- Expediente
- SCHIERBEEK-AI-01
- Legajo
- Madurez de IA en empresa
- Estado
- En curso
- Última actualización
Antes de firmar el contrato, alguien tenía que probar que el sistema aguantaba.
Ingeniero en Informática, MBA por el Instituto de Empresa, 20+ años de experiencia, empezando en consultoría, pasando por cloud, data & IA y en mi última etapa liderando ventas en el sector de riesgo de crédito. Todo eso me ha enseñado qué hace que un producto (proceso, SaaS, proyecto... lo que quieras poner aquí) triunfe. La primera impresión es importante, por supuesto, pero lo que realmente importa es lo que sigue funcionando meses y años después, sin que nadie tenga que justificarlo. En definitiva: quitarte problemas y ganar tranquilidad.
Llevo varios años (desde COVID) dedicando mis ratos libres a jugar con las nuevas tecnologías, desde no-code hasta la IA agéntica, y entre los varios proyectos que he desarrollado, estoy especialmente orgulloso de The Secret Golf Club: un proyecto que empezó con no-code para mejorar nuestra liga de golf y que cada año ha ido actualizándose, hasta el punto de diseñarla completamente desde cero cuando ha empezado a escalar, y claro, todo con IA de principio a fin. Lo que te cuento aquí no es lo que he leído, es lo que he sufrido, disfrutado y aprendido, con mi dinero y mis usuarios de por medio.
La primera decisión no fue técnica: montar un equipo de desarrollo o diseñar un sistema que escalara con una sola persona. Elegí lo segundo. Todo lo que ves aquí —la fábrica de agentes, el consejo de modelos, docMem— es consecuencia de aquella decisión de coste y estructura, no el punto de partida.
Todos opinan, pero solo los que construyen entienden el potencial y las limitaciones. Es la diferencia entre adoptar IA y quedarse en las POCs, entre el humo y el fuego.
Federico García Schierbeek
Ejecutivo de negocio · Fundador, The Secret Golf Club
No opino sobre IA. Rindo cuentas por ella.
La diferencia entre un piloto que gusta en una demo y un sistema que sigue en pie seis meses después.
Veinte años en IBM y Experian vendiendo tecnología a grandes cuentas me enseñaron algo que en IA casi nadie dice en voz alta: hay un abismo entre un piloto que impresiona en una demo y un sistema que sigue funcionando en producción cuando ya nadie está mirando. Casi todo lo que se cuenta hoy sobre IA en LinkedIn ignora esa distinción por completo. Habla de lo primero como si fuera lo segundo.
Hace dos años me exigí lo mismo con un proyecto propio: The Secret Golf Club. Empezó con veinte amigos anotando resultados a mano. Hoy gestiona cientos de jugadores en varias ligas, con app nativa, CRM y motor de predicción propios. Lo construí con IA de principio a fin — desde antes de que existiera la palabra "agente".
Ese recorrido es la base de lo que enseño y de cómo asesoro a empresas que deciden cuánto invertir en IA, dónde, y con qué gobernanza. No parto de un framework que leí en un informe. Parto de uno que tuve que necesitar para no perder mi propio dinero.
Por qué escuchar esto
- Vendí tecnología compleja a quien firma el cheque, no solo a equipos técnicos que ya estaban convencidos
- Tengo un producto propio en producción, con usuarios reales y consecuencias reales por cada decisión técnica que tomé
- Cuento cada etapa con los errores que cometí entonces — no la reescribo con lo que sé ahora
Lo que tengo montado hoy en The Secret Golf Club
Tres capas: cómo se decide qué construir, qué ve el jugador, y quién lo construye de verdad.
Antes de que se escriba una sola línea de código, cada idea nueva pasa por cinco proveedores de IA distintos retándose entre sí: idea → reto → solución → refinado → planificación → pruebas. Ningún modelo aprueba su propia idea sin que otro intente primero encontrarle el fallo.
Esto no es un truco de prompts. Es el mismo principio de gobernanza que aplicaba en IBM y Experian para auditar a un proveedor antes de firmar un contrato: ninguna decisión la valida quien la propone.
App nativa (iOS/Android) con hándicap oficial WHS, web pública, CRM propio, un asistente conversacional dentro de la app, un motor de predicción de resultados y torneos, analítica de rendimiento y notificaciones en tiempo real.
Lo que no se ve: el cálculo de hándicap sigue siendo una fórmula, no un modelo de IA. Saber dónde no meter inteligencia artificial —porque la fórmula regulada ya es la respuesta correcta— es la mitad del criterio. Meter un modelo aquí habría añadido complejidad, riesgo regulatorio y coste de mantenimiento a cambio de nada.
