Jhonalbert Alvarez

Agentes, sistemas de datos y copywriting de respuesta directa, una operación a la vez. Juzgado por las respuestas y por las reuniones que sí se hacen.

• Me ahorré unas 3 horas al día de volver a explicar el contexto construyendo el sistema de memoria que mis agentes y yo leemos por igual: archivos planos, sin base de datos ni proveedor. Contra RAG en 498 preguntas: archivos organizados 78 de 100, carpeta plana 75, RAG 55.
• Uní el registro mercantil, la contratación pública y los datos abiertos de Colombia en la columna de empresas: un solo registro por empresa, 1.751.328 en total, uno por NIT, detrás de una API que responde qué cuentas están activas y por qué.
• Convertí outbound en frío e investigación en reuniones: un solo mensaje por LinkedIn al jefe de tecnología de una clínica universitaria, y él mismo agendó la reunión. El CEO de una fintech escribió a veinte empresas de mi investigación: quince tenían canal, seis respondieron, cinco reuniones.
• Construyendo (oct 2026) Zoro, un asistente personal: cada mañana publica en Slack el estado del correo, la agenda, LinkedIn y las tareas, y toda acción hacia afuera espera aprobación con un botón. 65 requisitos con pruebas de aceptación.
• Liderando (sep 2026) un agente de inventario para un retailer farmacéutico colombiano, hoy en propuesta: responde preguntas de inventario desde una hoja de cálculo, en Slack, para todo su equipo.

Intake con IA para empresas de servicios en EE. UU., más habilitación en IA para empresas. Equipo de cuatro; respondí por los ingresos de punta a punta: CRM, infraestructura de outbound, los agentes sobre el pipeline, los playbooks.

• Ganamos un proyecto de habilitación en IA con un retailer farmacéutico colombiano (140+ tiendas, cerca de 2.000 cajas): diagnóstico de arquitectura, mapa de sistemas, backlog de 14 procesos manuales, formación 1:1 sobre sus flujos reales de Oracle y n8n. Métrica acordada: horas recuperadas por proceso.
• Monté el outbound desde cero: tenants aislados de Workspace, calentamiento automatizado, secuencias de correo, LinkedIn y llamada en frío que cumplen CAN-SPAM y TCPA.
• Hice que el pipeline no pudiera corromperse a mano: en la segunda de dos generaciones del CRM, etapa, fit score, intención y prioridad eran fórmulas sobre fechas de actividad.
• Puse agentes sobre el pipeline: seis watchers programados, un pipeline de enriquecimiento en cinco fases y scoring de leads en frío, cada uno con red team de inyección de prompts antes de poder escribir.
• Lancé el primer activo de inbound: un diagnóstico de 11 preguntas sobre fugas en el intake que convierte el hallazgo en una reunión agendada.

• 50+ llamadas inbound de servicio a venta por día: resolvía la reclamación y luego le vendía al mismo cliente una suscripción de Verizon Home Device Protect. Metas de conversión cumplidas con clientes escépticos.

Construí y evalué modelos de machine learning para investigación académica y aplicada.

• 80% de resolución en la primera llamada en una línea de productos financieros de alta presión, satisfacción 15% arriba en mi cartera. Emparejé productos con clientes desde los datos del propio banco.