GuíaIntermedio

Guía de AI Engineering de Cara al Cliente

Más de la mitad de las vacantes de AI engineer piden algo que no es código: sentarse con un cliente, descubrir qué problema tiene de verdad, acordar qué significa "que funcione", explicar costos y riesgos a gente que no programa, mostrar un prototipo con sus límites, medir un piloto y dejar el sistema en manos de su equipo. En los puestos forward deployed y applied AI es casi todo el trabajo. Esta guía te enseña ese oficio desde el lugar del ingeniero, con documentos y código que puedes mostrar en una entrevista. Lo aprendes como AI engineer de **Brújula Labs**, una consultora de IA aplicada, en un encargo con **Refacciones Ámbar**, una distribuidora de autopartes con 14 sucursales en el occidente de México. Su directora comercial pide "un chatbot que conteste a los talleres las 24 horas". Con discovery descubres que el problema es otro y lo conviertes en un copiloto de cotización para el mostrador: lees el trabajo, mides la línea base, delimitas el caso de uso y su nivel de autonomía, acuerdas el éxito como un set de aceptación con umbrales que el cliente firma, escribes una propuesta con tres opciones y su costo, construyes el prototipo y lo demuestras, corres un piloto en modo sombra, das las malas noticias a tiempo y entregas: manual de operación, capacitación, medición de adopción y feedback al equipo de producto. Todo el código es Python y corre en tu laptop sin llave de API, con datos del caso generados con semilla: ves los mismos números que la guía. El prototipo lee los mensajes con reglas y usa `gpt-6-luna` solo para leer lo que las reglas no entienden; el modelo nunca elige la pieza. La analogía que recorre la guía es la de un sastre a la medida: toma medidas antes de cortar, hilvana antes de coser y entrega el traje con su etiqueta de cuidados.