Cuando estaba en los últimos cuatrimestres de la carrera apliqué a tres empresas, pasé todas sus entrevistas técnicas y ninguna me contrató. La razón que me dieron: mi perfil era demasiado amplio. En ese momento no lo entendí; hoy es exactamente la razón por la que trabajo en una empresa internacional, lidero proyectos en tres continentes y construyo en mis ratos libres proyectos que van desde lo tecnológico hasta lo musical.
En este artículo cuento cómo pasé de diseñar hardware para mascotas y ganado a liderar migraciones de datos globales en una empresa internacional, por qué decidí estudiar una maestría en finanzas siendo ingeniero en sistemas, y qué pienso realmente sobre si la IA va a quitarles el trabajo a los recién egresados.
- Trayectoria profesional de un ingeniero en sistemas
- Inteligencia artificial y futuro laboral
- Formación continua y maestría en Finanzas
- Música generativa con IA
- Consejos para futuros ingenieros en sistemas
Trayectoria profesional: de hardware a ingeniería de datos
¿Por qué un perfil multidisciplinario puede ser una ventaja para un ingeniero en sistemas?
Siempre he buscado no encasillarme en un único punto ni en una sola tecnología. Creo que el enfoque de ser polímata es muy importante hoy en día, pues vivimos en un mundo donde la inteligencia artificial está reemplazando a las personas que apostaron por la hiperespecialización — aquellas que se volvieron especialistas en un área específica —. Hoy esas funciones la IA puede cubrirlas en un 80 o 90%.
Siempre he pensado que si una persona tiene un conocimiento más amplio de diversos campos, puede encontrar distintas soluciones y puntos de vista ante un reto.
¿Cómo comencé mi carrera en hardware, IoT y tecnología ganadera?
Empecé en el mundo laboral a los 18 haciendo hardware: diseño de PCBs y desarrollo de sistemas IoT (Internet de las Cosas). Estaba en una startup que diseñaba aplicaciones para el sector ganadero. Participamos en competencias nacionales e internacionales tales como:
- Cisco Solution Makers de Cisco Live
- Hackster en Las Vegas
- Premio Everis, actualmente NTT Data
- Incubación en NUMA Startup Mansion, actualmente Hi Ventures
Estaba convencido de que construir una startup era la mejor alternativa a la universidad. Había participado en proyectos tecnológicos con potencial y tenía la hipótesis de que la startup en la que participaba podría generar más aprendizaje y oportunidades que una educación formal. Pero la realidad terminó siendo más compleja. Silicon Valley había moldeado gran parte de mi visión sobre cómo nacen y escalan las startups, y con el tiempo entendí que el entorno mexicano opera bajo reglas distintas. El acceso al capital, el mercado y la velocidad de crecimiento no son los mismos. A eso se sumó la pérdida de un familiar, que impactó profundamente mi vida y la economía de mi familia. Eso me llevó a replantear mi camino y tomar la decisión de estudiar una carrera.
Revisé varias opciones y decidí que la mejor para mí era UNITEC. Para costearme la carrera tuve dos empleos simultáneos: uno en el mundo tecnológico y otro en el del arte. Con el apoyo de un ex ejecutivo de Cisco — Anibal Bustillo, uno de mis mentores tecnológicos, y quien era dueño de la startup — continué en el mundo del hardware, pero esta vez ya transitando hacia el software. Seguía haciendo IoT pero enfocado a la capa del software. Paralelamente era camarógrafo en un programa de radio por internet llamado “Salsamania”, en donde aprendí sobre música, creatividad y comunicación. Esa experiencia me dio una visión y una opinión personal que, con el tiempo, alimentaría uno de mis proyectos actuales.
El giro hacia el software: machine learning y una patente
En mi empleo tecnológico trabajaba con inteligencia artificial en sistemas embebidos (embedded machine learning) aplicada al sector bovino.
El desarrollo más importante de esa etapa, que duró toda la carrera, fue contribuir en el desarrollo de una patente que combina IoT con Machine Learning, permitiendo detectar la actividad de las vacas y generar insights a partir de esa información para dar recomendaciones personalizadas a los ganaderos a través de una orejera inteligente. Fue uno de los primeros proyectos en México que aplicaron Machine Learning, sistemas embebidos e IoT. Lo llamamos IoC (internet of Cows).
El salto internacional a Texas Instruments
En los últimos meses de la carrera empecé a aplicar a varias empresas. Con tres de ellas llegué hasta la última ronda de entrevistas y no me contrataron. Hubo un hiring manager que me dijo que dudaba de mis capacidades porque mi currículum era muy amplio.
Entonces me pregunté: ¿qué pasa si aplico a una empresa extranjera? Apliqué en la página de Texas Instruments, una de las empresas más importantes a nivel mundial en semiconductores y líder en la fabricación de calculadoras científicas en Estados Unidos. Me aceptaron.
