Por qué un Blog del CAIO (y qué esperar de él)

Cada organización que toma en serio la inteligencia artificial termina, tarde o temprano, con la misma pregunta: ¿quién responde por esto? No por el próximo modelo de moda, sino por la IA que ya está en producción, tomando decisiones, tocando datos de clientes y apareciendo en una auditoría.

Esa persona es el CAIO — Chief Artificial Intelligence Officer. Y este blog es la bitácora de esa oficina.

Llevar la IA de la demo a producción. Con gobernanza. Sin culto al hype. Ese es el trabajo.

Para quién es esto

No es un blog de tutoriales de prompt engineering ni de hilos sobre "las 10 herramientas que cambiarán tu vida". Se escribe para especialistas de IA:

Arquitectos e ingenieros de ML que tienen que sostener lo que prometieron.
Líderes de datos y de producto que deciden dónde la IA agrega valor y dónde solo agrega riesgo.
Responsables de gobernanza y cumplimiento frente al AI Act, la Ley 21.663 y lo que venga.

De qué se va a hablar

Estrategia de IA — dónde invertir, qué construir vs. comprar, cómo medir retorno real.
LLMs en producción — evaluación, costos, latencia, guardrails, y por qué el 80% del trabajo es lo aburrido.
MLOps y agentes — pipelines, observabilidad, y agentes que hacen algo útil sin romper nada.
Gobernanza — el AI Act sin el barniz legal, gestión de riesgo de modelos, trazabilidad.
Seguridad de IA — prompt injection, fuga de datos, y el cruce con el mundo de la ciberseguridad del Grupo TTPSEC.

Las reglas de la casa

Si no lo probamos en producción, se dice.
Si nos equivocamos, queda escrito — los post-mortems enseñan más que los casos de éxito.
Nada de humo. Un número medido le gana a un adjetivo entusiasta.

Un ejemplo de cómo se ve el detalle acá

No basta con "usamos un LLM". Importa cómo se evalúa antes de confiar en él:

# Evaluación mínima antes de subir un cambio de prompt a producción
def gate(candidate, baseline, suite):
    scores = evaluate(candidate, suite)          # exactitud, toxicidad, formato
    regresiones = [t for t in suite
                   if scores[t] < baseline[t] - 0.02]
    assert not regresiones, f"Regresiones: {regresiones}"
    return scores

Y una tabla, porque las decisiones se toman con tablas:

Dimensión	Qué se mide	Umbral de bloqueo
Calidad	Exactitud vs. golden set	−2% vs. baseline
Seguridad	Jailbreak / fuga de datos	0 incidentes
Costo	USD / 1k requests	+15%
Latencia	p95	+20%

Esto es apenas el commit inicial. El primer artículo de verdad viene en camino.

Si tienes un tema, una corrección o una colaboración, ya sabes dónde encontrarme.

— El CAIO