Entrevista Code and Theory

Engineer, Implementation (The Machine) · Entrevista grupal en inglés · Jueves 22 de octubre, 9:00 a. m. · Convoca Miguel Polo, HR Manager

COP 9.000.000 / mes (USD 2.893) + conectividad + equipo
100 % remoto
Contrato inicial 6 meses, renovable
Módulo 1

Qué es realmente este puesto

No es un puesto de "hacer software". Es un puesto de implementación: la plataforma ya existe (The Machine) y tú la conectas con las herramientas que cada agencia o cliente ya usa (Figma, Slack, Teams, Adobe, tableros de rendimiento), desde el alcance técnico hasta el día en que el cliente la usa en vivo. Cada cliente es un "workstream" que tú llevas de punta a punta, con apoyo de ingenieros senior y del Director de Implementación.

En la práctica, un día tuyo sería: entender cómo trabaja el equipo del cliente, decidir cómo se mapean sus datos a la plataforma, construir y configurar la integración, probarla, documentarla en un playbook para que la siguiente implementación sea más rápida, y avisar a tiempo de riesgos y bloqueos.

Lo que buscan, en una frase: alguien que ya construye con IA a diario ("AI native"), que sabe conectar sistemas por API, que entrega solo sin que lo lleven de la mano, y que explica con claridad a gente técnica y no técnica. Tú haces las cuatro cosas desde hace tres años.

Lo que piden y cómo lo traduces

PidenTu evidencia
2-5 años en implementación, solutions engineering o entrega técnica3 años montando sistemas en producción para 10+ marcas y un cliente industrial (MANESCO): alcance, construcción, salida en vivo, soporte
APIs, sistemas de datos, arquitecturas en la nubeShopify, Meta, Google, TikTok, WhatsApp Cloud API, Chatwoot; PostgreSQL; VPS Linux con Docker y pm2; Supabase; aprendiste AWS y desplegaste un pipeline serverless en una semana
Orquestar workflows de agentes y elegir modelo, herramientas y patrón por caso10+ agentes en producción en n8n con Claude y OpenAI; migraste dos bots a un modelo más pequeño con candados y vigilante; motor de contenido con Whisper y GPT
Revisar y endurecer salida de la IA (seguridad, escalabilidad, mantenibilidad)Protocolo propio de auditoría por niveles (BLINDAJE), batería de regresión antes de cambios, verificador de afirmaciones del bot
Prompts, frameworks de evaluación, documentación, sistemas de contexto operativoPrompts versionados, memoria de proyecto, LEEME por sistema, pruebas con usuarios A/B, evaluación adversaria del bot (11 rondas)
Comunicar riesgos y trade-offs; presentar a no técnicosReportas al CEO a diario; coordinas equipo de 11; propuestas y manuales para clientes
Playbooks y materiales de onboardingPlantillas de bots replicables por marca ("una marca nueva en días"), guías de operación, cursos internos
Nice to have: agencias, marketing analytics, sistemas agénticosVienes del marketing: 3 años de pauta Meta/Google/TikTok, CPA por anuncio, tableros; sistemas multiagente
💬 Tutor · este módulomisma conversación en todos los módulos
🧩 Traduce el rol a mi experiencia📖 Palabras del rol🎤 Simulacro
Módulo 2

Quiénes son y qué es The Machine

Code and Theory es una agencia digital de Nueva York (One World Trade Center) que pertenece a Stagwell, uno de los grandes grupos de marketing del mundo. En 2026 está en la Ad Age A-List, Adweek la nombró agencia más innovadora y The One Show la nombró "AI Pioneer" del año. Clientes nombrados en prensa: Amazon, Apple, Microsoft, Qualcomm, Time, Stanley Black & Decker.

The Machine es el producto que vas a implementar. Stagwell lo lanzó el 5 de enero de 2026 en el CES como "el primer sistema operativo agéntico del marketing". Lo construyó Code and Theory. La idea: en vez de reemplazar las herramientas de una agencia, se pone encima de ellas y conecta briefs, piezas creativas y planes de medios con una red de agentes de IA que planean, ejecutan y optimizan, mientras los equipos fijan metas y límites. Primero lo usaron las agencias del grupo; desde el primer trimestre de 2026 se vende a empresas, y para eso necesitan implementadores. Tu cargo existe porque están escalando ese despliegue.

Por qué esto te favorece: The Machine hace a escala de agencia lo que tú hiciste a escala de un grupo de marcas: unir brief, creativo, pauta y datos en un solo sistema con agentes. Cuando describas tu ciclo de pauta a ventas (anuncio → CPA real → artes nuevas → calendario), estás describiendo un mini The Machine. Dilo con esas palabras.

Cómo funciona The Machine (lo que es público)

El problema: en una agencia una campaña pasa por cinco equipos con cinco herramientas que no se hablan (brief en un documento, diseño en Figma o Adobe, coordinación por Slack o Teams, pauta en Meta y Google, resultados en tableros). Cada traspaso pierde información, y lo aprendido en los resultados casi nunca vuelve al brief siguiente.

Las tres piezas:

  1. Columna estratégica (strategic spine). Una sola fuente de verdad donde estrategia, briefs, piezas y planes de medios viven conectados. El brief sabe qué piezas salieron de él y qué resultados dieron.
  2. Agentes. Planean, ejecutan y optimizan tareas de estrategia, creativo, producción y medios con esa inteligencia compartida. Los equipos fijan metas y límites y supervisan. Ejemplos publicados: producción creativa a escala manteniendo coherencia de marca; seguimiento en tiempo real que alimenta decisiones creativas.
  3. Mini-Machines. Plugins que se meten dentro de Figma, Slack, Teams, Adobe y los tableros. El diseñador no sale de Figma: The Machine llega a Figma.

