Liderazgo en IA aplicada, construido sobre cómo aprende realmente la gente.
Dirijo la documentación técnica y pongo la IA a trabajar en ella: un agente elegido por evaluación, métodos de cambio trazables, gobernanza de calidad y una ruta de carrera que trata la IA como una habilidad. Una parte de este trabajo está en producción y otra sigue como prueba de concepto o propuesta; cada caso dice su estado y lo que aún no ha probado.
Foco
Habilitación con IA · evaluación · sistemas de conocimiento
Sector
ciberseguridad empresarial (prevención de fraude digital)
Equipo
Lidera un equipo de dos redactores
Formación
Maestría en neuroeducación
Ubicación
Colombia · remoto
Trabajo seleccionado
Cinco casos, cada uno con su límite a la vista.
Cada caso separa lo que decidí de lo que Claude ejecutó bajo mis reglas, y dice qué aún no prueba.
Quería un agente que respondiera a partir de nuestros manuales técnicos versionados y citara siempre la fuente. Hice construir y evaluar tres arquitecturas, y elegí con datos, no con opiniones.
4,46 → 4,85
puntaje del juez LLM (1–5), v1 RAG frente a v2 de contexto completo, en 26 preguntas de referencia
12/17 → 15/17
preguntas con respuesta fundamentada, v1 frente a v2
97 %
Recall@10 de v3 en 34 preguntas parafraseadas en español e inglés
04 decisiones propias · Prueba de concepto · no está en producción
Los pedidos de cambio nos llegaban como correos, historias de Jira y comparaciones entre versiones de miles de líneas. Los convertí en una metodología versionada y trazable, y la apliqué a tres releases de producto.
115
cambios trazados en 3 releases (43 + 56 + 16)
54
preguntas para expertos
27 · 14
historias de Jira trazadas y comentarios de revisores incorporados
04 decisiones propias · En producción · 3 releases
Mi equipo empezó a usar IA para redactar, traducir y revisar, y nadie registraba los errores que introducía. Monté puntos de control, una bitácora de errores y dos roles para que esos errores cambien los prompts.
3
puntos de control, uno por etapa: borrador, traducción y revisión antes de exportar
5
pestañas del libro: instrucciones, tres listas de chequeo por etapa y una bitácora de errores
2
roles nuevos: TW Revisor y TW de Prompts
04 decisiones propias · En producción · único registro formal de calidad de IA del área
La evaluación 360° de Recursos Humanos vivía en un libro de cálculo de 10 hojas. Dirigí tres generaciones de arquitectura y un análisis que redujo un cuestionario de 62 a 26 preguntas y corrigió cómo se califica a las personas.
62 → 26
preguntas para un rol al recuperar la matriz de rol a nivel (−58 %)
149 → 57
nodos de flujo al pasar de la primera a la segunda arquitectura
41 · 7
hallazgos corregidos en dos rondas de verificación adversarial, 7 de ellos bloqueantes
04 decisiones propias · En producción · Gen 3, autocontenido
Mi equipo de documentación no tenía una ruta de carrera explícita. Diseñé un framework de cuatro niveles, ya aprobado por Recursos Humanos, en el que trabajar bien con IA se evalúa como cualquier otra habilidad.
4
niveles, con 27, 27, 31 y 34 habilidades
18
funciones del rol, con un máximo de 12 activas por nivel
2
competencias de IA, una función y una habilidad técnica
05 decisiones propias · Aprobado · RR. HH. lo está implementando
De menor alcance, en producción o en revisión, cada uno con lo que aún no ha medido.
Estado: En producción
Un sistema de retroalimentación sobre la documentación
Soporte, Delivery y Customer Success reportan errores de documentación en un solo formulario, y un informe mensual cierra el ciclo después de una aprobación.
10 · 36
productos y documentos en el catálogo, en inglés y en español
9
KPI definidos, desde el volumen por tipo hasta el backlog de más de 30 días
< 1 min
para llenar un reporte
Asistido: Claude Code construyó el formulario estático y documentó cada flujo paso a paso, bajo mis reglas.
Estado: En revisión con Delivery y Soporte
Un manual por situación, no tres por formato
Dirigí la reducción de un manual legado de consola en cerca de un 65 % sin perder contenido de procedimiento. Para la nueva consola web, cambié tres manuales por formato por uno organizado según la situación del lector.
~65 %
menos extensión en el manual legado, frente a una meta del 30–50 %
3 → 1
manuales, de uno por formato a uno por situación
118 · 0
enlaces internos en el manual web, ninguno roto
Asistido: Claude hizo la reducción del texto, el cruce con las fuentes y el archivo de Word, el índice y los enlaces bajo esas reglas.
