Prepárate para Mythos y para lo que venga después.

El problema que nadie está diciendo en voz alta

"Llevamos meses usando IA en el negocio. Arrancamos con energía. Hoy la usamos a medias, los resultados cambian según quién haga la consulta, y cada vez que sale un modelo nuevo sentimos que toca empezar de cero."

Es la frase que más escucho en mesas de trabajo este año.

La realidad en números. Entre el 70 y el 80% de los proyectos de IA empresarial no alcanzan los objetivos que se plantearon — lo confirman Gartner, McKinsey y los análisis independientes recientes. La IA no fracasa por falta de capacidad. Fracasa por mala implementación.

Esto no es culpa de la IA. Tampoco del equipo. El problema es estructural.

La mayoría adopta IA como si fuera una app de chat — un lugar donde uno va a preguntar cosas. Pero una IA que sirve para operar un negocio no es un chat. Es un sistema operativo organizacional. Y todo sistema operativo necesita arquitectura.

Sin esa arquitectura, aparece el síntoma clásico: 6 meses después, tu equipo usa IA al 20% de su potencial, mientras los competidores que diseñaron mejor siguen sacando distancia.

Esta semana Anthropic anunció Claude Mythos — un modelo nuevo, más capaz que todo lo anterior. Pronto OpenAI responderá con algo equivalente. Google lo mismo. En 12 meses tendremos 3 o 4 modelos nuevos, todos mejores que los de hoy.

Cada uno de esos lanzamientos va a disparar la misma pregunta en tu empresa: "¿tenemos que cambiar todo de nuevo?"

Con la arquitectura correcta, la respuesta es no.

Este artículo explica esa arquitectura. La llamo The StackSolver Method. Llevo más de un año operando así, con clientes en Latinoamérica, Reino Unido y otros mercados. En ese tiempo absorbí 3 versiones nuevas de modelos sin reescribir un solo proceso.

No es magia. No es compleja. Pero requiere pensar en IA como se piensa la contabilidad de una empresa: con estructura, no con improvisación.

¿Cómo se ve cuando el sistema funciona?

Antes de entrar en qué está mal, déjame mostrar qué se siente cuando está bien. Un martes cualquiera:

Son las 7:30 AM. Abres el sistema y escribes: "Inicia sesión con el cliente X". En quince segundos recibes esta respuesta:

"Cliente X en línea. Resumen rápido:

→ La bitácora cerró ayer con la propuesta comercial aprobada. Hoy toca enviar el contrato.
→ Revisé los 12 correos que llegaron del dominio de este cliente durante la noche. Uno requiere atención — confirman la fecha de kickoff para el 22 de abril.
→ En WhatsApp te escribieron anoche a las 10 PM preguntando si pueden agregar 2 usuarios al alcance. Aún no respondiste.
→ El reporte matinal de las 3:30 AM detectó un cambio regulatorio que podría afectarlos. Ya tengo un brief de 3 párrafos listo.
→ Recordatorio: reunión quincenal con su CFO el jueves.

¿Por dónde quieres empezar?"

Eso no es magia. Es arquitectura. El sistema no "recordó" — consultó los archivos del cliente, procesó los correos y mensajes de la noche, cruzó con la bitácora de ayer, verificó el reporte matinal y compuso una respuesta con contexto completo. En paralelo, mientras lees esto, el asistente legal prepara el borrador del contrato, el de mercadeo avanza en el landing de la nueva campaña, y el de recursos humanos procesa una solicitud de vacaciones que llegó al correo esta mañana.

A las 11 AM un cliente distinto llama. Cambias: "Carga cliente Y". Diez segundos después estás en contexto — la sesión con X queda guardada exactamente donde la dejaste, esperando tu regreso. Al cierre del día le pides al sistema: "Actualiza estado y bitácora". Cualquier colega que tome la sesión mañana arranca donde tú la dejaste.

Este artículo explica cómo llegar ahí.

Los 3 errores que veo en casi todos los negocios

Antes del método, las trampas más comunes.

Error 1 — Tratar el chat como si fuera memoria

Cada conversación con la IA arranca de cero. El equipo repite el contexto. Explica quiénes son los clientes clave. Describe el proyecto otra vez. Menciona el tono de marca. Otra vez.

El resultado: la IA nunca aprende a operar tu negocio. Aprende a responder preguntas genéricas. Los resultados dependen de la memoria del humano que hace la consulta ese día.

