Diseño la capa donde vive tu información y las herramientas para interrogarla: base analítica, tableros ejecutivos y asistentes conversacionales. Se despliegan en tus propios servidores cuando los datos no pueden salir, o en la nube cuando lo que pesa es velocidad y alcance en campo. La arquitectura se elige según tu caso, no según lo que me convenga vender.
Seis líneas de trabajo que se pueden contratar por separado o como una plataforma completa. Todas comparten el mismo principio: el cliente es dueño de sus datos, de su plataforma y de su conocimiento.
Arquitectura completa de punta a punta: ingesta automática de reportes, base analítica consolidada, tableros y asistente de IA integrado. Puede correr enteramente en tu servidor cuando los datos son sensibles, o en la nube cuando necesitas arrancar rápido y escalar sin comprar hardware.
Diseño e implementación de la capa donde vive tu información: modelado dimensional, arquitecturas medallion y pipelines productivos sobre Snowflake o Databricks. Es el paso que casi siempre falta: sin una base analítica bien construida, cualquier tablero o agente de IA arriba se vuelve frágil.
Agentes conversacionales que consultan de forma segura SAP, JD Edwards, NetSuite u Odoo mediante Model Context Protocol, y devuelven respuestas y libros de trabajo listos para auditoría.
Captura de documentos por WhatsApp o correo, extracción automática de datos con visión por computadora, expediente digital con estados de flujo y bandeja única de revisión.
Modelos semánticos, KPIs y tableros ejecutivos en Power BI, Tableau o Streamlit, conectados en vivo a tus sistemas. Reportería que sustituye el ciclo mensual por acceso inmediato.
La vertical donde casi nadie compite: analítica y agentes de IA aplicados a proyectos de construcción e infraestructura. Extracción de datos desde modelos BIM (IFC/BCF), tableros de avance y costo por partida, y análisis geoespacial de proyectos.
Hay proveedores que solo saben vender nube y otros que solo saben instalar servidores. Yo trabajo con ambos modelos, y parte del valor de la primera conversación es determinar cuál te conviene de verdad. Estas son las razones reales de cada lado.
La plataforma y los modelos de lenguaje corren dentro de tu red. Es el camino correcto cuando manejas información comercial sensible, cuando una política interna o un cliente corporativo prohíbe procesar datos en servicios externos, o cuando el volumen de consultas haría que el costo por token de una API se vuelva impredecible.
Lo que hay que asumir: requiere inversión inicial en equipo, y las actualizaciones de modelos se planifican en lugar de llegar solas.
La solución se despliega en AWS, GCP o Azure. Es el camino correcto cuando necesitas arrancar en semanas sin comprar hardware, cuando el personal está distribuido en campo y entra desde cualquier lugar, cuando el uso sube y baja con la temporada, o cuando el proyecto depende de servicios que solo existen en la nube, como la API oficial de WhatsApp.
Lo que hay que asumir: costo operativo mensual variable, y hay que definir por escrito qué datos salen y bajo qué condiciones.
También existe el modelo híbrido: los datos sensibles se procesan en sitio y las cargas que no lo son aprovechan la elasticidad de la nube. Es más común de lo que parece y suele ser la respuesta cuando ninguna de las dos opciones puras encaja del todo.
Diseño y despliegue de una plataforma analítica sobre un servidor NVIDIA DGX Spark propiedad del cliente. El pipeline ingiere automáticamente los reportes de NetSuite que llegan por correo y los consolida en una base analítica; un tablero multipágina con asistente de IA integrado permite consultar el negocio en lenguaje natural. Los modelos corren localmente: ningún dato sale de la empresa.
Por qué en sitio era la respuesta correcta aquí: el catálogo, los precios y los márgenes son el activo competitivo del distribuidor, y la empresa ya tenía el hardware. Con consultas constantes de varios usuarios, el modelo local también resultó más predecible en costo que pagar por token.
Agente de IA construido sobre Model Context Protocol para conectar sistemas SAP con modelos de lenguaje de forma segura. Una capa semántica cachea las estructuras financieras complejas —centros de costo, sociedades, cuentas contables— y el agente genera automáticamente libros de trabajo en Excel a partir de sus hallazgos.