Me uní al equipo de calculadoras científicas. Éramos 12 personas, cinco de ellas mexicanas, trabajando de manera remota. Mi enfoque principal estuvo en el software, ahí programé y migré componentes para una nueva calculadora. Trabajé en componentes relacionados con TI-Basic, el motor de graficación y MicroPython. Aprendí a construir software de impacto global junto a ingenieros con décadas de experiencia, de quienes tuve la oportunidad de aprender mucho en relación a cómo se construyen productos de software que deben ser extremadamente confiables y eficientes a escala mundial.
Knorr-Bremse: IoT industrial y el descubrimiento del valor real de los datos
Por LinkedIn me contactó una reclutadora de Knorr-Bremse, empresa líder mundial en movilidad. El proceso de entrevista fue distinto: solo tuve una entrevista, con el hiring manager de Alemania y la hiring manager de Estados Unidos. Minutos después de terminar, me llamó la reclutadora para extenderme la oferta.
En ese rol coordiné la implementación de iniciativas de Industria 4.0 en las plantas de Norteamérica de Knorr-Bremse, en Estados Unidos y el norte de México. Me encargaba de la puesta en marcha de herramientas industriales conectadas, asegurando que la telemetría de datos fuera utilizable a escala para análisis posterior por parte de líderes operativos y equipos de data science. Ahí entendí algo fundamental:
el hardware habilita el sistema, pero el valor real está en los datos que genera y en cómo se estructuran para tomar decisiones.
Decidí enfocarme en aprender ingeniería de datos y ciencia de datos. Cuando se abrió una posición en el equipo global de ingeniería de datos, apliqué y mi manager me aceptó. Hoy me dedico a la planificación, diseño e implementación de arquitecturas de datos en las distintas locaciones de la empresa — Norteamérica, Europa y Asia. Mi día a día implica...
- Coordinarme con los dueños de los distintos sistemas internos
- Definir qué datos necesitan migrar a la nube
- Gestionar pipelines de datos
- Construir data lakes y data marts
- Desarrollar infraestructura para analítica y aplicaciones de machine learning
Mi paso por empresas líderes a nivel global me ha permitido entender que las organizaciones más exitosas no destacan únicamente por su tecnología, sus recursos o su tamaño, sino por su capacidad para integrar disciplinas distintas y adaptarse al cambio. Aunque toda empresa necesita especialistas, los problemas que generan mayor valor rara vez ocurren dentro de una sola área de conocimiento; suelen aparecer en la intersección entre hardware, software, datos, operaciones y negocio y ahí es donde necesitas ingenieros capaces comprender sistemas completos, conectar dominios distintos y tomar decisiones efectivas en entornos complejos e inciertos.
¿La inteligencia artificial va a reemplazar a los ingenieros en sistemas?
La IA ya puede imitar con bastante precisión el comportamiento de una mente promedio: responde casi cualquier pregunta con fluidez y aparente coherencia. Pero si la miras con más rigor, no es “inteligencia” en el sentido humano, sino más bien un espacio de recombinación total del conocimiento —una especie de Biblioteca de Babel de Borges donde todo ya está existe, pero sin jerarquía ni intención. En ese escenario, el problema deja de ser el acceso a la información y se vuelve estructural: cómo distinguir señal de ruido, cómo encontrar valor en un entorno de abundancia extrema.
La salida de la IA tiende a converger hacia un promedio estadístico del lenguaje y del conocimiento, lo que genera contenido genérico o “AI slop”. Eso no elimina el rol humano; lo redefine.
El valor se desplaza hacia la capacidad de formular buenas preguntas, imponer estructura y decidir qué información merece ser extraída, amplificada o descartada.
La IA es una herramienta de amplificación. No reemplaza el criterio, lo multiplica. Un ingeniero con bases sólidas puede avanzar mucho más rápido porque entiende qué pedir, cómo evaluar el resultado y cómo integrarlo en un sistema real. Sin ese criterio, la IA solo acelera errores. Si bien es cierto que existen diversos métodos para automatizar la creación y el descubrimiento de sentido a través de flujos idénticos y harness complejos,
la verdadera pregunta no es qué reemplaza la IA, sino qué tipo de conocimiento deja de ser valioso cuando todo puede generarse en segundos, haciendo más evidente lo frágil que es la especialización.
¿Por qué la formación continua es clave para un ingeniero en sistemas?
En un campo tan dinámico como la tecnología, mantenerse estancado pensando que con terminar un título ya tienes garantizado el éxito de por vida es una falacia. Hay que estar siempre actualizándose, aprendiendo sobre distintas tecnologías.
El lifelong learning — aprender de forma continua a lo largo de toda la vida — es hoy indispensable para seguir siendo relevante en la industria. Tengo diecinueve certificaciones y un posgrado en Inteligencia Artificial de la Universidad de Austin,Texas, además de la maestría en Finanzas en UNITEC. Son parte de esa misma filosofía.
De Bitcoin a las finanzas cuantitativas: ¿Por qué estudiar una maestría en Finanzas después de Ingeniería en Sistemas?