El ciclo: brief → piezas → plan de medios → resultados → el sistema aprende y el siguiente brief arranca mejor. Es tu ciclo de pauta a ventas (anuncio → CPA real → artes nuevas → calendario) a escala de agencia.

Dónde entras tú: cada cliente tiene sus herramientas, sus datos en formatos distintos y su forma de trabajar. Entiendes cómo trabajan y dónde les duele; decides cómo se mapean sus datos (qué es un brief para ellos, dónde viven las piezas, qué tablero mide qué); conectas sus herramientas con las Mini-Machines y las APIs; pruebas, sacas en vivo, documentas el playbook y formas al equipo; avisas a tiempo de riesgos ("este cliente no tiene los datos de medios en ningún tablero, hay que resolverlo antes del go-live").

Contexto para la conversación: lanzado el 5-ene-2026 en el CES por Stagwell (dueño de Code and Theory). Primero lo usaron las agencias del grupo; desde el primer trimestre se vende a empresas, por eso contratan implementadores. Stagwell fichó a Slavi Samardzija (exlíder de Omni en Omnicom) para desplegarlo en todo el grupo. Compite con WPP Open y Omni. Clientes nombrados: Qualcomm, TIME, Stanley Black & Decker, Henry Schein, T. Rowe Price. The One Show nombró a Code and Theory "AI Pioneer 2026" citando The Machine. La arquitectura interna no es pública: lo que te cuenten mañana es información nueva, anótala.
How much of a client implementation is configuring the Mini-Machines inside their tools, versus building custom integrations against their data?¿Qué parte de una implementación es configurar las Mini-Machines dentro de sus herramientas, y qué parte es construir integraciones a medida contra sus datos?
When a client's data isn't clean or isn't in a dashboard yet, how does the implementation team handle that before go-live?Cuando los datos del cliente no están limpios o todavía no están en un tablero, ¿cómo lo maneja el equipo de implementación antes de salir en vivo?

Quién te entrevista

Miguel Polo es HR Manager y convoca; escribió en español, pero la entrevista es en inglés. Lo normal en una grupal de primera ronda: HR más uno o dos del equipo técnico (probablemente el Director de Implementación o un ingeniero senior) y de 3 a 6 candidatos. El objetivo de ellos es filtrar: inglés, claridad, encaje real con "implementación" y actitud. No esperes preguntas de código.

Fuentes para leer esta noche (10 minutos): Code and Theory sobre The Machine en el CES, comunicado de Stagwell, Adweek: dentro del sistema operativo agéntico.

💬 Tutor · este módulomisma conversación en todos los módulos
🧩 The Machine con mis ejemplos❓ Qué preguntar sobre The Machine🎤 Simulacro
Módulo 2c · investigación 21-oct-2026

The Machine a fondo: lo que casi nadie va a saber mañana

Informe completo con fuentes y fechas en CV-ISAAC-IA/INFORME-THE-MACHINE-2026-10-21.md. Aquí lo que te sirve en la entrevista. "Confirmado" viene de Stagwell, Code and Theory, la SEC o prensa; "inferido" es deducción.

Tres noticias de esta semana (úsalas)

1. Ayer, 20 de octubre: Stagwell relanzó toda su IA bajo la marca "Stagwell AI". The Machine ahora se llama "The Machine OS" y es la pieza central de la familia "Stagwell Machines": The Machine OS (Code and Theory), The Targeting Machine (con Palantir), The Knowledge Machine y The Media Machine (GALE). Hay un nivel mid-market y un autoservicio para pymes, "NEW by Stagwell AI".
2. Hace una semana, 14 de octubre: Stagwell firmó un acuerdo de 3 años con ServiceNow: ServiceNow usa The Machine en toda su empresa y ambas crean equipos cruzados de "Forward Deployed Engineers" incrustados en la organización del otro. Code and Theory está nombrada. Es el modelo de trabajo de tu rol.
3. En julio: Code and Theory compró QStrauss Consulting, de Medellín, firma de implementación de Adobe (clientes Walmart, BBVA, Santander, OXXO, Bimbo). Es muy probable que tu equipo o parte de él esté en Medellín y que el trabajo tenga un componente Adobe fuerte.
I saw that Stagwell relaunched everything yesterday as "Stagwell AI", with The Machine OS at the center, and the ServiceNow deal last week with forward deployed engineers. That's exactly the kind of implementation work I want to do.Vi que Stagwell relanzó todo ayer como "Stagwell AI", con The Machine OS en el centro, y el acuerdo con ServiceNow de la semana pasada con ingenieros desplegados en el cliente. Es exactamente el tipo de trabajo de implementación que quiero hacer.

Cómo lo describe el dueño

Mark Penn, CEO de Stagwell, en la llamada de resultados de marzo: "a marketing operations operating system, or MOOS, as I call it... It's like Windows, only for marketing", y "a new way to run their marketing tech stack, independent of any holding company or application". Michael Treff, CEO de Code and Theory: "We're not asking you to abandon your infrastructure". Si en la entrevista dicen "MOOS", ya sabes qué es.

Los cinco bloques que demostraron en el CES (texto oficial)

  1. Cross-functional orchestration: estrategia, creativo, producción y medios con inteligencia compartida.
  2. Intelligence in context: los Mini-Machine plugins dentro de las herramientas que el marketer ya usa.
  3. Unified strategic spine: una sola fuente de verdad que une estrategia, creativo y rendimiento; cada campaña aprende de la anterior.
  4. Content production at scale: producción asistida por IA que conserva la integridad de marca.
  5. Real-time performance tracking: ciclo cerrado que devuelve los resultados a las decisiones creativas.

