Proyectos

Construido, no fingido.

La mayor parte del trabajo se mantiene en confidencialidad. Lo que se puede mostrar está aquí, planteado desde la pregunta que importa a un negocio: qué cambia y dónde el criterio sigue siendo humano.

8 mostrados· 1 traza en directo· 5 casos de estudio· 1 artefacto público· 1 capacidad privada
Público · Traza Prueba de trabajo · en directo 19.890 M tokens 239 días en funcionamiento desde el 27 de enero de 2026 · actualizado el 24 de septiembre de 2026 · pico de 1.020 M en un solo día · en modo adversarial entre Claude, Codex, Hermes, Grok build CLI y OpenCode, con OpenClaw como predecesor retirado · leído en local, no se sube nada. La cifra es una traza, no un trofeo: la página muestra dónde el gasto crea valor, desperdicio o riesgo. Claude Code poda los registros antiguos, así que su total se mantiene en la cifra más alta que ccusage llegó a medir, su récord del 24 de junio más todo lo consumido desde entonces. La cifra de Grok es un mínimo calculado a partir del registro que se conserva. OpenClaw funcionó del 3 de febrero al 30 de mayo de 2026, y sus 44,3 M se han estimado a partir de registros recuperados más su historial diario de funcionamiento confirmado. Abrir el panel en directo →
Talleres y programas de formación
Método público · Esquema de evidencias
Público · Caso de estudio
Adopción de IA // Evidencia del flujo de trabajo // Responsabilidad humana

AI Adoption Decision Evidence Lab

Nombra un flujo de trabajo, pon a prueba la causa real y reúne evidencia suficiente para que una persona responsable decida si escalar, cambiar o parar.

PruebaUn esquema que se puede inspeccionar, ejemplos simulados, datos de prueba no válidos y límites explícitos de lo que se afirma convierten el método en algo que se puede cuestionar y poner a prueba.
StackUn flujo de trabajo con nombre · seis causas raíz · Construir con seguridad · Defender con seguridad · Decidir con seguridad
Por qué importaSustituye el teatro de la actividad por evidencia de si un flujo de trabajo real ha cambiado.
Leer el caso de estudio → Ver en GitHub →
Evidencia para decidir
Voz e IA conversacional
Guía de producción · 39 módulos
Público · Caso de estudio
IA de voz // Cumplimiento normativo de la UE // Guía de producción

Voice Agent Deployment Kit

Una guía de producción para lanzar agentes de voz que sobrevivan al contacto con la regulación europea. Cubre los SLA, el RGPD y el AI Act, guiones por sector y los mapas de adopción que la mayoría de los equipos descubre demasiado tarde.

PruebaRecoge lo que hace falta de verdad para lanzar un agente de voz bajo la regulación europea, repartido en 39 módulos, de modo que el trabajo de cumplimiento y de adopción se planifique antes del lanzamiento en lugar de descubrirse después.
StackSLA · RGPD · Reglamento Europeo de IA · guiones por sector · mapas de adopción
Por qué importaLanza un agente de voz en la UE sin sorpresas de cumplimiento normativo después del lanzamiento.
Leer el caso de estudio → Ver en GitHub →
Agentes de voz
Investigación abierta
Preprint en coautoría · Zenodo
Público · Caso de estudio
Investigación en coautoría // Memoria de IA // Procedencia

MaluDB: memoria de IA a largo plazo

Las organizaciones guardan registros, documentos, tickets y mensajes, pero pierden la evidencia, el momento, los permisos y el razonamiento que hacen que ese conocimiento sea seguro de reutilizar. MaluDB propone una base de datos nativa de memoria para esa capa que falta.

