Agente de soporte 1:1
WhatsApp · atiende a usuarios del acompañante de salud, levanta tickets y aprende de cada conversación.
Laboratorio
Consolidar, no expandir · exprimir lo que ya existe
En corto: una flota pequeña sirve a agentes conversacionales y herramientas reales, en producción. La inferencia corre sobre todo en hardware propio —alrededor del 99.5 % de las peticiones en los 30 días medidos en julio de 2026— y escala a modelos de nube a través de un router con respaldo automático.
Lo irreversible pasa por compuertas en código, los secretos viven en una bóveda cifrada y los respaldos siguen un esquema 3-2-1. Lo nuevo —modelos, configuraciones, agentes— se mide primero en arenas propias con jueces ciegos y solo llega a producción con datos.
Actualizado 7 de octubre de 2026
Descargar PDFWhatsApp · atiende a usuarios del acompañante de salud, levanta tickets y aprende de cada conversación.
WhatsApp · identidad y modelo propios por grupo, mantiene contexto y promueve participación.
Telegram · seguimiento de pagos conectado al CRM.
Voz, texto e imagen, por Telegram y por web.
Donde se prueba lo nuevo antes de que llegue a producción; hoy sostiene al agente multimodal.
Telegram y web · memoria longitudinal, resúmenes de correo, recordatorios y tareas.
Raspberry Pi 5 · 16 GB — Mac mini M1 · 8 GB (banco de prototipos)
Coordina; no carga lo pesado.
Claude Code, con segunda opinión de Codex y Antigravity CLI.
MLX.
Bóveda cifrada con rotación + inicio de sesión único · Vault + Keycloak.
Mac mini M4 Pro · 64 GB
Centro oncológico · herramientas internas por usuario.
Plataforma de educación médica sobre Moodle · cursos y certificados.
Plataforma de formación clínica.
En producción
Agente con interfaz propia: imágenes, voz de marca y publicación para las marcas propias. Corre en la misma máquina que la plataforma de formación clínica.
Producción de clases en vivo.
Acompañante de salud, en la nube.
Compartido por el orquestador y el asistente personal.
Puerta única a todos los modelos; cambiar de modelo no obliga a reescribir agentes.
Modelo Qwen de 35B MoE que lee imágenes, servido localmente con vLLM, sin costo por uso.
En producción
Detiene lo destructivo antes de ejecutarlo.
Anthropic, OpenAI, Gemini y otros, siempre a través del router.
Comparo modelos entre sí con mis propios casos y criterios —éxito en la tarea, seguridad con herramientas, calibración, latencia— antes de que algo llegue a producción.
Estación de IA · 128 GB de memoria unificada
9 TB · biblioteca de la flota y nube privada de archivos (Nextcloud).
Copia cifrada fuera del sitio · borg · esquema 3-2-1.
Entre todos los nodos · Tailscale.
Fibra óptica · SIM celular · satélite, con conmutación automática.
Exprimir lo que ya existe antes de agregar equipo o complejidad.
Las acciones destructivas se frenan en código, no en el prompt.
Nunca en repositorios ni archivos sueltos; se rotan y se distribuyen.
Lo que toca producción se aprueba primero.