Olivia
Online
Miguel Angel Saez
@masaez
Building a Data Platform for Economic & Financial teams. - Everyone is an alien somewhere. Let's talk about #autism.
Buenos Aires
Joined April 2008
745 Following
1.8K Followers
6.9K Posts
Sigue abierta la inscripción a la prueba gratuita del nuevo MPC de @Alphacast_ .
Podés trabajar en Alphacast con Claude Code o Codex, explorando los catálogos, creando charts, datasets y manteniendo todo actualizado siempre.
Estamos con cupos limitados antes de lanzarlo en sociedad
Si quieren anotarse 👇👇👇
https://t.co/H21m9cm24h
Este año encaramos una de las transformaciones más grandes de @Alphacast_ en mucho tiempo. No para esquivar la ola de AI, sino para tratar de surfearla.
En ese camino, repensamos Alphacast de punta a punta, hablando con muchos usuarios y clientes, tratando de entender qué esperan de este nuevo mundo los equipos que trabajan con datos, que miran charts o tablas, o que necesitan automatizar procesos. Tomamos muchísimas definiciones de producto que el equipo va sacando a la luz.
Hoy damos un paso importante en ese camino: abrimos el free early access de nuestro nuevo MCP + API Explorer.
1/n
Cualquiera que haya trabajado con datos del agro argentino sabe el caos de información que existe: PDFs, publicaciones, series históricas, indicadores, datasets dispersos, informes técnicos y buscadores difíciles de navegar.
El jueves pasado la Bolsa de Cereales (@Bolsadecereales) lanzó AgroChat, una nueva plataforma conversacional construida sobre tecnología de @Alphacast_ .
Si quieren ver el agrochat en funcionamiento: https://t.co/v9AqCdJRv1
Detrás de AgroChat hay una infraestructura pensada para construir data-driven AI products: sistemas donde la inteligencia artificial no responde solamente desde internet, sino desde información curada y contextualizada por especialistas.
El AgroChat maneja dentro de su contexto cientos de datasets, publicaciones e información técnica trabajada por los equipos de la Bolsa a lo largo de muchos años. La idea es simple: transformar toda esa complejidad en algo accesible desde una conversación en una web o una app mobile.
Nos entusiasma muchísimo ver este tipo de proyectos salir a producción, porque sentimos que representan una nueva forma de consumir información institucional y sectorial.
Felicitaciones a Ramiro Costa. Estefanny Vazquez, Nicolás Jorge, Martin Lopez y a todo el equipo de la @Bolsadecereales por empujar esta iniciativa.
Y de nuestro lado, especialmente a Matias Carugati y Guido Schiavi, que llevaron la batuta — aunque en realidad fue un proyecto que terminó involucrando prácticamente a todo el equipo :)
Corrigiendo deuda técnica de hace bastaaante tiempo con Codex... y @LucianoCohan me hace una observación: "Acumular deuda técnica fué mejor negocio que sacar un crédito en pesos a tasa fija"
I love Claude 😁❤️
To check if your Google Workspace has been compromised by the same tool that compromised Vercel:
1. Go to https://t.co/TpuIOW5Fwg
- This is Google Admin Console > Security > Access and Data Control > API Controls > Manage app access > Accessed Apps
2. Filter by ID = https://t.co/uqJnCqp5Ah
- This is the ID of the compromised OAuth app
If you see an app after filtering, you have potentially been compromised
Watch out for your @vercel costs (especially around Data Cache Writes). They’ve gotten """pretty""" greedy.
After 3 years as @vercel customers, we have decided to move out all our projects and cancel our account over the next few days. It's a great product, but sometimes it's Support what define long term relationships, and we believe it didn't work well this time.
@danielpriego Sip. La tengo desde la semana que salió. El mejor hardware que use.
Gran compra x 3
Disclaimer. No tengo ni idea de qué va a pasar. Ninguna. Ni siquiera sé bien qué opino: si soy optimista o no. No es falsa modestia. Simplemente hay demasiadas piezas móviles. Lo mejor que tengo al alcance es tratar de hacerme preguntas para, al menos, tener un marco para pensar el problema.
Levanto el guante con algo que me dijeron en el post anterior: el impacto de la AI será único porque el cambio tecnológico es muchísimo más rápido.
Difícil negar esa intuición. La tecnología se difunde a una velocidad sin precedentes. La electricidad tardó décadas en transformar las economías. Internet tardó veinte años en volverse global. ChatGPT llegó a cien millones de usuarios en unos meses.
La sensación de vértigo es real.
Ahora bien, la ecuación tiene dos partes: la velocidad de adaptación de las sociedades también es mayor que nunca.
Hace un tiempo hice este cursito de historia de la modernidad - que recomiendo fuerte (https://t.co/gflWEBgysE) - que transmite una idea interesante: antes de la era industrial, las sociedades eran más estables, pero las vidas individuales más frágiles y caóticas. La revolución industrial invirtió esa relación.
