Mayo 27, 2026
Estas fueron las preguntas preparatorias para la entrevista que amablemente me hicieron los Profesores Mónica Pachón y Tito Pablo Neira de la Universidad de los Andes en el marco del programa de Gestión de la Innovación y la Tecnología.[1] Las respuestas son intencionalmente cortas y, por supuesto, la entrevista salió muy distinta. La versión en vivo puede encontrarse en YouTube: https://youtu.be/zfo35dutFNU?si=D3nAN-i1G3fvf6wH.
Apertura
Cuando usted estudiaba matemáticas, ¿imaginó terminar creando una empresa?
Para nada, cuando era niño quería ser futbolista y científico, después obviamente no podía ser futbolista y decidí estudiar física. Dejé de entender y me pasé a matemáticas. Ahí sí entendía un poco más, pero en todo ese trayecto en la vida quizás una vez pensé en poner un lugar de venta de sándwiches afuera del edificio G, no sabía que era una empresa.
¿Cuál es el mayor malentendido que tiene la gente sobre las matemáticas aplicadas?
Pensar que las matemáticas no sirven para mucho, excepto la aritmética. Pero cuando uno ve la eficacia casi irracional de las matemáticas, su ubicuidad, no puede dejar de pensar que hay algo casi místico como herramienta para pensar el mundo. Eugene Wigner escribió un artículo muy famoso sobre la efectividad casi irracional de las matemáticas para entender el mundo físico (mecánica cuántica, etc.), yo me di cuenta de que esa efectividad se extendía a las ciencias sociales, los negocios, etc.
¿Qué problema industrial lo hizo pensar: aquí hay una oportunidad empresarial?
No pensé mucho de esa forma y quizás ese ha sido un error por casi dos décadas. Yo simplemente pensé en que lo que me gustaba hacer y las matemáticas eran mi vocación, el quehacer matemático de modelar, enseñar, investigar, apreciar el mundo a través de las matemáticas y pensé que podía vender ese servicio de diseñar soluciones, y desarrollarlas. Quizás, lo que si encontré distintivo desde el primer momento, y lo vi como una oportunidad, fue convertir estos diseños y desarrollos en herramientas computacionales. La esencia de nuestra empresa (i.e., lo que llamamos MAD en la empresa: Matemáticas Aplicadas, Desarrollo y Despliegue).
El origen de Quantil
¿Cómo nace Quantil?
Siendo profesor de la Universidad de los Andes me di cuenta de que con el salario no me iba a dar para lo que yo quería para mí y mi familia. Para ganar más tenía que hacer consultoría entonces decidí hacerla en lo que me apasionaba.
¿Qué significa realmente “matemáticas aplicadas a la industria”?
En nuestro caso es, diseñar soluciones matemáticas, desarrollarlas formalmente, hacer pruebas de concepto y desplegarlas como software. En la industria financiera (optimización de portafolios) en petróleo y gas (compras inteligentes a proveedores, desarrollo de talento humano), logística (despachos óptimos, consolidaciones de carga), en licitaciones (ofertas optimas), etc. No tiene fin.
¿Cuál fue el primer proyecto donde dijeron: “esto sí funciona”?
¡Todos funcionaron! Sobre todo, al comienzo (hacíamos modelos de scoring para el sector financiero). Después vinieron los proyectos más difíciles: pronósticos del precio de la energía eléctrica en el mercado mayorista, fraude en servicios públicos, seguridad ciudadana (predicción de crimen) y comenzaron los problemas de datos, muestras sesgadas, etc. Pero todos esos problemas han sido una oportunidad. Siempre repito en la empresa, si el problema fuera difícil, no nos contratarían.
¿Cómo convencer a empresas de pagar por modelos matemáticos?
Como siempre la idea es cuantificar el valor agregado o el ROI. El problema es que en ocasiones no es fácil medirlo. Eso también demanda tiempo: Ecopetrol mide horas hombre ahorradas, certifica beneficios reales y futuros, ese tipo de valoraciones le toman tiempo a los equipos. En otras ocasiones la gente no entiende que existe una incertidumbre intrínseca en los resultados (pronósticos) o es muy difícil desentrañar qué es un resultado causal de uno que es esperado, etc. Pero el ejercicio de sentarse a pensar como se miden los resultados ya es en sí muy valioso.
¿Qué aprendió del mundo académico que sí sirve en empresa? ¿y qué no?