El chat es volátil por diseño. Es perfecto para explorar. Es pésimo para operar.

Error 2 — Mezclar todos los contextos en un solo lugar

Le piden a la misma IA que ayude con la estrategia comercial, con la propuesta del lunes, con un tema legal del contrato del cliente nuevo, y con una consulta puntual — todo en la misma conversación.

La IA no sabe qué "voz" usar. Cuando le pides decisiones comerciales, te trae sugerencias genéricas. Cuando le pides un email profesional, se pone coloquial. Cuando le pides revisión legal, no sabe si debe ser formal o relajado.

Un profesional serio no usa el mismo sistema para atender al cliente que para su agenda del día. La IA merece el mismo cuidado.

Error 3 — No guardar el conocimiento en un lugar que tú controles

La "memoria" de la IA vive dentro de la plataforma que uses (ChatGPT, Claude, Gemini). Si cambias de plataforma, la pierdes. Si la plataforma cambia su formato, se te rompe. Si pierdes acceso a tu cuenta, desaparece.

El resultado: estás construyendo sobre arena. Cada cambio del proveedor te obliga a reconstruir.

Lo que tu empresa va a tener cuando termine

Antes de entrar al detalle del método, visualiza el resultado. Esto es lo que una empresa que opera con The StackSolver Method tiene después de implementarlo. No es IA personal — es IA organizacional. No es una herramienta que usa una persona en el chat. Es infraestructura que usa toda la empresa:

• Correos y WhatsApp que se auto-organizan. Los correos del dominio empresarial y los chats de WhatsApp de clientes se procesan automáticamente cada día, se clasifican, y los datos relevantes quedan guardados en el contexto del cliente correspondiente. Cuando alguien del equipo abre la conversación con ese cliente, la IA ya conoce lo que escribió ayer — sin que nadie lo haya copiado a mano.
• Asistentes por área, coordinados por un arquitecto. Legal, financiero, comercial, técnico, mercadeo, recursos humanos — cada área tiene un asistente especializado con su propio contexto y políticas. Un arquitecto central decide qué asistente toma cada tarea según el tipo y la urgencia.
• Cambio de contexto entre clientes en segundos. Un solo comando carga el universo del cliente que necesitas: su historial, sus correos recientes, sus documentos, sus pendientes. Sin mezclar datos entre clientes ni perder concentración.
• Reportes automáticos antes del primer café. Cada mañana, el equipo abre el correo y encuentra un brief con novedades, alertas, lo que requiere atención urgente y un resumen de lo que avanzó mientras dormían.
• Operación centralizada de toda la empresa. Desde la infraestructura tecnológica (servidores, redes, seguridad) hasta mercadeo (sitios web, campañas, landings), pasando por solicitudes internas entre áreas, procesos documentados vivos y gestión completa de recursos humanos — todo vive en el mismo sistema, con las mismas reglas.
• Servidor local opcional para soberanía total. Si tu empresa maneja información sensible (datos médicos, financieros, legales), puedes conectar un computador local que actúa como "cerebro central" del sistema. La IA corre en tu infraestructura — los datos no salen de tu red.
• Sincronización automática entre dispositivos. Cada miembro del equipo puede operar desde su Mac, su iPad o un equipo prestado. El sistema se sincroniza solo. Si alguien pierde un equipo, en 15 minutos está operando desde otro sin perder ni un archivo.
• Memoria que te pertenece. Si mañana cambias de plataforma (o si la plataforma que usas hoy desaparece), el conocimiento organizacional viaja contigo sin migración.
• Auditoría semanal automática. Un proceso revisa cada lunes el estado del sistema y reporta: qué se está deteriorando, qué quedó sin atender, qué cliente lleva semanas sin movimiento, qué documento no se actualiza. La salud del sistema es visible, no inferida.
• Inmunidad a cambios de modelo. Cuando salga el próximo Claude, GPT, Gemini o Mythos, el sistema lo adopta cambiando una línea de configuración. Sin reescribir procesos, sin reentrenar al equipo.

El alcance del sistema

Una objeción que escucho seguido: "¿Esto sirve solo para atender clientes?"