Arquitectura: confirmado vs. inferido

TemaConfirmadoInferido (no lo afirmes, pregúntalo)
AgentesAgentes que planean, ejecutan y optimizan; los equipos fijan metas y límites y supervisan. Nadie nombra agentes individuales. The Media Machine declara "20+ agentes". Hay un "Research Agent" en el Creative Intelligence System (con Adobe) que explica qué funciona y genera personas sintéticas.Multi-modelo con enrutamiento por tarea (Stagwell integra OpenAI, Gemini, Anthropic, Perplexity y Grok en otros productos). No se sabe qué LLM usa The Machine.
Mini-MachinesPlugins que incrustan agentes en Figma, Slack, Teams, Adobe, Workfront, Monday, tableros, data lakes y herramientas internas del cliente.Muy probable uso de MCP y comunicación agente a agente (Agent Cloud ya integra servidores MCP; Machine y Media Machine "se hablan agente a agente").
Strategic spine"Every brief, creative asset and media plan feeds a system that adapts over time."Puede ser un grafo propio, apoyarse en la Ontology de Palantir o en el data lake del cliente. Nadie publicó el diagrama.
Arquitectura abiertaInforme anual 2025: "open architecture" donde encajan Palantir (Foundry), Adobe y Gradial. Incluye el Content Supply Chain (CSC): planear, crear, revisar y lanzar contenido con retroalimentación en tiempo real.El CSC se apoya en Adobe Workfront (flujo) y AEM Assets (activos), según la sesión de Stagwell en Adobe Summit 2026.
Despliegue y nube"Disponible para despliegue empresarial" desde el primer trimestre de 2026.No se sabe si es SaaS multi-cliente, instancia dedicada o en la nube del cliente, ni qué proveedor. Pregunta de oro.
DatosCon Palantir usan privacidad diferencial (alianza con Harvard OpenDP). Agent Cloud promete no entrenar modelos con datos del cliente.The Machine no lo declara explícitamente.
OrigenPrimero fue el sistema interno de Stagwell (2025): "sistema nervioso central" para conectar datos, personas y herramientas de todas sus agencias, con ahorro de ~15 %. Luego se convirtió en producto.

Integraciones confirmadas por nombre

Figma, Slack, Microsoft Teams, Adobe (Experience Platform, Real-Time CDP, GenStudio, AEM, Workfront), Monday, tableros de rendimiento, data lakes, Palantir Foundry (vía la Targeting Machine), ID Graph de The Marketing Cloud, ServiceNow. En el lado de medios (Media Machine): Google Marketing Platform, Meta, Microsoft/LinkedIn, TikTok, The Trade Desk. No confirmados: Google Ads directo, Salesforce, HubSpot, Snowflake. Gradial (socio) es un agente que ejecuta contenido dentro de CMS y DAM (AEM, Sitecore, Contentful, WordPress, Salesforce Marketing Cloud): la "última milla" de publicar.

Clientes y números reales (voz de Mark Penn)

Cómo se implementa (lo que revelan las vacantes)

La vacante de Director of Implementation de Code and Theory (150 a 225 mil USD, Nueva York) describe a tu jefe: lidera "implementación de punta a punta en entornos de cliente y agencia, desde el alcance técnico hasta la adopción", escribe código a diario, dirige "un equipo de implementation engineers y solution architects", traduce requisitos del cliente en planes de despliegue, diseña integraciones con Figma, Slack, Teams, Adobe y tableros, y mide adopción tras el lanzamiento con métricas, capacitación y seguimiento. Vacantes hermanas: Solution Architect Workfront, Adobe Multi-Solution Architect (AEP/CDP), Forward Deployed Product Manager. Stagwell también contrata "AI Forward Deployed Engineers".

Fases implícitas: alcance técnico → despliegue → integración con las herramientas existentes → capacitación → seguimiento de adopción con métricas por proyecto. Equipo tipo (inferido): Director + implementation engineers + solution architects de Adobe + forward deployed PM, con el equipo de plataforma detrás. Estrategia comercial: "ir primero a los clientes existentes" (Penn); Michael Twedell, SVP de Enterprise AI Solutions desde abril, vende The Machine a empresas.

Competencia y por qué Stagwell dice ser distinta

WPP Open (28.000 empleados, Open Pro autoservicio), Omnicom Omni (ahora con Acxiom e Interact de IPG), Publicis CoreAI, dentsu Connect. Forrester (Jay Pattisall) llama a The Machine "segunda generación" porque interopera con la tecnología del cliente mientras Omni y WPP Open son cerrados; también dice que "la agencia de registro se convierte en el algoritmo de registro". Slavi Samardzija, que construyó Omni en Omnicom, hoy dirige datos y plataformas en Stagwell. Crítica publicada: la ejecución "está por verse" y The Media Machine "aún no está completamente integrada".

Code and Theory por dentro

Glosario corto

TérminoQué es
The Machine OS / MOOSEl sistema operativo agéntico de marketing; "Windows para marketing".
Stagwell MachinesLa familia: Machine OS, Targeting Machine, Knowledge Machine, Media Machine.
Mini-MachinePlugin que mete agentes dentro de Figma, Slack, Teams, Adobe.
Strategic spineFuente única de verdad que une brief, creativo y resultados.
Content Supply Chain (CSC)Flujos de planear, crear, revisar y lanzar contenido, con Adobe.
Targeting Machine (antes SATS)Audiencias con Palantir Foundry y el ID Graph de Stagwell.
Forward Deployed EngineerIngeniero incrustado en el cliente que implementa y logra la adopción.
EvalsPruebas automáticas que miden si un sistema de IA responde bien.
MCP / A2AProtocolos para que agentes usen herramientas y se hablen entre sí.
Workfront / AEMAdobe: gestión de proyectos y aprobaciones / gestión de activos y contenido.