Todo lo bueno de la academia ha sido la base de la empresa: rigor, curiosidad científica, objetividad, honestidad intelectual, etc. En el mundo académico no aprendí a trabajar con este nivel de intensidad, riesgo y a sufrir tanto en el día a día. Como estudiante o profesor nunca me toco tomar decisiones con tanto impacto. Un mercado mal diseñado, un algoritmo con errores en el otorgamiento de crédito, una fórmula para calcular la redistribución de costos del sistema de salud, etc., afectan a muchas personas. Los errores como profesor o estudiante no tenían esa gravedad y la oportunidad de corregir sin mayores costos me parece mucho más clara.
Innovación: ¿Qué significa realmente?
En su experiencia, ¿qué es innovación y qué no lo es?
Nosotros somos una empresa rara. Todo lo nuestro lo mueve la curiosidad científica, el amor por las matemáticas (como pensamiento formal, argumentos precisos – como dicen Gale y Shapley sobre su definición de las matemáticas). Eso se considera un valor dentro de la empresa. De ahí salen investigaciones por puro placer como en la universidad. Perfiles como los nuestros tenemos muchas dificultades en pensar en el mercado, lo que se vende, por qué, etc. Ahora, para nosotros creo que la IA ha cambiado todo. Todo lo que nos aburría ahora puede ser interesante. Como decía Feynman, todo puede ser interesante si uno profundiza lo suficiente. Ahora prototipar, evaluar la competencia, el mercado etc., todo es un ejercicio de entrar en una conversación con una IA. No sería quizás la forma de hacerlo para aquellas personas buenas en los negocios pero sí creo que lo es fuertemente para una persona como yo. Ahora estoy pensando en cómo hacer dos productos y me paso todo el tiempo con Claude conversando hasta que me consumo los tokens.
¿Cuál es la diferencia entre digitalización e innovación real?
Para mi lo primero no tiene nada que ver. Digitalizar es una herramienta que permite gestionar el conocimiento de una empresa, mejorar sus procesos, construir un activo que puede ser comercializado, etc. Innovación es crear, imaginarse mundos alternativos, nuevos.
¿Qué industrias en Colombia usan mejor analítica avanzada?
Yo creo que el sector financiero, quizás la industria del mercadeo y publicidad, de resto creo que va mas por el tamaño de las empresas.
¿Dónde seguimos muy atrasados?
En el grado de maduración del vínculo empresa/academia/gobierno. Aún vemos estas como actividades como independientes. Una mayor fusión, no solo una colaboración desde diferentes orillas, creo que enriquecería mucho a todos. Los empresarios ven a los académicos como unos lunáticos, los académicos a los empresarios como personas que no hacen cosas interesantes, al gobierno lo vemos con mucha sospecha, dudamos de sus capacidades de análisis, eficiencia, que tienen los males de los otros dos, etc. Para que sea efectivo, la fusión tiene traer riesgo y retribuciones para la académica. Pensar que la consultoría es una forma de acercar la academia al mundo real es un poco ingenuo. Hay que realmente asumir los riegos de ese mundo para que se genere innovación y haya impacto.
¿Qué caracteriza a una empresa que sí logra incorporar ciencia de datos?
Es aterrador como han cambiado las cosas. La demanda cambió: ahora diseñar, desarrollar y desplegar agentes. En ese contexto el diseño sigue siendo central, en donde el ser humano hace la diferencia pues responde a la pregunta para qué, por qué voy a hacer lo que hago. Pero el desarrollo y despliegue hoy es completamente asistido por una IA. Internamente también todo cambió. Si fuera a comenzar una empresa de cero como la nuestra usaría el Founders Playbook de Claude como referencia para construir todo asistido por IA. No es el caso para todas las empresas, pero definitivamente cambiaron las herramientas para gestionar la parte administrativa, comercial, de idear, para el desarrollo de código, etc.
¿La innovación depende más de tecnología o de cultura organizacional?
Es pura cultura. La tecnología adecuada viene después.
¿Por qué tantas empresas compran tecnología, pero tan pocas transforman decisiones?
Creo que mi respuesta anterior lo explica. La tecnología es el cómo de un proyecto empresarial. Sin un ¿por qué?, o un propósito, seguro es muy poco su poder transformador.
