Fundé Software Tailor en 2006. Diecinueve años después, la empresa ha atravesado cuatro ciclos económicos distintos, seis clientes Fortune Global 500 en sectores como farmacéutico, financiero, gubernamental, legal, defensa y energía, y cero fallos en proyectos desde 2007. Ese último dato es el que más preguntan inversores y revisores de compras, y es el único que necesita explicación. Aquí están las cuatro reglas de ingeniería que sostienen este récord.
Regla 1: Un modelo de entrega, sin confusión entre servicio y producto
Cada proyecto de Software Tailor se ejecuta bajo el mismo modelo de entrega: una fase piloto con alcance muy definido que entrega software funcional, seguida de una expansión que el cliente decide financiar (o no) según lo entregado. No operamos una práctica separada de “servicios” que entregue según documentos de requisitos ni una práctica separada de “producto” que entregue según hojas de ruta. Ambas entrarían en conflicto; una siempre subsidiaría a la otra.
El modelo único significa que cada ingeniero sabe cómo es “terminado” antes de empezar. Esa es la condición previa para no fallar.
Regla 2: Disciplina en la cohorte de clientes — solo clientes para los que podemos entregar
Nuestra cohorte de clientes es seleccionada — no oportunista. Seis clientes Fortune Global 500 en 19 años no es una canalización de ventas lenta; es un umbral de selección deliberado. Cada cliente que aceptamos debe pasar tres pruebas antes de comenzar: su problema es uno que ya hemos resuelto, su patrocinador interno es la persona que usará el software (no una capa de intermediarios), y su entorno de hardware/datos nos permite entregar sin un desvío de seis meses en compras.
Un cliente que no pasa alguna de esas pruebas se convierte en una referencia para otro, no en un proyecto. Esta es la regla que más nos cuesta ingresos. También es la que no tiene excepciones en 19 años.
Regla 3: Disciplina de ingeniería mapeada a un marco reconocido
Mucho antes de que la gestión de riesgos de IA tuviera su propio marco, las reglas de ingeniería que codifiqué para Software Tailor seguían el mismo patrón: gobernar el trabajo, mapear los riesgos, medir los resultados, gestionar los cambios. NIST AI RMF 1.0 [1] formalizó ese patrón para IA en 2023, y el perfil de Infraestructura Crítica de abril de 2026 [1] lo extendió a industrias reguladas. Al leer esos documentos, nuestra disciplina interna se mapea claramente en esas cuatro funciones.
Lo que eso nos da: cada proyecto es auditable de extremo a extremo contra un marco externo, no solo contra nuestros propios hábitos. Cuando un equipo de compras pregunta cómo se decide el alcance de la fase piloto, la respuesta es la misma que daría NIST para la gestión de riesgos — y el propio equipo de cumplimiento del cliente ya ha interiorizado ese vocabulario.
Regla 4: Registrable, recuperable, recreable
La cuarta regla precede al vocabulario de auditoría que ahora usamos para AI Suite. Cada proyecto de Software Tailor se ejecuta en un estado donde cualquier decisión, cualquier artefacto, cualquier versión del código puede recrearse a partir de entradas controladas por versiones. Eso no es inusual en ingeniería de software en general; lo inusual es que lo aplicamos al proyectono solo la base de código. Decisiones de sprint, cambios de alcance, aprobaciones de clientes: todo registrado, todo recuperable.
La disciplina es la razón por la que nuestro registros de auditoría sin contenido enfoque para AI Suite se entregó tal como fue. El patrón de fila de auditoría es el mismo patrón que ya aplicamos a proyectos. El vocabulario se toma prestado de marcos de cumplimiento; la práctica se toma prestada de cómo entregamos.
Lo que se mantuvo en AI Suite
La línea Local AI Suite + AI Admin Console — ver Por qué entregamos AI como binarios instalables, no como SaaS en la nube — es la misma disciplina de ingeniería aplicada a una línea de productos en lugar de un compromiso personalizado. Mismo modelo único de entrega (instaladores de escritorio con un piloto gratuito de 1 semana), misma disciplina de cohorte de clientes (industrias reguladas con claras restricciones de residencia de datos), mismo mapeo de marco (NIST AI RMF + obligaciones de despliegue del EU AI Act), misma postura de auditoría registrable, recuperable y recreable.
Cero fallos en proyectos desde 2007 no es un eslogan. Es el resultado de un pequeño número de reglas aplicadas sin excepción. Las mismas reglas ahora gobiernan cómo se construye AI Suite.
Referencias
- NIST. "AI Risk Management Framework (AI RMF 1.0)." https://www.nist.gov/itl/ai-risk-management-framework. Consultado el 15-07-2026.