Las cinco preguntas que demuestran que investigaste (elige una)

How is The Machine OS deployed for a client: shared SaaS, a dedicated instance, or inside the client's cloud? And which cloud providers do you support today?¿Cómo se despliega The Machine OS para un cliente: SaaS compartido, instancia dedicada o dentro de la nube del cliente? ¿Qué proveedores de nube soportan hoy?
In a typical rollout, how much of the work is Adobe (Workfront, AEM) versus custom integrations against the client's own tools?En una implementación típica, ¿cuánto del trabajo es Adobe (Workfront, AEM) y cuánto son integraciones a medida contra las herramientas propias del cliente?
Do the Mini-Machines talk to the platform through MCP or agent-to-agent protocols, or through your own connectors? Is there an SDK to build new ones?¿Las Mini-Machines hablan con la plataforma por MCP o protocolos agente a agente, o por conectores propios? ¿Hay un SDK para construir nuevas?
What adoption metrics define a successful implementation after go-live?¿Qué métricas de adopción definen una implementación exitosa después del go-live?
How does the Medellín team from QStrauss fit into The Machine implementations?¿Cómo encaja el equipo de Medellín de QStrauss en las implementaciones de The Machine?
💬 Tutor · este módulomisma conversación en todos los módulos
📌 Resumen en 5 frases🗣️ Cómo lo menciono🎤 Simulacro
Módulo 2d · chuleta para tener abierta durante la entrevista

La familia Stagwell AI, Palantir y cómo se pronuncia todo

Qué es Palantir

Empresa de software de Estados Unidos (2003), primero famosa por analizar datos para gobiernos y ejércitos, hoy una de las más grandes de IA empresarial. Su producto para empresas es Foundry: toma datos de muchas fuentes (ventas, CRM, inventario, pauta), los limpia, los une en un mapa del negocio que llaman Ontology (qué es un cliente, un pedido, una campaña, y cómo se relacionan) y deja que agentes de IA razonen y actúen sobre ese mapa con reglas y permisos. Palantir inventó el modelo de Forward Deployed Engineer: ingenieros que van a vivir dentro del cliente a implementar. Por eso Stagwell usa tanto ese término.

Tu equivalente: Foundry es lo que hiciste a mano para el grupo: juntar Shopify, pauta, WhatsApp y despacho en un CRM con una sola verdad y poner agentes encima. Palantir lo hace para empresas del tamaño de un banco, con privacidad y permisos de nivel gobierno. Con Stagwell usan "privacidad diferencial" (alianza con Harvard OpenDP) para proteger los datos de audiencias.

La familia Stagwell Machines (relanzada el 20-oct-2026)

MachineQuién la haceQué haceTu equivalente
The Machine OSCode and TheoryEl sistema operativo: une brief, creativo, producción y medios con agentes y plugins (Mini-Machines). Es la que tú implementarías.Tu CRM más los bots: la capa que une todo
The Targeting Machine (antes SATS)Stagwell con PalantirAudiencias: combina datos propios del cliente, de terceros y señales de comportamiento sobre Palantir Foundry y el ID Graph de Stagwell, con privacidad diferencial, para decidir a quién mostrar qué. Penn: "el santo grial del marketing". Primer uso externo: GSTV con Conagra (Slim Jim).Tus públicos en Meta Ads, pero construidos con datos reales del cliente en vez de los de la plataforma
The Knowledge MachineStagwell (nueva, 20-oct)Inteligencia de decisión para líderes de comunicación: investigación, tendencias, qué dice la gente, para decidir estrategia. La menos documentada.Tu LINKS-INTEL y los informes para el CEO
The Media MachineGALE (agencia de medios de Stagwell), jun-2026Pauta de punta a punta con más de 20 agentes: planear, comprar en Google Marketing Platform, Meta, Microsoft/LinkedIn, TikTok y The Trade Desk, y optimizar. Se habla "agente a agente" con The Machine OS. Forrester dice que "aún no está completamente integrada".Tu ciclo de pauta: CPA por anuncio, vigilante, subir y bajar presupuestos

Las cuatro se venden juntas o por separado. The Machine OS es la columna; las otras tres son especialistas que se enchufan a ella. Lo lidera Elspeth Rollert, CEO de The Marketing Cloud (el brazo de software de Stagwell). Campaña de lanzamiento B2B a cargo de la agencia Doner.

Los tres niveles de venta

Otras piezas que pueden nombrar

NombreQué es
The Marketing Cloud (antes Stagwell Marketing Cloud, SMC)El negocio de software de Stagwell (105 M USD en 2025). Opera Agent Cloud, el ID Graph, Harris Quest. Ahora es la marca paraguas de Stagwell AI.
Agent CloudMarketplace de agentes con acceso a varios LLM; promete no entrenar modelos con datos del cliente; integra servidores MCP de terceros.
ID GraphGrafo de identidad propio de Stagwell para planificar por audiencias.
Content Supply Chain (CSC)Flujos dentro de The Machine, con Adobe (Workfront, AEM Assets), para planear, crear, revisar y lanzar contenido. Doner y Colle McVoy lo adoptaron primero.
Creative Intelligence System (CIS)Solución Code and Theory + Adobe (abr-2026, sector financiero): personas sintéticas desde Real-Time CDP, prueba de mensajes antes de bloquear el creativo, un "Research Agent" que explica qué funciona.
Content Operating System (COS)Segunda solución con Adobe (jun-2026, deportes). Plan: 7 soluciones por industria.
Gradial / "Grady"Socio: agente que ejecuta contenido dentro de CMS y DAM (AEM, Sitecore, Contentful, WordPress, Salesforce Marketing Cloud). La "última milla" de publicar.
Stagwell Search+Plataforma para ganar en buscadores con IA (OpenAI, Gemini, Perplexity, Grok, Anthropic). Caso JBL: +4.700 % de referidos desde chatbots.
newvoices.AIAgentes de voz para ventas, soporte y retención (dic-2025).
QStraussFirma de Medellín de implementación Adobe comprada por Code and Theory (jul-2026). Clientes: Walmart, BBVA, Santander, OXXO, Bimbo.

