15 Años de IA en Producción con 38 Años en el Campo

En 1987, una conferencia del MIT demostró cómo backpropagation (técnica pionera de Geoffrey Hinton) permitía a una red neuronal aprender a estacionar un camión en reversa ("truck backer-upper") — algo que parecía requerir intuición humana. Ese momento despertó una fascinación por la IA. En 1998, las redes neuronales funcionaban... pero no para los desafíos de las empresas. En 2010, ultraBASE construyó un agente conversacional con 90% de certidumbre en reconocimiento de voz... que quedó obsoleto en semanas cuando Hinton y su equipo presentaron AlexNet (2012). Desde entonces, 15 años poniendo IA en producción real enseñaron una lección crucial: la tecnología cambia, la infraestructura permanece. Y ahora, esa perspectiva permite anticipar el próximo salto: Deep Thinking (2027-2030) — experiencia fluida como la IA Generativa actual, pero 100% deducida y sin alucinaciones.

Entre 1996-1998, formalmente especializó en IA durante su Ingeniería de Computación en la Universidad Simón Bolívar (Venezuela). En aquella época, la IA era prometedora en teoría pero frustrante en práctica: redes neuronales con vanishing gradients, datasets de miles (no millones) de ejemplos, y poder computacional insuficiente.

Entre 2010-2012, el laboratorio de R&D de ultraBASE desarrolló un agente conversacional de IA que, usando redes neuronales, lograba reconocer el habla humana con 90% de certidumbre. Fue un logro significativo con la tecnología disponible en ese momento.

Entonces llegó 2012 y AlexNet. Las redes profundas (8+ capas) demostraron que SÍ funcionan cuando se combinan GPUs, ReLU, Dropout y Big Data. El salto —de 26% a 16% de error en ImageNet— no fue evolución incremental: fue revolución. Y también fue particularmente perturbador: todo el trabajo del laboratorio quedó obsoleto de inmediato.

Haber vivido la "era no-viable" de los 90s, construido tecnología propia que funcionaba (2010-2012), y luego presenciado cómo un salto tecnológico la volvió obsoleta instantáneamente, dio a ultraBASE una perspectiva única: reconocer puntos de inflexión reales versus hype, entender limitaciones técnicas fundamentales, distinguir problemas de ingeniería de barreras científicas, y sobre todo, construir infraestructura que trascienda las olas tecnológicas.

Desde 2010, cada proyecto ejecutado se convirtió en laboratorio de aprendizaje: desde sustituir agentes humanos en call centers (CNT Ecuador, 2010), triage telefónico automatizado (Ecuador, 2012), optimización de redes móviles (Claro Chile, 2019), hasta certificación PCI-DSS con IA Generativa para un emisor de tarjetas de pago Mastercard (2024).

ultraBASE no publica teoría. Publica aprendizajes destilados de 15 años de IA en producción: qué funciona, qué falla, y por qué. Cada documento nace de errores costosos, aciertos validados con Telefónica, Verizon, CNT, Claro y decenas de organizaciones en América Latina.