Cómo trabajo
Cinco reglas que me exijo.
Cada una sale de decisiones que tomé en trabajo real entre julio y octubre de 2026.
Cómo se reparte el trabajo
Yo decido y dirijo; Claude ejecuta bajo mis reglas.
01
Preguntar antes de ejecutar
Pregunto antes de actuar, y lo convertí en una regla propia. En una auditoría documental escalé 7 decisiones al PM en lugar de resolverlas por suposición. En mi metodología de planes de cambio, una contradicción entre fuentes se registra y se escala; no la resuelvo por criterio propio.
02
Medir la abstención, no solo el acierto
Un sistema que responde con seguridad cuando no debería es la falla más riesgosa. El conjunto de referencia de mi agente de documentación incluyó preguntas sin respuesta en la documentación, sobre otro producto y sobre otra versión. Las dos versiones manejaron bien las preguntas trampa: 9 de 9.
03
Pensar en el costo de revertir
Mido una decisión por lo que costaría deshacerla después. En el portal 360°, adoptar pronto el modelo corregido cuesta casi nada; cambiarlo con toda la organización ya evaluada obliga a decirle a todo el mundo que el modelo cambió.
04
Proteger los datos por diseño, no por omisión
Descarté Pandoc para convertir 194 manuales, porque nuestra política de privacidad no lo permite. El convertidor que Claude Code construyó por encargo mío usa solo la librería estándar de Python. La regla era simple: el contenido no sale del equipo.
05
Detener la automatización cuando se pierde el control
En el agente de documentación elegí un flujo fijo en lugar de un agente con herramientas, porque no se le podía obligar a usar su herramienta. La automatización solo vale la pena mientras pueda verificar lo que hace.
Laboratorio
Pruebas de concepto, propuestas y prototipos.
Dos grupos: lo que he dirigido o propuesto en el trabajo, y luego los prototipos que diseño por mi cuenta.
01 · En el trabajo
En el trabajo: pruebas de concepto y propuestas.
Trabajo dentro de la empresa que no está en producción. Cada uno dice si es una prueba de concepto o una propuesta.
Prueba de conceptoPropuesta de proceso sin implementar
Un sistema de solicitudes con niveles de servicio
Un tablero Kanban para las solicitudes de documentación, con SLI, SLO en tres escenarios y SLA por cliente interno.
Qué incluye
Una vista de solicitudes para los PM y un Kanban de cinco estados para los writers
4 SLI y SLO P90 en tres escenarios: conservador, estándar y ambicioso
SLA por cliente interno, desde los PM hasta las prioridades de soporte
Asistido: Claude Code construyó el tablero bajo mis reglas.
PropuestaPropuesta entregada · reducción del ~42 %, estimada
Reconstruir un manual de operación, con un estilo de la casa
El manual de operación del Producto C tenía casi el doble de palabras que uno comparable y parecía de otra empresa. Propuse separarlo por audiencia y adoptar un solo estilo de la casa para todos los productos.
Qué incluye
Una comparación de estilo entre los manuales de dos productos: encabezados, etiquetas de procedimiento, forma de dirigirse al lector y densidad de notas
El volumen medido por capítulo, con cuatro patrones de redundancia diagnosticados
Un plan de dos documentos, Configuración y Operación, con un preámbulo común de fuente única
Asistido: Claude midió el volumen, diagnosticó la redundancia y redactó las tablas de contenido.
PropuestaEntregada · decisiones en revisión del PM
Una auditoría de la documentación publicada
Nadie sabía qué versión de cada documento era la oficial, ni qué tan atrasados estaban los PDF publicados. Hice mapear tres repositorios y escalé siete decisiones al PM en lugar de suponer.
Qué incluye
Un mapa de la documentación de los complementos del Producto C en 3 repositorios: trabajo en curso, archivos del equipo y PDF publicados
Las fuentes en Word comparadas con los PDF publicados: 5 de 5 desactualizados, el peor por unos 8 meses
Una tabla para el PM con 7 decisiones escaladas, cada una con su contexto y su pregunta
Asistido: Claude hizo el inventario de los repositorios, comparó las versiones y redactó los correos.
PropuestaEntregada a RR. HH.
Definir el rol de documentación y cómo se evalúa
RR. HH. me pidió describir el rol de liderazgo de documentación y cómo debería evaluarse. Respondí con responsabilidades ordenadas y un diseño de evaluación con cuatro condiciones de equidad.