Personas que pueden salir

NombreQuién es
Mark PennPresidente y CEO de Stagwell. Llama a The Machine "MOOS" y "Windows para marketing".
Dan GardnerFundador y chairman de Code and Theory. "Most marketing AI tools ask you to rip out your infrastructure; The Machine does the opposite."
Michael (Mike) TreffCEO de Code and Theory. "We've turned marketing operations into a unified system rather than a collection of tools."
Christine ClarkHead of production and marcom de Code and Theory. "It connects to everything that the team does."
Slavi SamardzijaChief Data and Platforms Officer de Stagwell; construyó Omni en Omnicom; despliega The Machine en todo el grupo.
Michael TwedellSVP Enterprise AI Solutions (abr-2026): vende The Machine a empresas.
Elspeth RollertCEO de The Marketing Cloud; lidera la marca Stagwell AI.
Miguel PoloHR Manager de Code and Theory; te convocó.
Jay PattisallAnalista de Forrester: The Machine es "segunda generación" porque interopera con el stack del cliente.

Cómo lo dices en la entrevista

I read that yesterday Stagwell relaunched everything as Stagwell AI: The Machine OS at the center, plus the Targeting Machine with Palantir, the Knowledge Machine and the Media Machine. And there's a self-service version for small businesses. I'd be implementing the OS, which is the piece that connects the others.Leí que ayer Stagwell relanzó todo como Stagwell AI: The Machine OS en el centro, más la Targeting Machine con Palantir, la Knowledge Machine y la Media Machine. Y hay una versión de autoservicio para pymes. Yo implementaría el OS, que es la pieza que conecta a las demás.

Pronunciación

PalabraSe dice
Stagwell AISTAG-wel, ei-ái (sin e de apoyo al inicio; AI deletreado)
Code and Theorycoud an ZÍ-o-ri (th suave, acento en ZÍ)
The Machine OSde ma-SHÍN ou-ES
Mini-MachineMÍ-ni ma-SHÍN
Palantir / FoundryPÁ-lan-tir / FÁUN-dri
GALEgueil
ServiceNowSÉR-vis-nau
Figma / WorkfrontFÍG-ma / UÉRK-front
Adobea-DÓU-bi (tres sílabas)
QualcommKUÁL-com
Forward deployedFÓR-uard di-PLÓID
Strategic spinestra-TÍ-yic spáin
Orchestrationor-kes-TRÉI-shon
GuardrailsGÁRD-reils
Rollout / go-liveRÓUL-aut / gou-LÁIV
💬 Tutor · este módulomisma conversación en todos los módulos
🧩 Las 4 Machines con mis ejemplos🔊 Pronunciación de…🎤 Simulacro
Módulo 2b

Las herramientas que vas a conectar

Todas se conectan igual que ya conectas WhatsApp, Shopify o Chatwoot. Cambia el nombre, no el método.

HerramientaQué esCómo se conectaTu equivalente
SlackEl WhatsApp de las empresas de EE. UU.: canales por proyecto, mensajes, archivosApps de Slack: OAuth (el cliente autoriza), API para leer y publicar, webhooks cuando pasa algo, botones y comandos tipo /brief. Una Mini-Machine en Slack recibe un brief de un canal o avisa cuando una pieza queda aprobadaAlertas de Telegram y bot de tareas del equipo: token, canal, mensaje, webhook
Microsoft TeamsSlack para empresas con Microsoft 365Microsoft Graph API (la puerta única de Teams, Outlook, SharePoint). Las apps se registran en Azure (por eso lo nombran) y los permisos los aprueba el administrador del cliente: bloqueo típicoMismo patrón, más burocracia
FigmaDonde los diseñadores hacen las piezasAPI para leer archivos, páginas, capas, comentarios y exportar imágenes; webhooks cuando un archivo cambia; plugins en JavaScript que corren dentro de Figma. Una Mini-Machine en Figma es casi seguro un plugin: conecta la pieza con el brief, revisa coherencia de marca, exporta variantesTus pipelines de artes: generas variantes, nombras, exportas. Aquí el diseño vive en Figma y lo lees por API
AdobeVarios mundos: Creative Cloud (Photoshop, Illustrator, Premiere, Firefly) y Experience Cloud (Workfront para aprobaciones, AEM para activos y contenido)OAuth vía Adobe I/O. En agencias grandes "integrar con Adobe" suele ser Workfront o AEM. Pregunta siempre "¿cuál Adobe?"Tu carpeta de artes y la Parrilla del CRM: dónde viven los activos finales y quién los aprueba
Tableros de rendimientoDatos de medios: Meta Ads, Google Ads, DV360, TikTok, GA4; tableros en Looker, Power BI, TableauAPIs de cada plataforma o lectura del tablero. The Machine necesita los resultados para cerrar el ciclo brief → resultadosTu colector de Meta Insights al CRM, CPA por anuncio, paneles de pauta. Lo que mejor dominas

El método común (ya lo aplicas)

