Bitácora
Ensayos y notas prácticas sobre provenance, memoria del SDLC y gobernanza de entrega en la era de la IA.
expand_more
TL;DR
Tras la publicación de la versión inicial del Provenance Manifesto, comencé a analizar si las soluciones existentes en el mercado se alinean con los principios descritos en él.
✓ El día en que nació el Provenance Manifesto. March 8, 2026
expand_more
March 8, 2026
TL;DR
!El día en que nació el Provenance Manifesto
expand_more
TL;DR
Mientras construía SDLC Memory, me encontré con un dilema arquitectónico inesperado. ¿Debería el sistema razonar como un agente autónomo, comportarse como un transformador de datos determinista, o situarse en algún punto intermedio? Todavía estoy decidiendo qué dirección es la correcta para el MVP.
✓ expand_more
TL;DR
En “Part 1 - From RAG to Provenance: How We Realized Vector Alone Is Not Memory”, pasamos de RAG a Provenance, de la similitud al linaje. Pero si los agentes de IA generarán entre el 50 y el 80 % del trabajo futuro, la verdadera pregunta es: ¿cómo se actualiza la memoria de forma segura? ¿Cómo se validan, vinculan y gobiernan las nuevas decisiones en lugar de simplemente incrustarlas? Este artículo muestra paso a paso el proceso incremental de actualización del grafo detrás de la memoria de decisiones, con un ejemplo real. Porque en la era de la IA, la memoria debe evolucionar, no solo recuperar información.
✓ expand_more
TL;DR
¿Qué pasaría si tu SDLC en realidad no recordara nada y solo recuperara fragmentos? Hemos construido potentes sistemas RAG capaces de mostrar texto “relevante” en milisegundos. Pero la relevancia no es causalidad. Y cuando algo se rompe en producción, la similitud no te dirá por qué ocurrió ni qué decisión, riesgo o dependencia llevó a ello. En este artículo explico por qué la búsqueda vectorial por sí sola no es memoria, cómo la estructura de grafo cambia el juego y cómo combinar vectores con un modelo estricto de proveniencia convierte documentación dispersa en algo más cercano a la cognición organizacional. Si te interesan la explicabilidad, el linaje de decisiones y la verdadera inteligencia de delivery, este artículo es para ti.
✓ expand_more
TL;DR
Próximo capítulo: SDLC Memory & Provenance. En los capítulos anteriores exploramos por qué el SDLC no tiene una memoria real y por qué la proveniencia debe convertirse en algo estructural, no opcional. En este siguiente paso profundizamos en una pregunta aún más incómoda. ¿Y si el verdadero cuello de botella en el delivery no fuera la velocidad, las herramientas o incluso la capacidad de la IA… sino los límites biológicos del contexto humano? Los humanos pueden mantener activamente unas cuatro restricciones significativas a la vez. Los agentes modernos pueden procesar cientos de miles de tokens. Y aun así, ninguno puede recordar un producto vivo a lo largo del tiempo sin estructura. Este capítulo conecta la ciencia cognitiva, las ventanas de contexto de la IA y una arquitectura práctica de memoria Hot/Warm/Cold para mostrar por qué una memoria duradera del SDLC no es una sobrecarga de documentación, sino una ventaja competitiva. Si la ejecución se vuelve más barata, la memoria se convierte en el verdadero diferenciador. Hablemos de cómo construirla.
expand_more
TL;DR
En los capítulos anteriores hablamos de SDLC Memory y Provenance como una forma de reducir el caos, proteger la integridad del delivery y hacer que las decisiones sean trazables dentro de las organizaciones de ingeniería. Ahora quiero ampliar la perspectiva. Porque si la IA está cambiando cómo se construye el software, también está cambiando algo mucho más grande: cómo se valora el propio capital intelectual. Este artículo no es una desviación de la discusión sobre Provenance. Es el siguiente paso lógico. Si la ejecución se vuelve abundante, entonces la memoria, la gobernanza y la arquitectura de decisiones se convierten en los verdaderos activos. Hablemos de qué ocurre con el capital intelectual cuando la IA reemplaza materialmente puestos humanos y qué significa eso para las empresas que quieren sobrevivir.
expand_more
TL;DR
!AI will take the “What”, but Humans must own the “Why”
expand_more
TL;DR
!We are teaching AI to decide. But we are forgetting how to remember.
✓ expand_more
TL;DR
!Why SDLC has no memory (and why delivery teams keep paying for it)