No. El método cubre toda la operación. Lo implementamos por áreas, en el orden que tenga más sentido para la empresa. Estas son las áreas típicas:

• Clientes y proyectos — historial, bitácoras, documentos, comunicaciones, estados de cada cliente activo
• Comunicaciones — correos del dominio empresarial y WhatsApp de clientes procesados automáticamente y enrutados al contexto correcto
• Recursos humanos — nómina, procesos de selección, evaluaciones, políticas internas, manejo de ausencias
• Finanzas y contabilidad — facturación, cartera, tesorería, cierre mensual, obligaciones tributarias
• Legal y compliance — contratos, políticas, cumplimiento normativo, gestión de riesgos
• Infraestructura tecnológica — servidores, redes, seguridad, inventario de activos de hardware y software
• Mercadeo y presencia digital — sitios web, campañas, contenido publicado, métricas
• Procesos internos — solicitudes entre áreas (legal pide a finanzas, operaciones pide a RRHH, etc.), todas trazables en un mismo sistema
• Conocimiento reutilizable — templates, manuales, referencias técnicas, lecciones aprendidas de proyectos anteriores

No hace falta cubrir todas desde el día uno. Empezamos por las dos o tres áreas de mayor dolor y el sistema crece desde ahí.

The StackSolver Method — los 10 componentes

Este es el método. Nueve componentes, en orden. Cada uno se apoya en el anterior.

1. Memoria que no se pierde

Principio: el chat es desechable. El disco es la memoria. Todo dato relevante (decisiones, estado, aprendizajes, contexto de cliente) vive en archivos de texto en tu computador — no dentro del chat de ninguna plataforma.

Un archivo de texto plano es:

• Legible por cualquier persona sin necesidad de ser técnica
• Editable en cualquier editor
• Respaldable automáticamente en iCloud, Google Drive o Dropbox
• Portable a cualquier computador, hoy o en 10 años
• Independiente de cualquier proveedor de IA

La estructura de carpetas sigue una convención simple por prefijos numéricos:

/mi-empresa/
├── README.md                   ← Arranque automático
├── HOME.md                     ← Panel de control
├── 00_Sistema/                 ← Configuración y reglas base
├── 00_Loaders/                 ← Arranques por dominio
├── 00_Tools/                   ← Scripts y utilidades
├── 01_Clientes/                ← Clientes, leads, contextos
├── 02_Biblioteca/              ← Conocimiento reutilizable
├── 03_Proyectos/               ← Proyectos entre áreas
└── _Archivo/                   ← Histórico y desechable

El orden numérico determina el ordenamiento en cualquier explorador de archivos — lo más importante arriba.

Las 4 capas de memoria

Dentro de cada dominio (un cliente, un área, un proyecto), la memoria se organiza en cuatro capas con propósito distinto:

El flujo típico de una sesión

1. Inicio: la IA lee el HOT_CACHE.md del dominio activo → entiende el estado sin necesidad de "recordar"
2. Durante: ejecuta las tareas del día, clasificadas por complejidad (ver componente 4)
3. Cierre: escribe una entrada nueva en el DEV_LOG.md, reescribe el HOT_CACHE.md con el nuevo estado, actualiza el calendario si aplica

Dónde NUNCA vive la memoria: dentro del chat, en la memoria automática del modelo (que no existe entre sesiones), o en credenciales embebidas en archivos (las credenciales solo se referencian — viven en un gestor de contraseñas).

2. Asistentes especializados por área (con un arquitecto que orquesta)

Idea: no uses un solo asistente para todo. Define roles, y pon un arquitecto que decida quién toma cada tarea.

Los roles mínimos:

• Un arquitecto que recibe cada tarea, entiende de qué se trata, y decide qué asistente debe resolverla. Es el director de orquesta — no toca ningún instrumento, pero sin él cada músico toca por su cuenta.
• Un planeador para tareas complejas que requieren estrategia
• Un ejecutor para tareas operativas del día a día
• Un veloz para consultas rápidas de uno o dos pasos
• Especialistas por área del negocio: uno financiero, uno legal, uno comercial, uno técnico

Cuando aparece una tarea, el arquitecto la clasifica y la envía al asistente correcto. Si es ambigua, pregunta antes de decidir. Si toca varias áreas, coordina a varios especialistas en paralelo.

Este rol es crítico por tres razones. Primero: evita que uses recursos caros en tareas simples (el planeador es costoso, no lo gastas en corregir un correo). Segundo: evita que tareas serias caigan en un asistente trivial (un asistente veloz no debería manejar una decisión legal). Tercero: te libera del esfuerzo de decidir tú mismo, cada vez, qué asistente convocar.