  1. Autenticación. Casi todo es OAuth 2.0: el cliente autoriza, recibes un token que caduca y un refresh token. Lo viviste con Meta y Google Ads. Palabras: token, scopes (permisos), refresh.
  2. Leer y escribir por API REST. Endpoints, JSON, límites de peticiones, paginación. Igual que Shopify.
  3. Webhooks. La herramienta te avisa cuando algo pasa, en vez de preguntar cada 2 horas. Igual que los mensajes entrantes de WhatsApp.
  4. Plugins o apps dentro de la herramienta. Lo nuevo: la Mini-Machine vive dentro de Figma o Slack. Son apps pequeñas en JavaScript con interfaz propia. No las construyes desde cero: las configuras por cliente y construyes lo que falte alrededor.
  5. Mapeo de datos. La implementación real: "el canal #campaña-x es el brief del proyecto X", "la página Final del archivo de Figma son las piezas aprobadas", "la columna CPA del tablero es el resultado". Es lo que hiciste con MANESCO al convertir formatos en papel en tablas.
  6. Probar, salir en vivo, documentar. Como siempre.
Lo que necesitas saber mañana, no más: qué es cada herramienta y para qué la usa una agencia; que todas se conectan con OAuth, REST y webhooks; que las Mini-Machines son plugins dentro de la herramienta y tu trabajo es configurarlas y conectarlas a los datos del cliente; que los bloqueos típicos son permisos de administrador (Teams, Adobe) y datos de medios que no están en ningún tablero.
I haven't used the Figma or Teams APIs in production, but I've connected more than ten APIs: WhatsApp, Shopify, Meta, Google, TikTok. They all work the same way: OAuth to get access, REST to read and write, webhooks to get notified. I'd read the docs, make one call work, and then build the connection.No he usado las APIs de Figma o Teams en producción, pero he conectado más de diez APIs. Todas funcionan igual: OAuth para el acceso, REST para leer y escribir, webhooks para que avisen. Leería la documentación, haría funcionar una llamada y construiría la conexión.
💬 Tutor · este módulomisma conversación en todos los módulos
🔑 OAuth, webhooks, plugins🧩 Conectar una Mini-Machine🎤 Simulacro
Módulo 3

Cómo se gana una entrevista grupal

En una grupal tienes 3 o 4 oportunidades de hablar, de 60 a 90 segundos cada una. Te comparan en directo. Reglas:

Si el inglés se te traba: respira, baja la velocidad y usa frases cortas. Nadie penaliza el acento; penalizan no entenderte. Si no entendiste una pregunta: "Sorry, could you repeat the last part?" Es normal y suena profesional.
💬 Tutor · este módulomisma conversación en todos los módulos
🎤 Simulacro grupal🧘 Si me trabo🎤 Simulacro
Módulo 4

Por qué encajas, con evidencia

Historia 1: la capa de integraciones (para "APIs, data mapping, integraciones")

Un grupo de 10+ marcas de e-commerce con Shopify, tres plataformas de pauta, WhatsApp y un CRM propio. Construiste la capa que lo une: n8n con nodos de JavaScript, webhooks, sincronización cada 2 horas, conciliación entre la tienda y el despacho, alertas por Telegram. Resultado: el cierre del día que la gerencia usa a diario, y una conciliación que detectó cerca de un cuarto de pedidos estancados que nadie veía.

We have more than ten online stores. Each one has Shopify, ads on Meta, Google and TikTok, WhatsApp, and our own CRM. I connected all of that with n8n, some JavaScript and webhooks, so the data moves by itself. The part I'm most proud of is a check between the store and the shipping company: it showed that about one in four orders was stuck in the middle and nobody knew. Today management opens that dashboard every morning.Para un grupo de más de 10 marcas construí la capa de integraciones… Lo que más orgullo me da es la conciliación entre tienda y despacho: mostró cerca de un cuarto de pedidos atascados que nadie veía.

Historia 2: agentes en producción con evaluación (para "orquestar agentes, elegir modelo, endurecer salida de la IA")

Más de 10 agentes de WhatsApp que califican y venden, con memoria, visión y voz. Migraste dos a un modelo más pequeño con un candado anti-razonamiento y un vigilante; mantuviste una batería de regresión que corre antes de cualquier cambio; montaste un verificador de afirmaciones para que el bot no prometa lo que no puede cumplir, probado en 11 rondas de adversario.

I run more than ten AI agents on WhatsApp. They answer customers and close sales. With that many conversations, the model you choose matters: I moved two bots to a smaller, cheaper model, added limits and a watchdog, and the quality stayed the same. Before any change goes live, I run a set of automatic tests. And the sales bot has a checker so it never promises something we can't deliver. That's how I treat AI output: test it, put limits on it, watch it. I don't just trust it.Elegir el modelo por tarea importa mucho a ese volumen… Nada sale sin batería de regresión… Así entiendo endurecer la salida de la IA: pruebas, candados y monitoreo, no confianza.

Historia 3: una implementación completa para un cliente (para "workstream de punta a punta, playbooks, stakeholders no técnicos")

MANESCO, empresa de estructuras metálicas que trabajaba a mano. Levantaste sus formatos reales, construiste el sistema de gestión (cotizaciones con recargos de ley, inventario, horas por centro de costo, vehículos), lo sacaste a producción, documentaste y formaste al equipo. El dueño pide cambios en lotes y tú los priorizas y entregas. Es exactamente un "implementation workstream".

The closest thing to this role is a project I did for a metal-structures company. They ran everything on paper and Excel. I sat with the owner, understood how they worked, built the system around their real documents, put it live, wrote the guide and trained the team. Since then, every time they ask for changes I do the same loop: understand, build, test, deliver. Each round is faster than the last.Lo más parecido a este rol es una implementación que llevé de punta a punta para un cliente industrial… El mismo ciclo cada vez, así la siguiente implementación es más rápida.

Historia corta de reserva: aprender una plataforma nueva rápido

When I needed AWS for a project, I had never used it. I read the documentation, got one small piece working in two days, and had the whole thing running within the week. I would do the same with Figma or Adobe: read the docs, make one call work, then build.Cuando necesité AWS nunca lo había usado… Así abordaría las APIs de Figma o Adobe: documentación, una llamada exitosa, luego construir.
💬 Tutor · este módulomisma conversación en todos los módulos
🔢 Mis números🗣️ Historia 1 en mis palabras🎤 Simulacro
Módulo 5

Tu guion en inglés

Pitch de 60 segundos (memorízalo)

Hi, I'm Isaac, from Medellín.