Por eso he visto fracasar o patinar a muchas grandes organizaciones que, por ejemplo, se han enfocado en construir datalakes, comprar infraestructura y no comienzan por resolver problemas concretos de las organizaciones con una buena arquitectura, pensada de forma escalable, modular. He tenido la oportunidad de ver como organizaciones líderes en su industria en Latinoamérica han parado los desarrollos de IA en la organización, para primero organizar la casa. Eso es raro porque la casa nunca se termina de organizar, llegan nuevas tecnologías, cambian las necesidades, hay que construir sobre lo construido, etc. Ocho años después el resultado es que no son líderes en IA en su industria porque no comenzaron y no resolvieron problemas básicos ¿Por qué no tenemos un sistema de análisis longitudinal de imágenes diagnósticas basada en IA, con toda la información que tenían? ¿Por qué ahora toca salir a comprar software o el servicio por demanda? Por qué no diseñar una herramienta de optimización de despachos, consolidación de carga, ruteo, etc., antes de esperar que terminen la migración al último Oracle? Es en el diseño de las integraciones y modularidad y escalabilidad que está la ventaja competitiva. Lo perfecto es enemigo de lo bueno.
IA y el futuro de la consultoría
¿Cómo ha cambiado la IA el negocio de consultoría?
Es impresionante: la organización interna, los flujos de trabajo, las demandas de los clientes, lo que se entrega, los tiempos, todo!
¿Qué parte del trabajo analítico está siendo automatizada?
Mi experiencia: la parte comercial de apoyo, documentación, gestión de conocimiento área financiera, facturación, desarrollo de código, prototipos, investigación todo!
¿Qué habilidades se vuelven más valiosas ahora?
El criterio, las habilidades blandas, el que responde por qué hacemos lo que hacemos, y qué debemos hacer. El rol del producto manager, hace muy poco leí de un experto, Andrew Ng, que si antes se necesitaba 5 desarrolladores por cada product manager (5:1), ahora es más 2 :1 o 1:1.
¿Qué diferencia habrá entre una consultora tradicional y una empresa “AI-native”?
Basta darle una mirada al documento de Founders Playbook de Claude: Idear, prototipar, lanzar, escalar, todo asistido por IA en semanas y no meses.
¿Qué puede hacer hoy con un modelo generativo que hace 5 años requería un equipo completo?
Por ejemplo, una descripción buena del objetivo y usar una metodología como lean requirements (entendimiento del problema – crear un producto charter, definir roles, crear journey map, story map, plan de trabajo, historias de usuario, arquitectura, cálculo de horas hombre de desarrollo, etc.) me permitió definir todas las componentes de un producto en cuatro horas para un MVP sencillo de software de fútbol. Ahora el desarrollo es cuestión de dos semanas máximo.
¿Qué sigue necesitando pensamiento matemático profundo?
Qué hacemos y por qué, en nuestro caso sigue siendo una pregunta matemática. Como lo hacemos es el mundo de las herramientas, IA, tecnología. Cuando una empresa me dice tengo que sacar a licitación múltiples productos, estas son mis restricciones económicas, políticas, éticas, etc., etc. Si es un problema nuevo difícilmente te ayuda una IA a definir lo que hay que hacer. Si es revisar lo que otros han hecho bien. Pero, por ejemplo, para vender derechos de regasificación en Colomba, toca pensar. La IA no lo hace.
¿La IA democratiza el análisis o concentra más poder?
Sí, democratiza y nos da capacidades para hacer muchas más cosas y a muchas más personas, pero el analfabetismo digital claramente es un problema muy grande. Esto desde el punto de vista de la potencialización de las capacidades humanas, como lo ha sido tradicionalmente la educación. Desde el punto de vista empresarial es muy evidente la concentración del poder y riqueza, pero para eso lo que hay que aprender es a regular ese mercado de proveedores de modelos, infraestructura, fomentar la competencia, la entrada de jugadores, etc. Los economistas saben hacerlo y encontraremos la forma de hacerlo sin castigar excesivamente la innovación y cumpliendo estándares éticos.
Si hoy fundara Quantil desde cero, con la IA generativa disponible, ¿qué haría distinto?
Todo, si uno ve cómo comenzamos mi socio y yo programábamos, hacíamos la gestión documental, facturación, calculábamos en una hoja de Excel el P&G, etc. Todo. Comenzando es mucho más fácil organizarse con herramientas tecnológicas. Los extractos bancarios los leeríamos con un skill de Claude, el modelo financiero, proyecciones, etc. La búsqueda de licitaciones la haría otro agente. Seríamos menos desarrolladores, etc. En el fondo haríamos la parte más interesante, nos dedicaríamos a la semántica de lo que hacemos y menos a la sintaxis.
