Con quién vas a trabajar
Datasmarts es una sola persona: Jesús Martínez, ingeniero de software e IA con más de 14 años de experiencia y más de 10 años publicando sistemas de aprendizaje automático en producción. Hablas con la persona que hace el trabajo, que es lo principal que una consultora pequeña tiene para ofrecer.
No llegué a la IA desde el lado del mercadeo. Pasé la primera parte de mi carrera en sistemas de backend, el trabajo poco glamoroso de mover monolitos hacia servicios, construir ingestas que no pierden registros, y volver las consultas lo bastante rápidas como para que la gente deje de evitar el reporte. Ese trasfondo es la razón por la que pregunto cómo se ven tus datos antes de hablar de modelos.
El trabajo de aprendizaje automático vino después, y durante casi una década fueron sistemas en producción y no cuadernos: procesos de clasificación y extracción, pronóstico, visión por computador, las partes que tienen que seguir corriendo después de la demo. Los modelos de lenguaje cambiaron lo que esos sistemas pueden hacer, no la disciplina a su alrededor. Un umbral de precisión acordado de antemano, una forma de rastrear una respuesta hasta su fuente, y una persona en el circuito donde equivocarse sale caro son ideas más viejas que la ola actual.
Datasmarts existe porque el problema interesante se movió. La mayoría de los negocios no necesita que le construyan un modelo. Necesita a alguien que averigüe cuál de sus procesos les está costando en silencio una semana al mes, y que después construya lo que lo elimina. Ese es un problema de consultoría con una respuesta de ingeniería, y es el trabajo que quiero estar haciendo.
Cómo llegué hasta aquí
- Los primeros años
Backend y sistemas distribuidos
Migraciones de monolito a microservicios, arquitectura orientada a eventos, y los primeros procesos de integración y despliegue continuos en más de una empresa. Python se volvió el lenguaje principal aquí y lo ha sido por más de 12 años.
- Más de 10 años
Aprendizaje automático en producción
Sistemas de clasificación, extracción, pronóstico y visión por computador construidos para correr en producción y no para demostrar. De aquí viene la costumbre de acordar un umbral de precisión antes de construir, porque esa es la única versión del trabajo que sobrevive al contacto con datos reales.
- Años recientes
Sistemas LLM y automatización de flujos
Arquitecturas de recuperación, procesos de extracción de documentos, sistemas multiagente, y orquestación autoalojada con n8n y Python. Los proyectos detrás de los casos de estudio de este sitio están aquí.
- Ahora
Datasmarts
Asesorar sobre cuál proceso automatizar, y luego construirlo y medirlo. Trabajando en remoto con clientes de Estados Unidos y la Unión Europea, en inglés y en español.
Si esto encaja o no
Vale la pena ser directo, porque un encaje equivocado desperdicia tu presupuesto antes de desperdiciar mi tiempo.
Esto funciona bien si
- Tienes un proceso específico que se repite, consume horas reales, y alguien me lo puede explicar de punta a punta
- Prefieres saber que un proceso no vale la pena automatizarlo antes que pagar para descubrirlo después
- Quieres el resultado medido contra el número del que partió, no descrito como una mejora
- Necesitas que el trabajo siga corriendo después de la entrega, en tu infraestructura y tus cuentas
- Quieres que te disuadan de la opción cara cuando la barata es la correcta
Esto no encaja si
- Buscas ampliar tu plantilla. Datasmarts no es un par de manos para tomar tiquetes ni para extender un equipo interno según el plan de otra persona.
- Tienes presupuesto asignado para "hacer algo con IA" y ningún proceso concreto en mente. Lo más probable es que el diagnóstico te diga que lo gastes en otra cosa, y a esa conclusión puedes llegar sin pagar por ella.
Cuéntame cuál proceso te está costando más
Esa es toda la primera conversación. Si resulta que no vale la pena automatizarlo, te lo voy a decir.