// En una línea
Monté un laboratorio de IA sobre infraestructura propia para desarrollar motores de RevOps y de presencia en buscadores sin depender de plataformas SaaS.
- Mi rol
- Fundador · arquitectura y operación
- Año
- 2024
- Cliente
- Buildations
// Contexto
Construir IA seria sin rentar el stack.
// Reto
Las plataformas SaaS de IA tienen costos recurrentes altos y no dan control total sobre los datos ni los modelos.
// Estrategia y ejecución
- Servidor de producción propio con Docker: PostgreSQL, Qdrant, Ollama y n8n.
- Acceso por Tailscale.
- Seguridad: Wazuh, Suricata, CrowdSec y Fail2ban.
- Monitoreo con Grafana, Prometheus y Loki.
- Respaldos con Restic.
// Tecnologías aplicadas
// Resultados de negocio
Operación continua
Operación continua en producción
Motores en producción
Revenue Intelligence y Search & Presence
// Arquitectura
01 // Datos
- PostgreSQLdatos operativos
- Qdrantvectores
02 // Modelos
- OllamaLLM local
- ComfyUIimágenes
03 // Orquestación
- n8nflujos
- Dockercontenedores
04 // Operación
- Tailscaleacceso
- Grafanamonitoreo
- Resticrespaldos
FIG // Infraestructura propia para motores de IA
// Fases
F01
Servidor y contenedores
F02
Datos y modelos
F03
Orquestación de motores
F04
Seguridad y monitoreo
F05
Respaldos
// Puntos clave
Inversión única, no suscripción
El costo se paga una vez en hardware; la condición es contar con quien lo opere.
Seguridad por capas
Wazuh, Suricata, CrowdSec y Fail2ban, con acceso solo por Tailscale.
Observabilidad
Grafana, Prometheus y Loki para ver qué pasa antes de que falle.
Respaldos verificados
Restic con copia fuera del servidor y verificación semanal.
// Lo que aprendí
“Es una inversión única en lugar de una suscripción, siempre que se cuente con la infraestructura para operarla.”