Talento, educación y futuro
Lo primero que debo decir es que en esto que nos metimos nosotros, o uno se reinventa, o se muere, o nunca crece.
¿Qué tipo de perfiles necesita hoy una empresa como Quantil?
Ciertas habilidades humanas serán cada vez más relevantes. Como nuestro negocio siempre ha sido el diseño de soluciones, desarrollo y despliegue, creo que lo que ha cambiado mucho en este proceso es el desarrollo y despliegue. Ahí estamos esperando más lo que dice Andrew Ng, muchos menos desarrolladores y una proporción mayor de pensadores, gente con teorías en su cabeza que las pongan a prueba y sugieran la forma de resolver problemas. Luego, hoy los matemáticos con algunas habilidades blandas, los economistas, físicos, biólogos, ingenieros industriales y quizás filósofos o personas con un marco de referencia distintos, serían ideales. Claro, los ingenieros de sistemas los amamos, son esenciales y además son grandes verificadores pero ya necesitamos es gente que llegue a la empresa con un conjunto de herramientas que podamos decir, llegó él, y su super asistente que nos cuesta 100 dólares adicionales al mes y listo.
¿Qué deberían aprender hoy estudiantes de matemáticas, economía, diseño, ingeniería o política pública?
La diferencia entre un científico de datos y un matemático, economista, etc. Es que los científicos de datos realmente saben muy poco de lo que se necesita para resolver problemas aplicados. Los economistas, físicos o abogados, por ejemplo, tienen un marco de pensamiento para interpretar la realidad. Yo veo un globo de aire caliente subiendo y pienso, los átomos del aire caliente se mueven más rápido, tiene más energía, se expanden, luego la densidad en el globo es menor y los átomos fríos que se mueven más lentamente, pesan menos entonces el aire caliente tiende a subir. Un científico de datos puro y duro piensa en los datos que podría recolectar del fenómeno, qué modelo explicaría ese fenómeno, habrá sobreajuste, no linealidades, etc. Realmente ve muy poco. Un economista ve los datos de ocupación hotelera y precios de los hoteles y se percata que están correlacionados de forma positiva. El científico de datos puro y duro lo llama el jefe y le dice, ¿qué debemos hacer para aumentar la ocupación hotelera y los ingresos? ¡El científico de datos responde, aumentar los precios! El economista se da cuenta que este es un problema de causalidad y lo que se observa es el equilibrio entre la oferta y la demanda y no solo la demanda. El economista tiene una teoría del mundo que pone a prueba en todo momento, buena o mala, pero es así como avanza el conocimiento.
Esta no es una crítica a los científicos de datos, es una exaltación de la teoría y lo que nos enseñan en la universidad y en las carreras tradicionales.
Pero para responder a la pregunta, aquello esencial que saben los científicos de datos y las herramientas de IA, hay que enseñarles todo a los demás. Todos debemos aprender a tener un asistente personal, haga la lista de lo que podría hacer un “esclavo” con PhD, eso es lo que hay que enseñarles a todos, a tener su esclavo computacional. A su vez, al científico de datos hay que enseñarle a ver el mundo a través de una teoría, como decía Feynman, la gloria de la ciencia es que haga evidente lo que observamos en el mundo.
Cierre
Termina amplio y visionario.
¿Qué problema grande de Colombia le gustaría ayudar a resolver desde las matemáticas y la IA?
El problema de inseguridad.
¿Qué lo sigue sorprendiendo intelectualmente hoy?
La velocidad a la que se producen los cambios, las revoluciones científicas de nuestra era. Antes tardaba siglos para que ocurriera un cambio de paradigma científico, social o tecnológico, después décadas y ahora siento que se está acelerando.
¿Qué pregunta cree que deberíamos estar haciéndonos sobre IA y todavía no hacemos?
Yo la verdad creo que las grandes preguntas sobre impacto, ética, riesgos humanos, tecnológicos, seguridad, etc., de alguna forma, en alguna parte del mundo todos están contribuyendo (no soy tan original ni he pensado tanto filosóficamente sobre esto). Yo me preocupo más por la velocidad a la que estos nuevos paradigmas cambian la sociedad colombiana. El mismo mundo académico lo encuentro muy rígido, con mucha inercia y eso refleja nuestra capacidad de adaptación y acompañamiento. Es como si siempre estuviéramos en el espejo retrovisor de las grandes revoluciones.
[1] https://nodo.uniandes.edu.co/eventos/conferencia-ecos-technological-innovation-managed/
