Cada resultado, con sustento
Las respuestas importantes deben seguir vinculadas a la evidencia que las respalda.
San Francisco, California
En toda empresa hay personas cuyo criterio es, en realidad, el producto, y la mayor parte de su semana se va en conciliar documentos. Trabajamos para devolverles ese tiempo: para inventar un proceso, evaluar una disyuntiva, formar al siguiente ingeniero y hablar con el cliente. Empezamos donde más pesa el papeleo, la elaboración de ofertas de productos y sistemas de ingeniería, y vamos a donde sea que la experiencia técnica se tope con el papeleo.
Los modelos actuales pueden interpretar buena parte del material técnico y comercial que hay detrás de un trabajo de ingeniería. Pero un sistema empresarial útil necesita algo más que generar contenido: evidencia de origen, estructura propia del dominio, incertidumbre explícita, controles de acceso y personas que sigan respondiendo por el resultado.
Las respuestas importantes deben seguir vinculadas a la evidencia que las respalda.
La IA debe acelerar el criterio de los expertos, sin ocultarlo ni sustituirlo.
Variantes, revisiones, excepciones e información incompleta forman parte del trabajo diario, y así los tratamos.
La seguridad, la trazabilidad y la revisión deben verse en cómo funciona el sistema.
Dirigió el programa Pixel serie A en Google, desde el concepto hasta el lanzamiento. Construyó infraestructura de IA para modelos a gran escala en Meta Superintelligence Labs, incluidos sistemas de confianza y seguridad que operan en línea a escala de producción. Dejó Harvard Business School para fundar Nyotta AI.



Dirigió proyectos de NLP e IA en Google Assistant, hoy parte de Google DeepMind. En Moveworks construyó búsqueda empresarial para Northrop Grumman, CVS y otras empresas con los sistemas heredados más fragmentados y los requisitos de seguridad más estrictos. Tiene un posgrado en informática y NLP por la Universidad de Yale.


