Valdivia Tech
Mucho tiempo sin escribir — pido perdón, y me pido perdón a mí. Vengo trabajando en algo que hace un tiempo era simplemente un concepto. Hoy ya es una empresa con un sitio: valdivia.tech. Este post es para contar qué hay adentro, porque llevo meses construyendo cosas que hasta ahora solo existían en entradas sueltas de este blog.
La tesis
Valdivia Tech es un laboratorio de agentes de IA para sistemas eléctricos de potencia. Mi apuesta es simple: en el sector eléctrico hay una cantidad enorme de trabajo pesado — estudios que se repiten, papeleo regulatorio, revisión de documentos, operación de infraestructura, etc. — que hoy se come el tiempo de ingenieros que deberían estar haciendo el trabajo importante. Nuestros agentes toman ese trabajo pesado. La decisión final la firma un ingeniero.
Ya escribí sobre el estudio del MIT que encontró que el 95% de los pilotos de IA empresarial no produce impacto medible. Los modelos son cada vez mejores y los resultados siguen sin aparecer. Mi conclusión después de meses trabajando es que ese gap no se cierra con un modelo más grande — se cierra trabajando directamente en la operación y, por qué no, con un mejor harness: entendiendo cómo se clasifica una solicitud, qué se revisa, dónde duele y así. Por eso el laboratorio funciona en modo FDE (ya hablaré de Forward Deployed Engineer en un siguiente post): hoy estoy construyendo agentes para clientes en distintas zonas del país, sentado dentro de sus procesos.
Lo que ya salió del laboratorio
En este momento tengo tres agentes en producción, y cada uno tiene historia pública en este blog.
Don Nelson hace estudios eléctricos de punta a punta: recibe la solicitud, corre PowerFactory y devuelve el informe en 72 horas hábiles. Fue con lo que empecé — tenía el desafío de lograrlo en 60 días, que luego extendí a 100. En un siguiente post voy a hablar más en detalle del estado de Don Nelson y su harness actual. Pero OFICIALMENTE ya está haciendo estudios presentados ante el CEN 👀.
EDITH es la capa de IA soberana: opera la infraestructura de inferencia on-prem — vigila las GPUs y actúa sobre el fierro donde corre la IA. Nació como el computador que armé para simulaciones eléctricas y terminó con sistema nervioso propio.
Mateo es el modelo de la red servido por API: reconstruye las subestaciones del SEN y responde de dónde salió cada dato. Es la pieza menos vistosa y la que más usan los otros dos.
Investigación aplicada
La parte que más me enorgullece del sitio es la sección de research, porque un laboratorio que no publica es una consultora con otro nombre. Y esto es clave: la investigación es algo que Valdivia Tech se mantendrá haciendo.
La primera pieza es el paper de Spark: un harness donde el agente escribe y ejecuta scripts de Python que manejan un simulador de sistemas de potencia, y donde el conocimiento procedural vive en recetas verificables destiladas de corridas verificadas de modelos frontera — no en los pesos del modelo.
El resultado: un modelo local gratis de 26B, corriendo en una sola GPU de consumo, se cae al 32% de éxito sin el harness y llega al 100% con él — indistinguible del modelo frontera.
Para mí ese paper es la tesis completa en miniatura: el valor no está en el modelo — está en el harness, las recetas y el conocimiento del dominio. Que es exactamente lo que un laboratorio embebido en la operación puede construir y un proveedor genérico no.
Lo que viene
Voy a volver a publicar en mi blog. Me llenaba el corazón y lo hacía porque me gustaba. Quizás buildear en público sea más complicado ahora: empecé a tocar temas de los que no podía escribir, porque tocaba zonas que simplemente no se podían publicar.
Si trabajas en el sistema eléctrico y hay un trabajo pesado que se está comiendo a tu equipo, conversemos: valdivia.tech. Te decimos si hay un agente que lo tome. O si todavía no lo hay.