Formatos distintos — una plataforma de datos, un sistema de ML, una plataforma de agentes, una modernización de reportes, un pipeline alineado con SOX y una app móvil multiplataforma — pero cada una corriendo hoy contra carga real.
Plataforma de datos
Corporate Historian — Plataforma de datos OT
Ingeniero principal del almacén central de datos operacionales. TimescaleDB con 15 esquemas, 77 tablas, 114 funciones en PL/pgSQL y más de 1,6 M de registros de producción diarios. Esquema en estrella, hypertables y agregados continuos. ETL desde CygNet SCADA, Snowflake y MNR; salida hacia Grafana y reportes regulatorios. Lleva pgai embebido para detección automática de incidencias sobre texto libre de operadores y búsqueda semántica en observaciones históricas.
1,6 M+ registros/día · 114 funciones PL/pgSQL · 15/77 esquemas/tablas
Sistemas IA
Plataforma Autónoma de Agencia IA
Sistema de 10 agentes que cubre el ciclo completo del cliente — captación, ventas, alcance, construcción, QA, despliegue, soporte, facturación, comunicaciones y voz — sobre 8 tipos de proyecto. MiniMax M2.7 como cerebro principal; Gemini 3 Flash Preview para QA visual. Voz con Pipecat + Telnyx + Deepgram Nova; los agentes se ejecutan dentro de sandboxes de Cua. Portal de cliente en SvelteKit sobre Vercel.
10 agentes especializados · 8 tipos de proyecto · meta: ~15× reducción de costo
IA a escala
Modernización de Reportes — SCRD / ESR / MPR v2
Reemplazo "JSON-first" de tres scorecards heredados (~2.300 entidades por cierre mensual). Empaquetadores en Python sobre Teradata, rama paralela en Step Functions, caché en DynamoDB y un único visor en vanilla JS. AWS Bedrock (Claude Haiku 4.5) para narrativas automáticas y explicaciones por KPI vía /api/v1/kpi-explain. En el camino cerré siete defectos latentes, incluyendo una inyección por eval() en el motor de plantillas.
~2.300 entidades/cierre · 7 defectos cerrados · 13 documentos técnicos
Plataforma ML
Historian ML — Detección Industrial de Anomalías
Plataforma de ML sobre más de 186 M de observaciones de telemetría. 8 categorías de fallos en sensores industriales. Isolation Forest para detección no supervisada de anomalías, Random Forest para clasificación de patrones y LSTM para pronóstico a nivel de sensor. Empaquetado como stack de AWS CDK con un runbook de transferencia de 580 líneas.
186 M+ observaciones · 8 categorías de fallo · 3 arquitecturas de modelo
DevOps
CI/CD para Migración de BD Híbrida
Pipeline de 5 etapas en Azure DevOps sobre un agente Windows autohospedado. Clasificador de riesgo SQL (BLOCKED / HIGH / MEDIUM / LOW) sobre ~30 patrones regex. Salvaguarda anti-DROP TABLE con verificación de claves foráneas. Ejecución transaccional con rollback automático. Registro de auditoría alineado con SOX.
5 etapas · ~30 patrones de riesgo · alineado con SOX
Móvil
Field App — Inspecciones de Tanques Offline-First
Ionic 8 + Angular 20 + Capacitor. Un solo código base → iOS, Android y PWA instalable. Offline-first sobre Dexie / IndexedDB con cola de escritura y sincronización con resolución de conflictos. AWS AppSync + DynamoDB; Cognito federado contra Azure AD vía MSAL.
3 plataformas, 1 código · offline-first · SSO corporativo