Sistema de expedientes digitales con registro guiado por un bot de IA sobre la API oficial de Meta: el personal de campo envía fotografías y documentos por WhatsApp, un motor de visión extrae los datos automáticamente, y todo llega a una bandeja única de revisión con estados de flujo y tablero de indicadores. Diseñado como complemento desacoplado del ERP, con ruta de integración prevista.
Por qué la nube era la respuesta correcta aquí: el personal captura desde el campo con conectividad variable, la API oficial de WhatsApp opera contra servicios en la nube, y la carga de trabajo es estacional. Montar esto en un servidor propio habría encarecido el proyecto sin mejorar nada para el usuario.
Casos presentados sin identificar a los clientes. Detalles técnicos y alcances corresponden a los proyectos entregados.
Ningún proyecto arranca con una plataforma completa. Arranca con un problema concreto y un piloto que lo resuelve.
Sesión de trabajo sobre tus sistemas, tus reportes actuales y el problema que más te cuesta. Salimos con un alcance escrito y un precio cerrado.
Un caso de uso, de punta a punta, funcionando sobre tus datos reales. El piloto se diseña para que puedas evaluarlo con resultados, no con promesas.
La solución se instala donde el diagnóstico indique: tu servidor, tu centro de datos, tu nube o un esquema híbrido. La decisión queda documentada con sus razones y sus costos, para que puedas defenderla internamente.
Documentación, capacitación y entrega de llaves. La plataforma queda operando y tu equipo queda sabiendo cómo funciona.
La mayoría de las empresas con las que trabajo no tenían un problema de datos: tenían un problema de espera. Los números existían, pero llegaban tarde, en un Excel que alguien armaba a mano cada mes.
Un tablero conectado en vivo a tus sistemas cambia la conversación de la gerencia: en lugar de discutir si la cifra está bien, se discute qué hacer con ella. Y con el asistente de IA integrado, cualquiera del equipo puede preguntar en lenguaje natural sin saber SQL.
Snowflake · Databricks · Python · SQL · dbt · Spark · Alteryx · Dataiku · BigQuery · arquitecturas medallion · ETL/ELT · IFC/BCF · SIG
LLMs · Ollama · RAG · bases vectoriales · embeddings · Model Context Protocol · visión por computadora · ML para pronóstico
Power BI (DAX) · Tableau · Streamlit · SAP · Oracle JDE · Oracle Fusion · NetSuite · Odoo · Salesforce · AWS · GCP · Azure
Práctica independiente de consultoría en datos e inteligencia artificial dirigida por el Ing. Abdiel E. Chiu, ingeniero de datos e IA con más de ocho años en entornos corporativos de alta exigencia: lideró la inteligencia financiera de una aerolínea internacional, desarrolló analítica para una de las operaciones mineras más grandes de la región, y ha implementado plataformas B2B para más de 80 clientes en Latinoamérica.
Esa experiencia corporativa es la diferencia frente al freelancer promedio: conocer por dentro cómo se gobiernan los datos de una empresa grande, y qué se rompe cuando no se gobiernan, antes de proponer una solución.
A eso se suma una combinación poco común en el mercado: formación como ingeniero geomático y civil con práctica activa en BIM y SIG. Para una constructora o promotora, eso significa un consultor de datos que entiende de qué está hecho su negocio.
Copa Airlines — Inteligencia Financiera
First Quantum Minerals — Datos
Cochez y Cía — Arquitectura de soluciones
+80 clientes B2B en Latinoamérica
M.S. Ciencia de Datos — Univ. of Colorado Boulder (2026)
B.S. Ciencias de la Computación — OSSU
Ing. Geomática e Ing. Civil — UTP
Snowflake Data Engineering Specialization
AWS Cloud Solutions Architect
Meta Database Engineer · Power BI
Español · Inglés · Portugués básico
Ver trayectoria completa en LinkedIn →Esa pregunta —la que hoy toma días de Excel o simplemente no se puede responder— es el mejor punto de partida para una conversación. La primera sesión es para entender tu caso, no para venderte una plataforma.