El equipo deja de "hablar con una sola IA" y empieza a trabajar con un equipo coordinado de IAs. El arquitecto es el que mantiene ese equipo alineado.

3. Contexto por cliente y proyecto

Idea: no cargues todo el contexto al empezar cada sesión. Carga solo lo que necesitas para la tarea de hoy.

Yo tengo un archivo pequeño por cada cliente o proyecto, que le dice a la IA: "para trabajar con este, lee esto, esto y esto. Y si la tarea menciona finanzas, lee también esto otro."

Cuando arrancas, pasas ese archivo. En segundos tienes todo el contexto relevante para el cliente de hoy, sin saturar la conversación con información de otros.

El efecto práctico: cambias de cliente en 10 segundos, sin que la IA mezcle datos, tonos o políticas.

4. Clasificación automática de tareas

Idea: no todas las tareas merecen el mismo tiempo ni el mismo cuidado.

Defino cuatro niveles:

• Trivial — toca un solo archivo, sin riesgo. Ejemplo: corregir un typo, buscar una fecha.
• Estándar — afecta a un área pequeña del sistema. Ejemplo: redactar un correo, hacer un análisis simple.
• Compleja — toca varias partes del negocio, tiene impacto real. Ejemplo: armar una propuesta, una estrategia trimestral.
• Arquitectural — afecta el núcleo del negocio. Ejemplo: cambio de política, rediseño de un proceso clave.

La clasificación se hace automática al inicio de cada tarea. Lo trivial se ejecuta rápido. Lo arquitectural se pausa y espera aprobación humana antes de actuar.

Resultado: no gastas recursos premium en trivialidades y nunca te arrepientes de una decisión ejecutada a la ligera.

5. Vigilancia permanente del ecosistema

Idea: los modelos, plataformas y amenazas cambian cada semana. Mantener bitácoras vivas de lo que está pasando.

Yo mantengo bitácoras de:

• Novedades en los modelos que uso
• Herramientas nuevas que aparecen en mi stack
• Vulnerabilidades de seguridad relevantes
• Cambios regulatorios que afectan a los clientes

Cada bitácora tiene el mismo formato simple: qué salió, desde cuándo, si lo uso, si no lo uso, por qué.

Se actualizan automáticamente con reportes diarios (el siguiente componente).

Cuando alguien me pregunta "¿Claude ya tiene esta función nueva?", respondo con la bitácora abierta — no con mi memoria, que es obsoleta desde hace dos semanas.

6. Reportes automáticos diarios

Idea: mientras duermes, tu IA trabaja para ti.

Todos los días a las 3:30 AM, un reporte aparece en mi correo:

• Novedades relevantes de los modelos que uso
• Alertas de seguridad del día
• Lo que se está deteriorando en mi sistema (ver componente 9)
• Próximos eventos importantes del calendario

Los lunes el reporte es semanal y más profundo. Los primeros de mes, mensual.

Llego al escritorio y en mi correo ya hay el equivalente a un informe que un analista humano junior tardaría 2 horas en preparar. Sin salario, sin rotación, sin olvidos.

7. Investigación con auto-verificación

Idea: una investigación seria no es un "prompt" bien escrito. Es un proceso con criterios.

Cuando le pido a la IA que investigue algo importante, sigue este ciclo:

1. Formula la pregunta exacta
2. Busca fuentes
3. Estructura hallazgos
4. Evalúa si su propia respuesta cumple criterios de calidad (fuentes confiables, actualidad, cobertura completa)
5. Si no cumple, repite con ajustes

La diferencia es grande: con un prompt simple, la IA responde lo que le preguntó. Con este ciclo, la IA se auto-corrige antes de entregar.

Lo uso para due diligence de proveedores nuevos, interpretar normativa reciente, analizar competidores, y mantener las bitácoras del punto 5 siempre actualizadas.

8. Portabilidad entre dispositivos (con opción de servidor local)

Idea: tu sistema debe ser tuyo. Debe arrancar en cualquier equipo que te toque usar. Y si tu empresa maneja información sensible, debe poder correr en tu propia red.

