diagnóstico

Buena parte del trabajo diario era copiar datos de un sistema a otro. Solo cotizar un flete tomaba entre 15 y 18 minutos, y se hacen entre 20 y 30 cotizaciones al día.

Tratamiento

• Integración de la base Oracle con el nuevo ERP en TypeScript (microservicios, Docker, CI/CD) sin perder la lógica de negocio que el sistema antiguo guardaba.
• Modelos de pronóstico de demanda que cruzan el ERP con fuentes de mercado externas.
• Automatización de la cotización de fletes y, con el mismo enfoque, del seguimiento de precios internacionales de metales, el ingreso de órdenes, la facturación electrónica, las integraciones con RR.HH. y terminales portuarios y el análisis de precios de la competencia.
• Un servidor MCP propio que codifica las reglas del negocio, los estándares de arquitectura y los controles obligatorios, para que el equipo de sistemas trabaje con Claude Code sin perder calidad ni trazabilidad.

Resultado

La cotización de flete pasó de 15–18 minutos a menos de uno.

El sistema

La cadena que sigue cada tronco desde el árbol en pie hasta el despacho. Se llevaba a mano en hojas de cálculo y tenía que cuadrar con los sistemas públicos y privados del regulador.

Diagnóstico

Probé contra unos 30,000 registros las reglas que el equipo daba por ciertas, y varias no se cumplían. La más grave era una clave de especies, ya en producción, que juntaba dos especies que el regulador mantiene separadas. Afectaba al 74% de la madera que entraba.

Tratamiento

• Las reglas que gobiernan la asignación de lotes, el cálculo de volúmenes y el origen de cada pieza, escritas a partir de la operación real y no de lo que se suponía.
• Un motor de ingesta que elimina la digitación en la recepción: un extractor por streaming sobre Cloudflare Workers para el portal público del regulador, que no tiene API, y un cliente autenticado para su libro de operaciones.
• Lectura con IA de las guías escritas a mano: varios modelos con cambio automático si uno falla, dos lecturas en paralelo comparadas campo por campo y revisión humana para lo que no se puede verificar. Las cuentas de validación no dependen del modelo.
• Los módulos de trazabilidad en React y TypeScript sobre Firebase: clasificación de lotes, codificación de planta, registro de madera comprada y volúmenes por contrato.

Resultado

Una cadena de trazabilidad con reglas medidas en vez de supuestas, y la lectura de guías manuscritas sin errores en los campos verificables.

El sistema

La economía vista a través de precios diarios, y su relación con el índice oficial de inflación, los bonos del Tesoro de EE.UU., el dólar y Bitcoin.

Diagnóstico

Nadie había comparado de forma sistemática los datos de la empresa con el CPI oficial de EE.UU. Al hacerlo, los cambios de tendencia aparecían en promedio unos 45 días antes.

Tratamiento

• Pipelines en Python para medir la precisión de los pronósticos de inflación de las instituciones frente a cada dato oficial.
• Modelos de la relación en el tiempo entre inflación y distintos activos, y un algoritmo con histéresis que clasifica regímenes de inflación.
• Una estrategia de asignación de activos guiada por la inflación, validada con backtesting, que adaptamos con los fundadores de QuantAMM a infraestructura on-chain.
• Truflation Argentina, junto al Ministerio de Economía de Argentina: un pipeline que ingiere y clasifica con IA el feed nacional de precios, publicado como datos abiertos.

Resultado

El producto principal dejó de presentarse como otra medida de inflación y pasó a ser un indicador adelantado. La estrategia con QuantAMM ganó el primer lugar del Chainlink Demo Day en SmartCon 2025, en Nueva York.

El sistema

Cuatro ensayos diagnósticos internacionales financiados por los NIH de EE.UU. y Abbott, con sedes en Perú y Uganda. Hoy, además, un estudio de monitoreo de tos con IA junto a McGill, la University of Texas Medical Branch y Heidelberg.

Diagnóstico

Aquí la calidad del dato no se negocia: cada registro tiene que poder rastrearse hasta su origen, y cualquier sesgo del modelo se paga en la salud de alguien.

Tratamiento

• Bases de datos de estudio con validación campo por campo, control de calidad por etapas y verificación contra la fuente.
• La arquitectura de datos y el plan de análisis del estudio de tos: la base longitudinal de audio y datos clínicos con la que se entrenará una red neuronal que reconozca cinco infecciones respiratorias por el sonido de la tos.
• Evaluación por AUC, sensibilidad y especificidad, con revisión del sesgo del algoritmo por sexo y subgrupo, y mapas de densidad en dos distritos de Lima.

Resultado

Ocho publicaciones arbitradas, entre ellas una como primer autor en PLOS Global Public Health.

El sistema

Una planta con más de cien cámaras repartidas en grabadores de distintas épocas, operarios que trabajan cerca de cargas suspendidas y un equipo de seguridad que no puede mirar todas las pantallas a la vez.

Diagnóstico

Antes de entrenar nada revisé cada cámara y cada grabador. Muchas graban a 960×480, y a esa resolución un guante mide unos 5 píxeles y unos lentes, 1 o 2. Ningún modelo puede ver eso, así que el sistema promete solo lo que la imagen permite y dice qué cámaras conviene cambiar. También revisé a mano los datos de entrenamiento de partida: tenían flejes reales sin etiquetar, y los modelos de fábrica encontraban 0 de 127.

Tratamiento

• Revisión del equipo de protección de cada operario combinando pose, silueta y color: casco, orejeras y guantes, con una votación en el tiempo para no alertar por un cuadro suelto.
• Una zona de peligro bajo la carga suspendida que sigue al gancho y compensa el movimiento de la cámara, y mediciones de producción desde el video, como la velocidad de una desbobinadora.
• YOLO11 y RF-DETR comparados con los mismos datos. RF-DETR acertó más y su licencia permite venderlo, así que es el motor del producto.
• La plataforma completa: planta en 3D con personas anónimas, incidentes con alertas por WhatsApp, reportes de cumplimiento por área y el cálculo del equipo para 30 cámaras.

Resultado

Un producto terminado que funciona sobre video real de planta. No usa reconocimiento facial: ve el riesgo, no a la persona, y difumina las caras.