Llegué desde la operación.
E-commerce real: catálogo, ventas, costos, publicidad, reclamos, proveedores y decisiones que mueven dinero. Empecé automatizando mi propio negocio; terminé construyendo sistemas donde la IA no recibe autoridad por parecer inteligente.
Hoy exploro una idea simple:
razonamiento probabilístico dentro de límites deterministas.
Agentes con contexto, memoria y herramientas; pero también con presupuesto, evidencia, aprobación, idempotencia, verificación y outcomes. El objetivo no es tener más agentes. Es terminar mejor el trabajo.
Corte: 17-AGO-2026, 11:45 CLT. GitHub registró 3.935 contribuciones entre el 19-JUN y el 17-AGO: 3.115 commits, 52 días activos, racha máxima de 21 días y un pico de 427 en un día. Snapshot obtenido directamente de GitHub para una ventana exacta de 60 días; no se exponen repositorios ni actividad privada.
Soy neurodivergente. No lo uso como credencial ni como “superpoder”; es parte de cómo entiendo mi forma de trabajar. Tiendo a moverme entre dominios muy distintos, perseguir conexiones y reconocer estructuras que reaparecen con nombres diferentes.
Comercio, contabilidad chilena, regulación de datos, infraestructura, sistemas agénticos, automatización de contenido: desde afuera parecen mundos separados. Desde adentro suelen terminar haciendo las mismas preguntas:
¿Quién puede decidir? · ¿Qué evidencia lo prueba? · ¿Cuánto cuesta equivocarse? · ¿Cómo verificamos el outcome?
No construyo proyectos para acumular repositorios. Los construyo cuando un problema real me obliga a entender una capa nueva o cuando un patrón aprendido en un dominio puede resolver otro.
| Patrón | Donde apareció primero | Donde reaparece |
|---|---|---|
| autoridad explícita antes de actuar | operación comercial y dinero real | EAUTO-AI · MSL · Xanxittoo |
| evidencia antes que confianza | reclamos, costos, auditoría operacional | Elcontador · Skills Chile · RDD |
| cero trabajo cuando no cambió nada | costo de automatización 24/7 | IO y su heartbeat determinístico |
| separar propuesta, ejecución y outcome | comercio y postventa | agentes, MCP, workflows y receipts |
| contexto local como requisito, no adorno | operar en Chile | Elcontador · Skills Chile · comercio chileno |
| humano en el loop donde el riesgo importa | decisiones económicas | EAUTO-AI · MSL · zanaX |
No están aquí por ser públicos, privados, grandes o pequeños. Están porque cada uno representa una pregunta difícil distinta.
| Sistema | Pregunta que persigue |
|---|---|
| IO | ¿Puede una empresa agéntica estar disponible 24/7 sin quemar tokens cuando no ocurre nada? |
| EAUTO-AI | ¿Cómo dar inteligencia a una operación comercial sin entregar autoridad ciega al modelo? |
| Xanxittoo | ¿Cómo convertir desarrollo con IA en un proceso persistente, especificado, revisable y verificable? |
| Elcontador | ¿Cómo llevar IA contable local-first a Chile sin sacrificar seguridad, trazabilidad ni contexto tributario? |
| MSL | ¿Cómo organizar una fuerza de trabajo agéntica orientada a rentabilidad y evidencia operacional? |
| Skills Chile | ¿Cómo transformar conocimiento normativo y procesos chilenos en capacidades reutilizables y verificables? |
| zanaX | ¿Cómo automatizar investigación y publicación manteniendo crítica, memoria y aprobación humana? |
01 · La IA puede operar sin convertirse en una caja negra.
Una propuesta no es una ejecución. Una ejecución no es un outcome. Un 200 OK no es evidencia suficiente.
02 · El costo también es arquitectura.
Un agente 24/7 no tiene por qué llamar al modelo 24/7. Si no ocurrió nada material, la decisión correcta puede costar cero tokens.
03 · El mundo real es mejor benchmark que una demo.
Mis sistemas nacen de problemas que ya existen: comercio, rentabilidad, contabilidad, regulación chilena, infraestructura y automatización personal.
04 · La transferencia de patrones vale más que una lista de tecnologías.
Una arquitectura se vuelve interesante cuando una idea aprendida resolviendo comercio termina mejorando un agente, una skill legal, un sistema contable o un proceso de desarrollo.
05 · Chile no es un pie de página.
Construyo también para contexto local: normativa, procesos y herramientas que normalmente no llegan bien representados a los sistemas globales.
Cómo construyo: SDD → TDD → RDD
explorar
↓
proponer
↓
especificar ──→ diseñar
\ /
\ /
tareas
↓
RED → GREEN → REFACTOR
↓
verificar
↓
receipt exacto
↓
entregar
La especificación define qué debe ser verdad.
Los tests prueban el comportamiento.
El receipt prueba qué candidato exacto fue revisado.
La IA acelera el trabajo; la evidencia conserva la autoridad.
Mi laboratorio completo
Además de los sistemas destacados, exploro ecommerce propio, control de MercadoLibre, benchmarks de orquestación, MCPs, infraestructura, memoria persistente, IA local y automatizaciones personales. No todo necesita convertirse en “producto”; algunos repos existen para responder una pregunta técnica concreta y alimentar el siguiente sistema.
Lo que une el laboratorio no es un stack. Es una secuencia recurrente:
problema real → patrón → sistema → evidencia → aprendizaje → patrón reutilizable
No presento prototipos como producción. Si algo está incompleto, prefiero que el repositorio lo diga.
Building verifiable systems by connecting patterns across domains.
Operate first · find the pattern · automate second · verify always.
X · LinkedIn · Repositorios