For the last three years I've worked for a group of more than ten online stores. I'm the one who connects all our systems: the store, the ad platforms, WhatsApp and our own CRM. I also built more than ten AI agents that talk to customers on WhatsApp and close sales.

AI is at the center of how I work. I build with AI every day, but I'm responsible for the result, so I test everything, I add limits to the agents and I monitor them in production.

I come from marketing, so I understand briefs, creative work and ad results. That's why The Machine caught my attention: it connects the same things I connect one by one in my job.

I want to do that for real teams, from the first meeting to the day they use it.Soy el que conecta todos nuestros sistemas · bots que atienden y venden · la IA es el centro de cómo trabajo, pero yo respondo por el resultado: pruebo todo, les pongo límites y los vigilo en producción · vengo del marketing · The Machine hace junto lo que yo hago pieza por pieza · quiero hacerlo de punta a punta.
DicesSignifica
I'm the one who connects all our systemsYo conecto la tienda, la pauta, WhatsApp y el CRM
AI is at the center of how I workLa IA es mi herramienta principal, todo el tiempo
I'm responsible for the resultSi algo sale mal, respondo yo, no la IA
I add limits to the agentsLes pongo candados para que no inventen ni prometan de más
I monitor them in productionLos vigilo cuando ya atienden clientes reales
briefs, creative work and ad resultsLo que pide el cliente, las piezas y cómo rinde la pauta
it connects the same things I connect one by oneThe Machine hace junto lo que yo hago pieza por pieza
Palabras seguras: connect, build, test, monitor, limits, result, store, ad platforms, customers, sales, team, client, tool, every day, in production, end to end. Palabras que evitas: layer, native, orchestrate, leverage, harden, workstream, stakeholder. Si ellos las usan, las entiendes; tú no tienes que decirlas.

Frases comodín

💬 Tutor · este módulomisma conversación en todos los módulos
🗣️ Evalúa mi pitch🔁 Pitch más corto🎤 Simulacro
Módulo 6

Preguntas probables y respuestas cortas

Cada respuesta en inglés simple y, debajo, lo que estás diciendo en español. Léelas en voz alta; no las memorices palabra por palabra, memoriza la idea.

1. "Tell us about yourself."

Cuéntanos de ti.

El pitch de 60 segundos del módulo 5. Nada más.

2. "Walk us through an integration you built."

Cuéntanos paso a paso una integración que hayas construido.

Historia 1 del módulo 4 (las tiendas, la pauta, WhatsApp y el CRM conectados; el chequeo que encontró uno de cada cuatro pedidos atascados).

3. "How do you use AI in your daily work?"

¿Cómo usas la IA en tu trabajo diario?

I use Claude Code every day, but the important part is what I do around it. First I write down exactly what I need, with clear limits. Then the AI builds it. Then I check the result against what I asked, I run my tests, I put it live and I verify it with real data. I also keep the documents the AI reads up to date, because that makes the next task faster and safer. I spend more time explaining and checking than typing code.Uso Claude Code todos los días, pero lo importante es lo que hago alrededor. Primero escribo exactamente qué necesito, con límites claros. Luego la IA lo construye. Luego comparo el resultado con lo que pedí, corro mis pruebas, lo pongo en vivo y lo verifico con datos reales. También mantengo al día los documentos que la IA lee, porque eso hace la siguiente tarea más rápida y segura. Paso más tiempo explicando y revisando que escribiendo código.

4. "How do you decide which AI model or tool to use?"

¿Cómo decides qué modelo o herramienta de IA usar?

It depends on the job and on the cost when you have many users. Simple tasks, like sorting messages or answering from a catalog, go to a small, fast model with limits. Hard tasks, like reasoning or writing code, go to a bigger model. I always start with the small one, I measure the quality, and I only move up if it's not good enough. For example, I moved two sales bots to a smaller model and the quality stayed the same, but the cost went down a lot.Depende de la tarea y del costo cuando hay muchos usuarios. Las tareas simples, como clasificar mensajes o responder desde un catálogo, van a un modelo pequeño y rápido con límites. Las difíciles, como razonar o escribir código, a uno más grande. Siempre empiezo con el pequeño, mido la calidad y solo subo si no alcanza. Por ejemplo, pasé dos bots de ventas a un modelo más pequeño y la calidad se mantuvo, pero el costo bajó mucho.

5. "How do you handle a client who doesn't know what they want?"

¿Cómo manejas a un cliente que no sabe lo que quiere?

I don't start from the tool, I start from how they work today. With my metal-structures client, I looked at their real paper forms before writing anything. Then I built the smallest version that replaced one of those forms, showed it to them, and improved it from there. When people see their own process on the screen, they know very fast what they want.No empiezo por la herramienta, empiezo por cómo trabajan hoy. Con mi cliente de estructuras metálicas miré sus formatos reales en papel antes de escribir nada. Luego construí la versión más pequeña que reemplazaba uno de esos formatos, se la mostré y la mejoré desde ahí. Cuando la gente ve su propio proceso en la pantalla, sabe muy rápido lo que quiere.

6. "Tell us about a time something went wrong in production."

Cuéntanos de una vez que algo salió mal en producción.

