Agencia sobre
inteligencia.

Pasé a Senior AI Engineer en GM México en febrero de 2025 y me quedé hasta agosto de 2026, construyendo agentes y arquitecturas RAG: LucIA, un copiloto de búsqueda híbrida para los equipos comerciales, y un agente que ve la pantalla y escribe SOPs mientras la gente trabaja. Escribí el marco corporativo de Buy-vs-Build que GM México usa para decidir si una capacidad de IA vale la pena construirse. LucIA obtuvo el segundo lugar en los premios globales al mejor proyecto de GM Finance en 2025, lo que puso el trabajo frente al CFO de GM, Paul Jacobson, y su equipo.

No había equipo ni estrategia de IA cuando empecé, así que parte del trabajo fue asesorar al liderazgo de GM México y Norteamérica sobre cómo adoptarla. Cuando llegó Glean, lo aprendí desde cero y luego lo enseñé. Finanzas estaba en 95% de adopción cuando me fui, y la mayor parte de mi esfuerzo se dedicó a lograr que la gente lo usara para el trabajo que lo necesitaba. Cada vez más, yo era la persona a la que otros equipos acudían cuando querían construir algo con IA.

Certificado Profesional en Machine Learning e Inteligencia Artificial, UC Berkeley Executive Education, terminado en septiembre de 2023. Un programa intensivo, cinco o seis días a la semana, con un proyecto final sobre la importancia y relevancia de los incentivos usando valores SHAP sobre datos reales de GM. El segundo giro, de datos a IA. Terminó dos meses después de que me moví al rol de data science.

Entré a GM el 2 de enero de 2020, dos meses antes de la pandemia, construyendo analítica sobre millones de eventos vehiculares diarios de OnStar. No dejaba de meter a los brand managers en conversaciones de analítica que no eran mi trabajo, y así terminé siendo product owner del lado de marketing de OnStar: mi análisis de cómo la gente usaba el WiFi de sus autos alimentó la estrategia que puso datos y servicios ilimitados en el 80% del portafolio de GM en México.

Desde julio de 2023 fui lead data scientist en Finanzas, en pricing e incentivos, con dos analistas junior. La inteligencia de precios de la competencia no es pública en México, así que la compramos a un proveedor de datos y construimos el primer motor de optimización de incentivos con ML que conozco aquí: modelos de elasticidad log-log conectados al presupuesto y pronóstico mensual del gasto en incentivos.

Maestría en Análisis y Visualización de Datos en el Tec de Monterrey, campus Santa Fe en la Ciudad de México, de noche y los sábados mientras seguía trabajando en AT&T. Veía a la industria moverse hacia los datos y quería estar de ese lado. Fue donde pasé de redes a datos, y después de ella me volví la persona de analítica de datos en AT&T y más tarde en GM.

Entré a WDNA en abril de 2017, como consultor para AT&T México, después de que me llamara un exgerente de Huawei Venezuela. Ahí propuse y construí Network Insider, observabilidad sobre la saturación de la red de microondas de AT&T, que siguió en uso después de que me fui.

El primer proyecto fue una convención de nombres. AT&T había absorbido a Nextel y a Iusacell, y los nombres de equipos de tres compañías habían chocado en un solo desorden. Renombré decenas de miles de equipos, en su mayoría enlaces de microondas, a mano, solo, en ventanas de mantenimiento.

Cuando eso se agotó necesitábamos otro proyecto para conservar el trabajo, así que propuse Network Insider: observabilidad sobre la saturación de toda la red de microondas de AT&T. Construí la prueba de concepto en Tableau y después trabajé con el equipo de diseño en la aplicación web, dándoles la dirección, los datos crudos y cómo conectarlo todo. Lo usaron los equipos de microondas, core y conmutación de paquetes, y siguió extendiéndose. Era consultor y no PM, aunque hice el trabajo de PM junto con la ejecución, la relación con el cliente y el diseño de las ventanas de mantenimiento.

Tres años en Huawei, primero como ingeniero OSS en iManager M2000 y U2000, y después en la red de core, CS y PS, operando ambas desde 2016. Era contratista integrado en los equipos de Huawei, atendiendo tickets de falla por severidad para CANTV, Movilnet, Movistar y Digitel.

La mayor parte del trabajo ocurría en ventanas de mantenimiento nocturnas, actualizando redes de operador en vivo. Las fallas mayores se escalaban a la sede en China, conmigo asistiendo en sitio. CANTV era la cuenta más difícil: estatal, con SLAs estrictos, y esperaba ser tratada como el cliente de máxima prioridad. Me mudé a México a finales de 2016.

Mi primer trabajo fue una pasantía en el laboratorio de Cisco Venezuela en Caracas (el Cubo Negro), que manejaba entrenamientos, pruebas de concepto para clientes y los equipos en préstamo que los clientes probaban antes de comprar. Durante seis meses armé topologías inalámbricas en un sandbox y ayudé a clientes a aprovisionar sus routers y switches. Conseguí el lugar porque había estudiado el CCNA, y terminarlo era el último requisito para mi título.