Blog
Análisis, práctica, opinión.
Textos cortos sobre lo que estamos viendo en proyectos reales de Salesforce, datos e IA.
Lakehouse no es la bala de plata: cuándo el warehouse sencillo sigue ganando
Leer →
Observabilidad de datos: detectar fallos antes que el stakeholder
Leer →
FinOps de IA: cómo cobrar inferencia de LLM al cliente interno sin pelear con TI
Leer →
Cuándo NO usar Salesforce: 4 escenarios en que el costo de licencia supera el ROI
Leer →
Cuándo un agente es la respuesta — y cuándo es huida de un problema mal modelado
Leer →
Data Cloud ya no es CDP — es el nervio central de Salesforce
Leer →
Modern Data Stack en 2026: qué sobrevivió, qué murió, qué se volvió commodity
Leer →
Tableau como lenguaje ejecutivo: matando el dashboard de vanidad
Leer →
Salesforce Partner Program: lo que el cliente nunca te cuenta
Leer →
Databricks vs Snowflake vs BigQuery: lock-in, costos de salida y lo que el partner oficial no cuenta
Leer →
IA para RH: caso práctico del agente de triage interno
Leer →
Análisis de churn: el error de definir "pérdida" antes de la estrategia
Leer →
Multi-agent en producción: qué aprendimos corriendo 5 agentes por 90 días
Leer →
Salesforce Industries (Vlocity): ¿vale la pena para empresas brasileñas de tamaño medio?
Leer →
Open source vs proprietary LLMs: criterios honestos para elegir sin ideología
Leer →
¿Modelado dimensional todavía vale en 2026? Sí — defensa contra el lakehouse-para-todo
Leer →
CPQ en SaaS B2B: la diferencia entre cotización y propuesta de verdad
Leer →
IA generativa para ventas: más allá del "ChatGPT de respuestas" — donde genera ingreso
Leer →
Ingeniería de prompts para analytics: el pipeline olvidado entre dato y reporte
Leer →
Marketing Cloud + Data Cloud: el stack que debería haber nacido junto
Leer →
Privacidad de datos en LLMs: el checklist de gobernanza que falta en el piloto
Leer →
Data Catalog que nadie usa: síntoma del problema real (no es la herramienta)
Leer →
Sandbox strategy: cómo evitar "el último refresh de sandbox fue hace 4 meses"
Leer →
Costos reales de inferencia: cómo evitar sorpresa de USD a fin de mes
Leer →
Self-service BI: por qué cada departamento tiene su "borrador final"
Leer →
Integración Salesforce ↔ ERP: los proyectos se traban en el contrato, no en la arquitectura
Leer →
Multi-agent systems: cuándo orquestar vs. consolidar todo en un agente
Leer →
Métricas de producto: por qué la north star se vuelve "north dust" en 6 meses
Leer →
Salesforce Flow vs Apex: cuándo el código vale más que el clic
Leer →
Vector databases comparados: Pinecone, Weaviate, pgvector — cuándo sirve cada uno
Leer →
Data contracts: la forma menos dolorosa de no romper producción
Leer →
Agentforce en atención humana: qué automatizar y qué NO
Leer →
Fine-tuning vs RAG vs prompt engineering: cómo decidir sin quemar caja
Leer →
Snowflake vs BigQuery vs Databricks: comparación honesta para tamaño medio
Leer →
Customer 360 vs CDP: diferencias que cambian el roadmap de datos
Leer →
Evaluación de agentes: la métrica que nadie quiere publicar
Leer →
ELT vs ETL: por qué cambió la moda y qué importa de verdad
Leer →
Service Cloud: el SLA no es decoración — medir capacidad antes de prometer
Leer →
LLM como agente interno: tres casos donde funciona, dos donde fracasa
Leer →
dbt en la práctica: el truco es la documentación, no el modelo
Leer →
Sales Cloud: cinco antipatrones que separan rollout caro de rollout que rinde
Leer →
RAG en la práctica: la recuperación es el cuello de botella, no el LLM
Leer →
Dato limpio es un mito: convivir con calidad imperfecta
Leer →
Mapear procesos antes de Salesforce: el checklist que ahorra meses
Leer →