One of our WhatsApp numbers was flagged as spam. The reason: a test phone was receiving too many automatic messages. I found the cause the same day, I added a rule in the code so that number can never receive messages again, and I built an alert that watches how many messages we send. The fix was the rule, but the real lesson was the alert: now we see the problem before the platform does.Uno de nuestros números de WhatsApp fue marcado como spam. La causa: un teléfono de prueba recibía demasiados mensajes automáticos. Encontré el motivo el mismo día, puse una regla en el código para que ese número nunca vuelva a recibir mensajes, y construí una alerta que vigila cuántos mensajes enviamos. El arreglo fue la regla, pero la lección real fue la alerta: ahora vemos el problema antes que la plataforma.

7. "How do you explain risks or technical problems to non-technical people?"

¿Cómo le explicas riesgos o problemas técnicos a gente no técnica?

Early, in their words, and always with a recommendation. I report to a CEO every day. I never say "the API has a rate limit". I say: "we can update the ad data every two hours, or pay more for real time. I recommend every two hours, and this is why." People don't need the technical detail; they need the options and my opinion.Temprano, en sus palabras y siempre con una recomendación. Le reporto a un CEO todos los días. Nunca digo "la API tiene un límite de peticiones". Digo: "podemos actualizar los datos de pauta cada dos horas, o pagar más por tiempo real. Recomiendo cada dos horas, y esta es la razón." La gente no necesita el detalle técnico; necesita las opciones y mi opinión.

8. "Have you worked with Figma, Adobe or Slack APIs?"

¿Has trabajado con las APIs de Figma, Adobe o Slack?

Slack and Telegram for alerts, yes. Figma and Adobe, not yet in a real project. But I've connected more than ten different APIs, and the method is always the same: read the documentation, solve the login, make one call work, and then build the connection. With Figma or Adobe I would be productive in a few days, not weeks.Slack y Telegram para alertas, sí. Figma y Adobe, todavía no en un proyecto real. Pero he conectado más de diez APIs distintas y el método siempre es el mismo: leer la documentación, resolver el acceso, lograr que una llamada funcione y luego construir la conexión. Con Figma o Adobe sería productivo en pocos días, no semanas.

9. "Why this role? And are you OK with a 6-month contract?"

¿Por qué este cargo? ¿Y estás bien con un contrato de 6 meses?

Because it's the work I already do, but at a bigger scale and on a product I like. The Machine connects the same things I connect one by one today. And six months is enough time to show what I can do with real projects. I prefer to be judged by what I deliver, not by my CV.Porque es el trabajo que ya hago, pero a mayor escala y en un producto que me gusta. The Machine conecta las mismas cosas que yo conecto una por una hoy. Y seis meses es tiempo suficiente para mostrar lo que puedo hacer con proyectos reales. Prefiero que me juzguen por lo que entrego, no por mi hoja de vida.

10. "How is your English?"

¿Cómo es tu inglés?

Good enough to work. I read and write in English every day, with documentation and tools, and I can follow and take part in meetings. I'm better writing than speaking, and speaking improves fast when I use it every day.Suficiente para trabajar. Leo y escribo en inglés todos los días, con documentación y herramientas, y puedo seguir y participar en reuniones. Escribo mejor de lo que hablo, y hablar mejora rápido cuando lo uso a diario.

11. "What are your salary expectations?"

¿Cuál es tu expectativa salarial?

The range you published works for me.El rango que publicaron me funciona. (Ya dijeron 9 millones. No negocies en una grupal.)

12. "Do you have any questions for us?"

¿Tienes preguntas para nosotros?

Sí, siempre. Una sola, del módulo 7.

💬 Tutor · este módulomisma conversación en todos los módulos
🎤 Pregúntame una🧠 Qué quieren oír🎤 Simulacro
Módulo 7

Las preguntas que tú debes hacer (elige una)

  1. La mejor: "What does a typical implementation look like today, from scoping to go-live, and where do rollouts usually get stuck?" (Muestra que piensas como implementador.)
  2. "How much of the integration work is configuration inside The Machine versus custom code against the client's tools?"
  3. "How is the implementation team structured, and who would I work with day to day?"
  4. "What would a successful first 90 days look like for this role?"
  5. Solo si queda tiempo y la energía es buena: "What's the next step in the process and the timeline?"
💬 Tutor · este módulomisma conversación en todos los módulos
❓ Elige mi pregunta🎤 Simulacro
Módulo 8

Tus huecos y cómo manejarlos

HuecoCómo lo cubres
Google Cloud o AzureTu infraestructura es VPS Linux con Docker, pm2 y Supabase, más un pipeline serverless en AWS. Dilo así y añade que las arquitecturas son las mismas: cómputo, base, colas, almacenamiento, secretos.
Figma y Adobe APIsMétodo de las seis preguntas: autenticación, URL base, endpoint, qué recibe y devuelve, webhooks, límites. Una llamada exitosa antes de construir.
Trabajo con agencias o clientes enterpriseHas trabajado dentro de un grupo de marcas (eres el cliente interno) y para clientes externos (MANESCO, MEANT, cursos). Vienes del marketing: sabes qué es un brief, una pieza y un plan de medios.
Sin título de ingenieroNo lo piden. Si sale: diseño integral, y tres años de sistemas en producción que puedes mostrar.
Inglés habladoFrases cortas, ejemplos con números, pedir repetir sin miedo. Practica el pitch en voz alta 5 veces esta noche y 2 mañana antes de la llamada.
Nunca: inventar experiencia con Figma, Adobe o Google Cloud. Si lo preguntan, honestidad más método. Un implementador que miente sobre una API es un riesgo para ellos y lo saben detectar.
💬 Tutor · este módulomisma conversación en todos los módulos
🩹 Hueco Google Cloud🩹 Hueco Figma y Adobe🎤 Simulacro
Antes y durante

Checklist

Esta noche

Mañana, 8:30 a. m.

Después

💬 Tutor · este módulomisma conversación en todos los módulos
✅ Repaso final🎤 Simulacro