Seis frentes abiertos. Todos apuntan a lo mismo: que confiar en una IA
deje de ser un acto de fe.
Gobernanza y autorización
Cadenas de permisos trazables entre la intención del modelo y la acción real sobre archivos, APIs y datos.
Verificación de resultados
Cómo comprobar la salida de un modelo contra criterios definidos antes de darla por buena.
Interpretabilidad
Abrir la caja: qué se activa, por qué, y cuánto de la respuesta viene de dónde.
Arquitecturas de lenguaje
Entrenamiento propio, desde el tokenizador hasta la atención. El primer motor llegaba a una palabra; RIFT, mucho más ambicioso, no.
Agentes y herramientas
Modelos que ejecutan: aislamiento, límites de alcance y recibo de todo lo que tocaron.
Calibración y confianza
Que la seguridad declarada coincida con el acierto real. Un modelo que duda bien vale más que uno que afirma siempre.
05 — Método
Cómo investigamos.
Paso 01
Preguntar bien
Una pregunta mal planteada produce una demo bonita y ningún conocimiento. Primero se define qué contaría como respuesta.
Paso 02
Construir desde cero
Se implementa lo mínimo que responde la pregunta, sin apoyarse en abstracciones que esconden justo lo que se quiere estudiar.
Paso 03
Medir sin piedad
Si el resultado no se puede verificar, no cuenta. Los fallos se documentan igual que los aciertos: RIFT costó cerca de $1.200.000 COP y valió como lección.
Paso 04
Aplicar
Lo que sobrevive a la medición pasa a producto. La primera versión del sistema Origin ya predice movimiento en prótesis, en Robotics Lab, bajo el sello Leo-O.1.
06 — También publicado
Bitácora y notas.
Lo que no es una investigación pero cuenta cómo se llegó hasta aquí.
Los fallos se publican igual que los aciertos: si no, no es
investigación, es publicidad.