Qué incluye
Una descripción del rol con 6 responsabilidades finales
Responsabilidades ordenadas por importancia estratégica, no por tiempo dedicado
Indicadores de éxito y de dificultad, en espejo
Un diseño de evaluación con 4 condiciones de equidad
Asistido: Claude redactó el texto en inglés y luego en español, con mis correcciones.
02 · Laboratorio personal
Prototipos, no productos.
Seis prototipos genéricos, sin relación con ningún empleador. Diseñé y orquesté cada uno para probar una idea antes de que llegue a un equipo real.
Prototipo
Micro-learning Content Factory
Entra un tema y sale un guion de video listo para producción. Diseñé el flujo para que la experticia en diseño instruccional viva dentro de él.
Un esquema de guion que impone los nueve eventos de instrucción de Gagné
Un formulario web de entrada en el que cada campo explica por qué importa pedagógicamente
Lo que aprendí
Varios subagentes especializados funcionan mejor que un megaprompt. Y volver pública y en tiempo real una automatización privada (webhooks en lugar de formularios, una base de datos en lugar de una bandeja de entrada) es una disciplina en sí misma.
Prototipo
Feedback Architect
Cada comentario de un participante se lee al llegar y se devuelve como sentimiento, brechas técnicas y nivel de riesgo.
Un formulario con persistencia inmediata
Un "Analista Silencioso" en n8n: una sola llamada a Gemini con un único propósito
Lo que aprendí
Un prompt juez de propósito único que devuelve un solo esquema es más confiable a escala que un resumidor general al que además se le pide clasificar. Diseño para lo que el administrador necesita ver ahora, no para los datos que haya.
Prototipo
CyberCoach, un evaluador adaptativo
Una evaluación de seguridad que mide la preparación con escenarios en vivo y luego actúa sobre el resultado.
Agente A: perfila el rol del participante, genera escenarios situacionales en vivo y califica competencias por tema
Agente B: al cerrar la conversación, redacta un correo de seguimiento personalizado y selecciona recursos para las brechas
Lo que aprendí
Separar "evaluar" de "actuar sobre la evaluación" en dos agentes simplificó ambos prompts. Lo difícil fue secuenciar dos agentes asíncronos alrededor de un mismo ID de sesión.
Prototipo
Post-Learning Intelligence
Un mismo conjunto de datos de formación, cuatro informes para cuatro audiencias, generados en una sola ejecución.
ROI calculado a partir de la variación de los KPI
Cuatro informes en una sola ejecución: ejecutivo, ROI y finanzas, auditoría pedagógica y alerta operativa
Lo que aprendí
Forzar límites confiables entre secciones en una sola respuesta de un LLM exigió más que delimitadores simples, que el modelo terminaba absorbiendo. Un marcador que no es lenguaje natural lo resolvió.
Prototipo
Talent Mobility Orchestrator
Un copiloto conversacional en dos sentidos: cubre un cargo con gente de la organización o encuentra rutas de crecimiento para una persona.
Un agente de IA en n8n que llama herramientas de datos según necesite: perfiles, DISC y vacantes abiertas
Gemini calificando cuatro dimensiones: habilidades transferibles, ajuste conductual, trayectoria de desempeño e inversión en desarrollo
Lo que aprendí
Cuando un agente necesita datos precisos, la precisión se construye en la capa de datos (RPC), no en el prompt.
Prototipo
Orbit Docs, un sistema RAG
Respuestas a partir de documentación extensa, con el documento fuente y el pasaje exacto en pantalla. Lo que no está en los documentos recibe "no cubierto".
Embeddings de Gemini y un índice en Pinecone
Un agente en n8n que usa Pinecone como herramienta
Lo que aprendí
La disciplina de citación importó más que la calidad de la recuperación. Un agente que encuentra el pasaje correcto pero no muestra cuál es no es más confiable que uno que alucina.
Sobre mí
Un líder en IA aplicada, formado en cómo aprende la gente.
Soy Senior Manager, Technical Documentation en ciberseguridad empresarial (prevención de fraude digital). Respondo por la documentación de una línea de productos de prevención de fraude y lidero un equipo de dos redactores técnicos. Mi maestría es en neuroeducación, así que empiezo cada sistema de IA por cómo aprende y decide la gente.
Maestría
Máster en Neuropsicología, Inteligencias Múltiples y Mindfulness
IMF Smart Education · 2021–2024
Maestría en neuroeducación · 60 ECTS · 1.500 h · promedio 9.25
