Expertos en la materia. Profesionales diligentes.

La mayoría de las consultorías de IA están dominadas por una de tres culturas profesionales —la cultura de investigación académica, la cultura de ingeniería de software o la cultura de consultoría de gestión— y muchos de sus modos de fallo pueden atribuirse a ese desequilibrio. Nosotros reclutamos y desarrollamos deliberadamente en las tres, con una cuarta especialización en experiencia de dominio obtenida de las industrias a las que servimos con más frecuencia. La mezcla no siempre es sencilla, pero produce un trabajo que es a la vez intelectualmente serio, operativamente creíble y genuinamente útil para los clientes.

En investigación, cubrimos aprendizaje automático, visión por computadora, procesamiento de lenguaje natural, optimización, estadística y las tradiciones clásicas basadas en el conocimiento. En ingeniería, cubrimos ingeniería de datos, MLOps, sistemas distribuidos, desarrollo de aplicaciones full-stack, seguridad e infraestructura. En consultoría, cubrimos estrategia, gestión de programas, gobernanza y cambio. En experiencia de dominio, contamos con profesionales que han pasado partes significativas de sus carreras en manufactura, comercio minorista, servicios financieros, atención médica, telecomunicaciones, energía y el sector público.

La mayoría de los proyectos recurren al menos a tres de estas especializaciones; algunos recurren a las cuatro. La forma del equipo se ajusta a la forma del problema y no al revés.

Nuestro listón de contratación es alto y nuestro proceso de contratación es, en consecuencia, lento. Buscamos profundidad técnica, por supuesto; buscamos con más ahínco la claridad de pensamiento bajo presión, una comunicación escrita que resista dos semanas en lugar de un párrafo, y el tipo de humildad intelectual que sobrevive al contacto con un cliente difícil. Los candidatos que contratamos suelen estar sobrecualificados para el puesto al que se incorporan; los candidatos que rechazamos a menudo son técnicamente excelentes sobre el papel.

Decimos no a los candidatos que no pueden describir su trabajo anterior en términos de las decisiones que cambió; decimos no a los candidatos cuyo trabajo escrito muestra más seguridad de la que el argumento subyacente soporta; y decimos no a los candidatos cuyas referencias los describen como brillantes pero difíciles de trabajar. Una pequeña empresa que depende de la colaboración no puede absorber el coste de la brillantez que no colabora, y esto lo hemos aprendido por las malas más de una vez.

Contratamos deliberadamente personas de diferentes geografías, orígenes y trayectorias profesionales. La diversidad de orígenes es, en nuestra experiencia, el factor más importante que contribuye a la calidad de las preguntas que un equipo formula; a su vez, la calidad de las preguntas es el factor más importante que contribuye a la calidad del trabajo.

“Un brillo que no colabora es un pasivo disfrazado de activo.”

Nuestro modelo de desarrollo se basa en tres compromisos. Primero, cada profesional tiene un plan de desarrollo escrito, actualizado dos veces al año, con objetivos explícitos y el apoyo necesario para cumplirlos. Segundo, cada profesional dedica una parte significativa de su tiempo —típicamente un día cada dos semanas— a trabajo que no es directamente facturable: investigación, herramientas internas, mentoría, escritura. Tercero, se espera que cada profesional enseñe tanto como aprenda; la escalera de antigüedad se construye en parte sobre cuánto de la capacidad colectiva del equipo ha ayudado a construir.

Nosotros no separamos la trayectoria de investigación de la trayectoria de ingeniería o de la trayectoria de consultoría de la forma en que lo hacen las grandes empresas. Muchos de nuestros profesionales más senior se mueven fluidamente entre el trabajo técnico profundo, el liderazgo cara a cara con el cliente y la creación de capacidades internas, y estructuramos la compensación y el progreso para recompensar esa fluidez en lugar de penalizarla.

El resultado es un equipo que forma a personas inusualmente difíciles de perder. Nuestra rotación voluntaria es baja, y los profesionales que nos dejan suelen hacerlo para ocupar puestos para los que les hemos ayudado a prepararse, incluyendo, en varios casos, puestos senior internos en clientes con los que seguimos trabajando.

Somos mayoritariamente remotos, mayoritariamente híbridos en los proyectos con clientes, y totalmente intencionales en ambos aspectos. El trabajo remoto se apoya en normas escritas claras —cuándo escribir, cuándo reunirse, cuándo escalar— y en herramientas que hacen que la colaboración asíncrona sea genuinamente productiva en lugar de una cortés ficción. Invertimos en tiempo presencial regular por equipo y en toda la empresa, porque las relaciones que se construyen en esas semanas dan sus frutos en los meses siguientes.

Nos adherimos a un alto estándar de comunicación escrita. Las decisiones arquitectónicas se documentan antes de ser tomadas; las conversaciones con los clientes se capturan en notas compartidas en cuestión de horas; las opiniones importantes residen en documentos lo suficientemente extensos como para ser cuestionados y revisados. Esta disciplina es ocasionalmente tediosa y es, en conjunto, el mayor contribuyente a la calidad de nuestro trabajo.

El desacuerdo es bienvenido y estructurado. Esperamos que los profesionales defiendan con fuerza sus posiciones técnicas, que pierdan esas discusiones sin resentimiento cuando la evidencia lo exija, y que se comprometan con la dirección acordada una vez tomada una decisión. El punto medio de esos tres es el que más a menudo se olvida en otros lugares; es el que consideramos innegociable.

Contratamos de forma continua en lugar de para cubrir puestos específicos, y estamos particularmente interesados en profesionales con experiencia aplicada profunda, de mitad de carrera y senior. Los roles que más a menudo se repiten son: ingenieros senior de machine learning; ingenieros de datos con experiencia en pilas de nube modernas; especialistas en visión por computadora con experiencia en despliegue industrial; ingenieros de MLOps; consultores con experiencia en implementación de IA aplicada; y científicos investigadores con un historial de llevar la investigación a producción.

Nos complace recibir noticias de personas que no ven su historial exacto reflejado en la lista anterior; la forma más segura es una descripción escrita del tipo de trabajo que desean realizar a continuación, las limitaciones bajo las que les gustaría hacerlo y la contribución que creen que podrían aportar. Respondemos a todas las consultas creíbles en un plazo de dos semanas.