Cuando terminé la licenciatura en 2021 Bitcoin estaba de moda. Todo el mundo hablaba de criptomonedas. Gran parte de la gente se enfocaba en la tecnología detrás de las criptos (blockchain), otros en usarlo como reserva de valor esperando replicar el éxito millonario de los primeros inversionistas (comprar y mantener Bitcoin esperando que el precio explotara). Yo me puse a investigar cómo funcionan los instrumentos financieros: cómo los operadores bursátiles logran grandes rendimientos y qué hay detrás de esa lógica. Me topé con el trading y al ser un campo totalmente nuevo para mí decidí aprender las bases de las finanzas estudiando una maestría.
Concluí que, si bien el plan de estudios de finanzas de UNITEC se centra en finanzas corporativas y modelado financiero, los principios fundamentales se pueden extrapolar a cualquier instrumento/activo, entre ellos las criptomonedas. Con mi background en sistemas computacionales pensé: si aprendo finanzas cuantitativas para entender cómo funcionan los precios de los activos, no solo entenderé el código sino que también podré automatizar esa lógica mediante diversas estrategias de software, combinando conceptos propios de blockchain y finanzas para tener una ventaja real sobre los traders convencionales.
No lo he ejercido profesionalmente, pero como proyecto personal he construido modelos automatizados de trading para distintos activos como Bitcoin y otros instrumentos tokenizados, usando tanto lo aprendido en estudios formales como en aprendizaje autodidacta. En 2021 esa afición me llevó a colaborar con la universidad a Distancia de Hagen con un artículo para su revista escolar sobre las criptomonedas (pags 39-41).
Música generativa con IA: el músico sin instrumento
Grandes tecnólogos tienen una faceta artística. Históricamente nos han hecho creer que los ingenieros y los artistas son tipos de personas completamente diferentes. En realidad, tanto el arte como la tecnología son ramas de la misma disciplina: el proceso de crear cosas que no existían antes.
Las personas más interesantes que conozco simplemente se niegan a encasillarse en una sola etiqueta y siempre he buscado lo mismo para mí.
La música siempre me ha llamado la atención, pero no sé tocar ningún instrumento ni tengo la voz para ser cantante. Sin embargo los programadores tenemos experiencia resolviendo limitaciones de hardware a través de software. Fue ahí donde descubrí que, a través de la inteligencia artificial, si entrenas modelos con distintas canciones, puedes recrear música.
Empecé experimentando con el entrenamiento de una red neuronal multimodal, pero la calidad fue muy baja y el poder computacional requerido era alto. Investigando, encontré plataformas de suscripción que ya tienen modelos optimizados.
Me enfoco en canciones filosóficas. Hice una llamada 'Contra el rebaño', inspirada en ideas de Friedrich Nietzsche y Dostoevsky, que expresa una crítica al conformismo colectivo y la muerte de la individualidad dada la mentalidad del rebaño. También hice otra canción sobre el aceleracionismo efectivo (e/acc), una corriente del filósofo Nick Land que argumenta que el avance tecnológico es lo único que importa, sin considerar los costos sociales — ideas que han influenciado a figuras como Elon Musk, Peter Thiel y demás miembros de la élite tecnológica mundial. El estilo musical que elegí fue el rock y el metal rock, inspirado en bandas como Breaking Benjamin y Linkin Park.
El mito de la meritocracia y el mensaje a los egresados de UNITEC
Mucha gente dice que el mito de la meritocracia es un fraude, que no importa cuánto te esfuerces, siempre vas a continuar en el mismo lugar. Tiene algo de cierto, pero también tiene algo de falso. La realidad nunca es binaria sino que opera en un espectro de probabilidades. Como decía el maestro Yoda en Star Wars: solo los Sith piensan en absolutos.
Como egresado de UNITEC, puedo decir:
conozco muy bien la narrativa. Muchos pensarían que es difícil competir contra personas formadas en universidades con prestigio global como MIT… y aunque el origen importa, puede decir que importa más el conocimiento y lo que puedes hacer con él. La verdadera magia del campo tecnológico es que gran parte del tiempo con acceso a una computadora y conexión a internet puedes estar al mismo nivel que alguien estudiando en una universidad de élite.
Cuando era estudiante me dijeron que mi perfil era de un generalista, que debía especializarme en un solo campo. Años después descubrí que esa amplitud era precisamente mi ventaja competitiva. En una época donde la inteligencia artificial vuelve abundante el conocimiento especializado, la capacidad de conectar disciplinas se vuelve cada vez más escasa. La hiperespecialización es un riesgo de automatización; la polimatía es resiliencia.
Creo firmemente que el futuro no pertenece a quienes saben más sobre una sola cosa, sino a quienes pueden unir cosas que aparentemente no tienen relación, pero desde una visión estructural de sistemas complejos la tienen.
No puedes controlar las cartas que te tocaron al principio, pero sí puedes controlar cómo juegas. El camino no va a ser lineal ni justo… Va a ser duro, va a implicar sacrificios, y habrá momentos en que todo parezca ir en tu contra. Pero el que quiere, puede.
El único límite real es el que uno mismo se pone.
Hay que seguir hambrientos y alocados incluso cuando creamos que que no hay un mañana, pues de la forma como el éxito no es definitivo, el fracaso no es fatal. Lo que cuenta realmente es el coraje para continuar.