Durante siglos la estructura económica y social cambió muy lentamente. Las personas trabajaban en agricultura, artesanías o comercio local. La tecnología evolucionaba, pero despacio. Cada generación vivía en un mundo bastante parecido al de sus abuelos.
Esa estabilidad convivía con vidas inestables. Hambrunas, epidemias, guerras frecuentes y una mortalidad altísima. A comienzos del siglo XIX la esperanza de vida rondaba los 30 años. Hoy supera los 70. Un mal año agrícola podía destruir una familia entera. La sociedad era estable, pero las vidas individuales no.
La modernidad industrial cambia esa relación. Las economías se transforman constantemente: nuevas industrias, otras desaparecen, las tecnologías se renuevan. Cada generación termina teniendo su propio nombre.
Pero al mismo tiempo las vidas individuales se vuelven más estables. La esperanza de vida se multiplica, la mortalidad infantil cae y la mayoría de las personas puede esperar vivir varias décadas más que cualquier generación anterior.
El mundo de la revolución industrial tenía poca capacidad estructural para adaptarse. En 1820 solo el 12% de la población mundial sabía leer. Hoy esa cifra está cerca del 87%. El trabajador promedio del siglo XIX tenía muy poca educación formal y hoy suele tener al menos educación secundaria.
También las economías demostraron enorme capacidad para reasignar trabajo. Durante siglos las personas trabajaban en unas pocas actividades —agricultura, oficios artesanales, comercio básico—. Hoy las economías modernas están distribuidas entre miles de ocupaciones distintas. Un dato para dimensionarlo: en 1800 alrededor del 70–80% del empleo en Estados Unidos estaba en agricultura. Hoy es menos del 2%.
Además, la información hoy circula casi instantáneamente, mientras que en el siglo XIX podía tardar semanas o meses en difundirse. La movilidad es también incomparablemente mayor: millones de personas cambian de ciudad, de sector o de ocupación a lo largo de su vida. Incluso en condiciones normales, en las economías modernas alrededor de uno de cada diez trabajadores cambia de empleador cada año, lo que muestra hasta qué punto la reasignación del trabajo es una característica permanente del sistema.
Hoy las economías cambian más rápido, pero las sociedades también cuentan con muchas más herramientas para absorber esos cambios: más educación, más información, más movilidad y una diversidad económica mucho mayor.
Tal vez por eso la pregunta más útil hoy no sea si el cambio va a ser rápido —probablemente lo será— sino si nuestra capacidad de adaptación colectiva seguirá creciendo al mismo ritmo que la tecnología. Y si ese es el desafío, la cuestión importante no es adivinar el futuro, sino preparar a nuestras sociedades para adaptarse.
Volví de vacaciones el 3 de febrero y el 5 salió Opus 4.6 de Claude. Desde entonces pierdo el sueño - a veces literal, a veces figurado - con una sola pregunta: ¿cómo mantenerse relevante en la era de la IA, cuando cada vez más se puede hacer in-house?
La pregunta no es solo para startups. Es para consultores, equipos internos, proveedores de IT o cualquiera que esté tratando de entender cómo seguir aportando valor. Nadie tiene aún el manual. Clientes, proveedores, founders y analistas estamos experimentando, probando herramientas y cambiando nuestra forma de trabajar mientras tratamos de surfear el mismo tsunami.
Hoy el mundo se divide, más o menos, en tres grupos: los que ya cambiaron su forma de trabajar con AI; los que quieren pero todavía no tuvieron tiempo; y los que todavía no saben que quieren.
No hay un cuarto grupo.
Lo primero, creo, es aceptar que no tiene sentido luchar contra el cambio. La AI es un proceso de destrucción creativa schumpeteriana en tiempo real: una amenaza para los que se quedan quietos y una oportunidad para los que se mueven rápido.
En @Alphacast_ sentimos que quedamos parados en un lugar bastante particular dentro de ese cambio. Mientras muchas cosas se vuelven más fáciles con AI, algunos problemas siguen donde estaban.
El primero es que el mundo de los datos sigue siendo sucio, ruidoso e inestable. Las fuentes cambian, las conexiones se rompen, los formatos mutan. Después de más de una década trabajando en ordenar datos, sentimos que se abre una oportunidad: construir una base donde cualquier AI pueda conectarse a datos vivos, curados y mantenidos en el tiempo.
El segundo es la infraestructura. Mantener procesos corriendo sigue siendo un pain enorme, especialmente en equipos chicos —y en los grandes suele implicar procesos largos con IT. Hoy podés analizar datos conversando con Claude o ChatGPT, escribir código y transformar datasets. Pero cuando terminás, aparece la pregunta incómoda: ¿dónde vive ese proceso? ¿Dónde corre todos los días?
Cada vez vemos más gente trabajando sus datos directamente en AI, que luego necesitando un lugar donde esos pipelines puedan vivir y ejecutarse ---> @Alphacast_
El tercer problema es más simple pero igual de real: ¿dónde veo las cosas? La AI es muy poderosa para generar texto y análisis, pero el trabajo cotidiano sigue necesitando gráficos, dashboards y visualización. Un lugar donde entrar todos los días, ver la información viva y compartirla con el equipo --> Alphacast
La AI puede terminar siendo más disruptiva para organizaciones grandes que para equipos chicos. Las estructuras pesadas tardan en adaptarse; los equipos ágiles pueden reorganizar su forma de trabajar mucho más rápido.
