Caso de estudioIngeniero de IA Generativa
El pipeline AI-APPs — Proyectos propios (2024–hoy)
Una fábrica gobernada para construir aplicaciones, agentes, investigaciones y tableros: dos casas, un escritor por casa y aprobaciones escritas, para que el valor quede también en la capacidad de construir la siguiente pieza.
- Claude Code
- Next.js
- Zod
- Supabase
- gitleaks
En cifras
2
casas, con un solo escritor cada una
2
aprobaciones escritas antes de construir cada aplicación
4
jobs de integración continua en cada cambio
Contexto
El portafolio no se construye como una sucesión de proyectos independientes: aplicaciones, agentes, investigaciones y tableros nacen de un mismo pipeline, gobernado por reglas comunes para priorizar, definir, construir, validar, documentar y publicar cada pieza.
El reto
Aprovechar la inteligencia artificial sin diluir la responsabilidad sobre el resultado: que nadie vuelva a ser el puente entre el plan y el código, y que la calidad no dependa de recordar cómo se construyó la pieza anterior.
Cómo lo hice
Dos casas, un escritor por casa
Una casa planeadora, privada, guarda el brief, la visión de producto, los sprints con su plan y su retrospectiva, el método y los estándares; el repositorio de cada app guarda el código, las pruebas y el resumen de cada sprint. La planeadora lee los repositorios en solo lectura y nunca escribe en ellos; la sincronización es lectura de git, no copiar y pegar.
Dos aprobaciones antes del código
Ninguna aplicación avanza sin dos aprobaciones escritas: la prioridad vigente, que demuestra por qué esa pieza merece capacidad frente a otras, y la visión del producto, con su propósito, sus usuarios, todas sus funcionalidades y sus límites. Sin ellas, el pipeline se rehúsa a planear o a abrir un sprint: concebir es barato; construir se gana.
Un agente de fábrica con responsables humanos
Un agente de fábrica conserva el estado de las iniciativas, verifica los insumos, aplica reglas de avance e identifica vacíos documentales. No puede aprobar una prioridad, modificar un propósito, aceptar un riesgo ni declarar terminada una pieza, y no edita el método ni el kit sin mi aprobación explícita.
Código primero, IA cuando está justificada
La inteligencia artificial generativa no entra por defecto: antes debo demostrar qué exige interpretación, generación o recuperación contextual, y por qué una solución determinista no basta; activarla exige una decisión de arquitectura escrita. Donde sí hay un modelo, es una función opcional, con fallback determinista.
Cada control se demuestra fallando
Casi todas las reglas nacieron de un rojo. Un barrido de secretos que daba «todo bien» dejó pasar dos veces una carnada floja; desde entonces, un gate que nunca se vio fallar no cuenta. Cada cambio pasa por cuatro jobs de integración continua, y cada ciclo cierra con un resumen que la planeadora lee antes de planear el siguiente.
Impacto
- Aplicaciones, agentes, investigaciones y tableros construidos con el mismo método, a un costo real de US$0 al mes.
- Nadie vuelve a ser el puente: el flujo anterior costaba entre 4 y 8 horas de coordinación por sprint.
- Lo que un sprint aprende en una app viaja estampado a la siguiente, en un kit con versión.
- Las decisiones de propósito, prioridad, riesgo y aceptación siguen explícitamente en manos humanas.
El objetivo es que el valor no permanezca únicamente en el producto terminado, sino también en la capacidad para construir el siguiente con mayor claridad, consistencia y velocidad.