Nuestro método · Estándar abierto, spec v1.1
El método detrás de todo lo que construimos y enseñamos. Un estándar abierto para construir software con agentes de IA que puedes verificar, no solo confiar.
~80 rondas de despliegue · 226 tareas archivadas · 159 fallos de proceso convertidos en reglas
Licencia abierta: documentación CC BY 4.0, código MIT. Nacido de un sistema real en producción.
Por qué existe: los equipos que tienen problemas con la IA rara vez usan peores modelos. Siguen con el mismo proceso, con mecanógrafos más rápidos. Las sesiones de IA en paralelo chocan, el contexto se pierde y nadie puede demostrar que el sistema seguirá funcionando mañana. ADP es la capa de proceso que cierra esa brecha.
El núcleo de la spec. Cada principio nació de un fallo real en producción.
Roles de agentes fijos con un contrato claro. El trabajo se les asigna según llega.
Cada afirmación lleva su comprobante. La comprobación la acepta o no.
Cada fallo se convierte en una regla que la siguiente ronda debe cumplir.
El coste se mide en tokens, no en jornadas, y se vincula a cambios entregados y verificados.
La documentación y las pruebas son el activo. Si puedes regenerar un módulo a partir de ellas, el sistema es tuyo.
PROTOCOL.md en GitHub es la referencia. Márcalo con una estrella, haz un fork, pídenos cuentas.
Para una pyme, se convierte en un ciclo sencillo de cinco pasos: identificar, planificar, hacer, comprobar, mejorar. Ver cómo lo aplicamos.
Medido en el sistema de producción de AVApmo y en un benchmark público de LLM. Las afirmaciones refutadas se publican junto a las que se sostuvieron.
Cifras re-medidas en v1.1.6 (agosto de 2026). Las cifras publicadas antes se corrigieron, y las correcciones son públicas. Herramientas actuales: v1.1.7 (octubre de 2026) — los hooks lo dicen cuando no pueden controlar, los límites de tamaño del archivo de tareas compartido pasaron a ser un script, y los commits nombran sus archivos de forma explícita. La spec sigue en 1.1. Leer el changelog.
Servicios sénior para equipos técnicos
Misiones de alcance cerrado para equipos que ya construyen con IA: calibración, referencias de medida y responsabilidad.
alcance cerrado · 2 días
Tu forma de programar con IA comparada con los fallos ya vistos en producción, incluida la capacidad de tu equipo de reconstruir un módulo a partir de su documentación y sus pruebas. Un diagnóstico escrito y una recomendación clara, sí o no.
Presupuesto tras una llamada
Reservar un diagnósticoalcance cerrado · misión de construcción
Sistemas de IA agéntica gobernados, desde la orquestación multiagente hasta RAG acotado y análisis de amenazas, más la capa de proceso ADP. Tu equipo queda formado para gestionarlo solo.
Presupuesto tras una llamada
Definir un proyectomensual
Dirección semanal sobre tus iniciativas de IA, revisión basada en evidencia del trabajo cerrado, y el método integrado en la forma de trabajar de tu equipo.
Presupuesto tras una llamada
ConsultarEl mismo protocolo se extiende a varios equipos organizados en células conectadas, con un orquestador y acuerdos versionados entre ellas. Es el diseño publicado para la adopción multiequipo. Aún no está probado en producción, y lo decimos.
Por qué ADP, la evidencia y el cambio de método, en 12 páginas. Para CTO, responsables de ingeniería y jefes de proyecto sénior.
También recibirás las novedades del protocolo. Puedes darte de baja cuando quieras. Privacidad
Nuevas versiones, resultados de benchmark y conclusiones de auditoría en cuanto salen. Nada más.
Puedes darte de baja cuando quieras. Privacidad
Sí, si un ingeniero sénior tiene unos meses libres. El protocolo es abierto. Una misión aporta la experiencia de los fallos de los que nació, referencias para saber si funciona y una mirada externa.
Son herramientas. ADP es el método a su alrededor: quién hace qué, cómo se comprueba el trabajo, cómo se mide el coste. Las herramientas se conectan a él.
No la hay. La spec es abierta y está hecha para difundirse. Lo que se paga es el diagnóstico, las referencias y la revisión, nunca el documento.
La muestra es pequeña: un sistema en producción y un benchmark público. El protocolo califica sus propias afirmaciones y publica sus errores. Lee el changelog y el historial antes de confiar en él.
Guillermo Blanco: 25 años dirigiendo programas en banca, seguros y SaaS, en Europa y Latinoamérica. PMP desde 2007, certificado Google Cloud Generative AI Leader. ADP es el método extraído de dirigir un equipo de agentes de IA en producción, errores incluidos.