Por eso estamos intentando que @alphacast_ se convierta en algo simple: una herramienta —y también un equipo— para quienes están tratando de reconstruir sus procesos de datos en esta nueva era AI-native.
In this brief tutorial, we demonstrate how Alphacast converts documents into an AI-powered knowledge base. You’ll see how to upload PDFs, reports, and presentations — not just structured datasets — and turn them into searchable, contextual knowledge.
En 2007 el gobierno argentino intervino las estadísticas oficiales. Yo tenía 24 años y en esa época escribía un blog mientras me metía en el mundo del análisis macroeconómico.
Un par de años después, ya trabajando como consultor full time, se me ocurrió algo: ¿por qué no levantar precios de la web para calcular la inflación? Lo hacía @albertocavallo en Pricestats y creía poder replicarlo.
Sabía programar un poco, los datos estaban ahí, era simplemente intentarlo. Armé la primera versión con lo que tenía a mano: Excel, VBA y un browser embebido dentro del propio Excel. Todo muy rústico pero funcionaba. Ese sistema terminó creciendo hasta tener cinco máquinas scrapeando en paralelo. Un delirio. Todavía no sabía Python.
Largué la primera versión pública en febrero de 2013 medio cagado en las patas. Era la época en la que el gobierno hacía causas judiciales a los que medían inflación. Yo era pichi y volaba por debajo del radar. Nunca tuve problemas.
Con los años el problema dejó de ser calcular la inflación y pasó a ser mantener el sistema vivo. Empecé a administrar cientos de fuentes en paralelo, un proceso que involucraba a argentinos, ucranianos y chinos trabajando en los datos.
En 2015 asume Macri y arranca la reconstrucción estadística. Todos los viernes empecé a recibir llamados de @fedesturze , entonces presidente del Banco Central, preguntándome cuánto me había dado. Imagínense lo que era para ese treintañero. Dos años después terminaría de subsecretario macro en esa misma administración.
Pasaron los años y mucha agua bajo el puente y en plena pandemia, con @masaez empezamos a cranear lo que sería @Alphacast_ . Migue, que codea en serio y no como yo que soy economista detenido programador, agarró ese sistema y lo graduó con honores.
El negocio de medir inflación siguió existiendo, pero nunca fue realmente el destino final. Lo que empezó como un scraper de Coto y Jumbo terminó convirtiéndose en algo distinto: una infraestructura de datos.
Scrapear se volvió relativamente fácil con el tiempo. Lo difícil era otra cosa: mantener vivas las conexiones. Sostener 10.000 datasets es un problema completamente distinto a 10 mil veces scraper un Coto.
Hoy este sistema está en el corazón de la propuesta de @Alphacast_ . Podemos conectarnos a prácticamente cualquier fuente —PDFs, Excels, Tablas, formularios, APIs, bases internas— y mantener esas conexiones funcionando en el tiempo.
Si en tu equipo perdés tiempo manteniendo bases, arreglando pipelines o persiguiendo datos rotos, probablemente tengas el mismo problema que yo tenía… solo que a otra escala. Escribime.
@AWSActivate we will miss you at @Alphacast_ these years!!! We just signed a saving plan contract with AWS for 3 years. @Mugartegui gracias por todo el apoyo!
Hace poco lanzamos uno de los updates en @Alphacast_ más grandes un mucho tiempo: una nueva forma de que equipos de research, sales y estrategia usen su conocimiento — no solo lo almacenen.
Te cuento 👇
@henrythe9ths FUNDRAISE - we had a (probably shorter) list in Notion a while ago during our pre-seed. Following methodology is king :)
Last Seen Users on Sotwe
Most Popular Users
Elon Musk 
@elonmusk
240.2M followers
Barack Obama
@barackobama
119.3M followers
Donald J. Trump
@realdonaldtrump
111.6M followers
Cristiano Ronaldo
@cristiano
109M followers
Narendra Modi
@narendramodi
107M followers
Rihanna
@rihanna
97.3M followers
NASA
@nasa
92.1M followers
Justin Bieber
@justinbieber
90.6M followers
KATY PERRY
@katyperry
86.8M followers
Taylor Swift
@taylorswift13
80.6M followers
Lady Gaga
@ladygaga
72.2M followers
Kim Kardashian
@kimkardashian
69.4M followers
YouTube
@youtube
68.6M followers
Virat Kohli
@imvkohli
68.6M followers
Bill Gates
@billgates
63.4M followers
The Ellen Show
@theellenshow
62.5M followers
CNN
@cnn
61.9M followers
Neymar Jr
@neymarjr
61.1M followers
X
@x
60.9M followers
Selena Gomez
@selenagomez
59.9M followers