Laboratorio

Construimos las herramientas que usamos. Cada proyecto nace de un problema real de nuestros clientes — no de una sesión de brainstorming.

En Rizoma, la consultoría y la ingeniería no están separadas. Cuando encontramos un problema que las herramientas existentes no resuelven bien, lo construimos. Aquí documentamos qué funciona, qué no, y qué aprendimos.

Diagnóstico

Evaluar la madurez de procesos de una organización contra un estándar internacional como APQC requiere mapear cientos de elementos jerárquicos, asignar niveles de madurez, identificar brechas y generar reportes comparativos. Los consultores hacen esto en Excel con hojas de cálculo que se vuelven inmanejables después de la tercera evaluación. No existe una herramienta accesible que combine el framework APQC completo (traducido al español) con un workspace visual de evaluación y generación de reportes.

Next.js 16 React 19 Neon Postgres Auth.js v5 Recharts shadcn/ui Zod
Ver proyecto
Automatización

Los programas de mentoring organizacional se gestionan con hojas de cálculo, correos y documentos dispersos, lo que dificulta el seguimiento de sesiones, la medición de avance y la generación de reportes para los stakeholders. Sin una plataforma centralizada, los mentores pierden tiempo en tareas administrativas en lugar de enfocarse en el desarrollo del talento, y las organizaciones no pueden demostrar el retorno de inversión de sus programas de mentoring.

Next.js 16 React 19 Prisma 7 Neon Postgres Anthropic SDK OpenAI SDK @react-pdf/renderer
Ver proyecto

Vision MCP Server

Prototipo Experimental
Infraestructura

Claude Code carece de capacidad nativa para analizar imágenes, diagramas de arquitectura o capturas de pantalla de código, lo que obliga a los desarrolladores a describir manualmente el contenido visual o cambiar de herramienta. En flujos de trabajo donde se revisan diagramas, se hace OCR de documentos o se analizan screenshots de errores, la ausencia de visión limita significativamente la productividad del asistente de código.

Python Qwen2-VL PyTorch MCP Protocol Docker DGX Spark Tailscale
Ver proyecto
Educación

Los sistemas de aprendizaje adaptativo comerciales son cajas negras que adaptan contenido con heurísticas opacas. No existe un fundamento matemático riguroso detrás de sus decisiones: qué evaluar primero, qué prerequisito asumir, qué secuencia de temas minimiza la carga cognitiva. Para una consultora que diseña programas de capacitación corporativa, depender de algoritmos opacos no es aceptable cuando necesitas justificar cada decisión instruccional ante un comité de talento humano.

Python 3.12 FastAPI Knowledge Space Theory pytest mypy strict
Ver proyecto

¿Tienes un problema operativo que crees que merece una herramienta propia?

Hablemos.

Agendar conversación