Un pipeline de agentes especializados con roles fijos — reparto de trabajo, frontend y backend en paralelo sin pisarse, revisión de calidad, pruebas obligatorias — y docMem: un sistema propio que registra qué agente lee qué documento, pesa cada documento por uso real y detecta cuáles sobran o hay que partir.
La decisión de fondo fue de estructura, no de tecnología: montar un equipo de cuatro desarrolladores o diseñar un sistema que escalara con una sola persona. Elegí lo segundo. La fábrica de agentes no es un ejercicio técnico — es una decisión de coste, escalabilidad y control de calidad que cualquier director de área reconocería.
Los cinco pilares de madurez de IA
La misma pregunta con la que auditaría a un proveedor, aplicada a tu propia organización.
Después de 20 años vendiendo tecnología compleja a grandes cuentas, y de construir The Secret Golf Club con IA de principio a fin, lo tengo claro: la IA casi nunca falla por el modelo. Falla porque uno de estos cinco pilares no estaba a la altura del caso de uso. Este es el método que uso para diagnosticar dónde está realmente tu organización — y qué hacer primero.
Estrategia y negocio
¿El caso de uso resuelve un problema que el negocio ya reconoce como prioritario?
Tareas
- Mapear casos de uso por impacto de negocio vs. esfuerzo real
- Fijar el KPI de negocio antes de escribir el primer prompt
- Descartar lo que solo genera actividad visible, no valor
Entregable
Datos y arquitectura
¿Los datos que van a alimentar el sistema son fiables, accesibles y trazables?
Tareas
- Auditar calidad, accesibilidad y propiedad de los datos, estructurados y no
- Definir trazabilidad: qué fuente y qué versión produjo cada respuesta
- Separar lo que ya es "suficientemente bueno" de lo que no
Entregable
Tecnología y ejecución
¿La arquitectura elegida es la que el caso de uso necesita, ni más ni menos?
Tareas
- Elegir el patrón correcto: agente único, herramientas, u orquestación
- Definir puntos de control de calidad antes de que nada llegue a producción
- Diseñar para el coste total real, no para el precio por token
Entregable
Gobernanza y riesgo
¿Hay supervisión humana proporcional a lo que el sistema puede llegar a decidir?
Tareas
- Clasificar cada caso de uso por nivel de riesgo real, no percibido
- Definir quién aprueba, quién revisa, y qué queda fuera de la autonomía del sistema
- Dejar trazabilidad de cada decisión que el sistema tomó sin supervisión directa
Entregable
Personas y cultura
¿Negocio y equipo técnico usan las mismas palabras para las mismas cosas?
Tareas
- Alinear vocabulario entre quien decide y quien construye, antes del primer requisito
- Formar a los equipos que van a operar el sistema, no solo a los que lo construyen
- Instalar el hábito de medir, no solo el de lanzar
Entregable
De ChatGPT 3.5 a Agentic AI
9 semanas, varias piezas por semana, publicadas en LinkedIn — cada una con su error de época y su aplicabilidad a empresa.
El destino antes del camino
La fábrica de desarrollo, mi consejo de sabios, mi app de gestión documental: lo que hay hoy antes de contar cómo se llegó
LLMs básicos + GenAI multimodal
El error del oráculo: tratar el modelo como si entendiera el negocio
Razonamiento y herramientas
El día que un sistema dejó de sugerir y empezó a actuar
Delegar bien el orden
Se empieza por lo aburrido, lo muy aburrido...el Wow viene despues
Primeros sustos de seguridad y coste
10 ataques en una semana, 9 fallidos, 1 parcialmente exitoso y lo que el TCO real esconde
Orquestación
Orquestar es un problema de management, no de prompts
BBDD de conocimiento...contexto que no escala...RAG
RAG y gobierno del conocimiento son problemas distintos
IA en decisiones de negocio
Adopción no es impacto. Auditoría honesta con el framework McKinsey.
Cierre: aplicado a cualquier empresa
La trampa del piloto, y lo que le diría a cualquier empresa que empieza hoy
Con qué contrasto lo que cuento
Cada afirmación se basa en mi experiencia, no en intuición.
¿Sabes en qué etapa estás, o solo sabes que vas a enterrar dinero?
Sigue la serie completa en RRSS. También puedes escribirme si quieres contrastar tu caso — sin powerpoint de por medio.