PruebaUn preprint abierto en coautoría en Zenodo que especifica la arquitectura de un DBMS nativo de memoria para la memoria institucional compartida entre personas, aplicaciones y agentes de IA.
StackObjetos de memoria · procedencia · validez temporal · permisos · pista de auditoría
Por qué importaLa diferencia entre una IA que acumula lo que saben tus equipos y una IA que repite errores caros.
Leer el caso de estudio → Leer el preprint →
MaluDB
Herramientas y sistemas
Skill abierta · Sistema de prompts
Público · Caso de estudio
Skill abierta // Preparación de entrevistas // Preparación de llamadas de descubrimiento

Call Readiness Coach

La primera skill abierta de Systems Detective. Un prompt para copiar y pegar que pone a prueba bajo presión tu preparación para las conversaciones que deciden cosas: entrevistas de trabajo, llamadas de descubrimiento e incorporación de clientes. Un único motor basado en la evidencia, tres modos.

PruebaUn ejercicio de preparación que parte de la evidencia, hace una pregunta cada vez, señala el punto débil y rechaza la cómoda historia del héroe, con el prompt completo público e instalable como skill.
StackPrompt para copiar y pegar · skill de Claude · skill de Codex · tres modos
Por qué importaEntra en una conversación en la que hay mucho en juego con una respuesta que resiste la segunda pregunta, no con una historia que se desmorona.
Leer el caso de estudio → Ver en GitHub →
Call Readiness
Privacidad en salud · Código abierto
Público · Caso de estudio
Salud // Privacidad // Gobernanza de datos

Healthcare Data Privacy Lab

Un prototipo de anonimización sin conexión y una línea de contribución de código abierto para flujos de datos sanitarios más seguros. Primero construí un anonimizador local de notas de salud porque los datos sensibles de salud no deberían pasar por defecto a herramientas de IA, productos SaaS ni flujos de trabajo compartidos. Más tarde encontré OpenMed y empecé a contribuir al ecosistema más amplio.

PruebaConstruí un prototipo público de anonimización sin conexión basado en la minimización local de datos y después me uní al trabajo más amplio de OpenMed sobre privacidad y fiabilidad en salud.
StackHIPAA Safe Harbor · RGPD · Reglamento Europeo de IA · sistemas que priorizan lo local · desidentificación · OpenMed · Python · texto clínico · gobernanza de datos
Por qué importaLos sistemas sanitarios no deberían empezar subiendo texto de pacientes sin procesar. Deberían empezar quitando lo que el sistema externo no necesita.
Leer el caso de estudio → Ver OpenMed →
Privacy Lab
Disponible bajo petición
Privado · Capacidad
Due diligence // Verificación // Riesgo

Due diligence con OSINT

Herramientas para verificar con quién estás tratando de verdad antes de un acuerdo, una contratación o una alianza. Primero la evidencia, las suposiciones al final.

PruebaUna capacidad que funciona y se ejecuta antes de un acuerdo, una contratación o una alianza: establece quién está realmente al otro lado a partir de evidencia abierta y se entrega en privado, no como una descarga pública.
StackOSINT · verificación de identidad · rastro de evidencias
Por qué importaSaber quién está al otro lado de un acuerdo, una contratación o una alianza antes de comprometerte.
Empezar una conversación →
OSINT
Herramienta de disciplina
Público · Artefacto
Disciplina // Foco // Ejecución

Anti Rabbit Hole

Una herramienta de disciplina que detecta las espirales de investigación y las redirige hacia la ejecución, porque la procrastinación más cara es la que parece trabajo.

PruebaUna comprobación que funciona y detecta una espiral de investigación para redirigirla a la ejecución, de modo que se interrumpa la procrastinación más cara, la que parece trabajo.
StackPrompt de disciplina · detección de espirales · redirección a la ejecución
Por qué importaConvierte el tiempo de investigación en decisiones llevadas a la práctica en lugar de trabajo de relleno.
Ver en GitHub →
Anti Rabbit Hole

La mayoría de los encargos con clientes se mantienen en privado por defecto. Si una capacidad concreta es relevante para tu situación, se muestra y se habla de ella directamente. Empezar una conversación →