Configuración básica:

• La fuente de verdad vive en una carpeta sincronizada (iCloud, Syncthing o equivalente)
• Cualquier configuración local se guarda en esa misma carpeta
• Al cerrar la sesión, hay una copia automática

Servidor local opcional (para empresas con datos sensibles). Puedes montar un computador dedicado en tu oficina que actúa como "cerebro central" — el sistema de IA corre ahí, los archivos viven ahí, los reportes automáticos se generan ahí. Nadie fuera de tu red tiene acceso. Es ideal para empresas que manejan datos médicos, financieros, legales o simplemente información estratégica que no debería vivir en la nube de un tercero.

Resultado: si un equipo personal se daña hoy, mañana cualquier miembro del equipo arranca en uno nuevo y recupera todo en minutos. Si además hay servidor local, los datos nunca salieron de la empresa.

En 2026, la continuidad operativa de una empresa depende de cuán portable sea su sistema — y de cuánto control tenga sobre dónde viven sus datos.

9. Auditoría continua del sistema

Idea: si operas en serio, necesitas saber si tu sistema está sano. No esperes a fallar para enterarte.

Todos los lunes, un proceso automático revisa:

• Clientes cuya bitácora no se actualizó en dos semanas (¿olvido o desinterés?)
• Archivos de estado sin actualizar
• Documentos huérfanos (no referenciados desde ningún índice)
• Vínculos rotos en los archivos de arquitectura
• Métricas verde/amarillo/rojo por área

Llega al correo como parte del reporte semanal. Es el mismo principio que aplicamos a clientes cuando les construimos un sistema: la auditoría integrada en cada proceso, no una auditoría única cada 12 meses.

10. Ingesta automática de comunicaciones

Idea: los correos y mensajes de WhatsApp son donde vive el 70% de la operación real. Si la IA no los ve, opera a ciegas.

Cada día, un proceso automático:

• Revisa las cuentas de correo corporativas (las que usa tu empresa para clientes, proveedores, facturación, etc.)
• Lee los mensajes nuevos de WhatsApp Business de los clientes
• Clasifica cada mensaje: ¿a qué cliente pertenece? ¿de qué área es? ¿requiere respuesta urgente?
• Extrae los datos relevantes (fechas, montos, compromisos, preguntas pendientes)
• Guarda todo en el contexto del cliente o área correspondiente
• Mueve los correos procesados a su carpeta de archivo

Cuando por la mañana cargas un cliente, la IA ya sabe qué te escribieron durante la noche — no porque lo recordó, sino porque estaba en su carpeta de contexto desde las 5 AM.

Este es el componente que hace que el sistema deje de ser reactivo y empiece a ser proactivo. La IA ya no espera a que le cuentes — ella te resume lo que pasó.

Cómo se ve un día completo en esta arquitectura

Arriba vimos un momento de un martes. Ahora, un día completo de la empresa entera:

3:30 AM — trabajo invisible. Mientras todo el equipo duerme, procesos automáticos procesan todos los correos del dominio empresarial de las últimas 24 horas, revisan los WhatsApp de clientes de la noche, actualizan los contextos correspondientes, generan el reporte matinal del día y verifican el estado de salud del sistema.

6:45 AM — los reportes llegan. En los correos del equipo aparecen: el brief ejecutivo del día, las alertas de clientes que requieren atención, lo que cambió en la legislación o el ecosistema técnico, y los pendientes sugeridos por prioridad.

7:30 AM — tú arrancas. Abres el sistema: "Inicia sesión con el cliente X". En 15 segundos tienes contexto completo con lo que te escribieron en la noche y lo que toca hoy.

8:00 AM — operación paralela. Mientras tú trabajas el contrato del cliente X con el asistente legal, en paralelo:

• El asistente de mercadeo está avanzando en el copy de la landing para la campaña del próximo trimestre, con los datos de la última investigación de mercado ya incorporados
• El asistente de recursos humanos procesó la solicitud de vacaciones que llegó al correo de RRHH esta mañana, validó el saldo disponible y preparó la respuesta
• El asistente de infraestructura detectó que una herramienta del stack tiene una vulnerabilidad nueva y ya dejó un plan de actualización en la bitácora correspondiente

Ninguno de ellos requirió tu atención — tú los revisas cuando toca.

11:00 AM — cambio de contexto. Un cliente diferente llama con duda técnica: "Carga cliente Y". Diez segundos después estás en modo técnico sin mezclar datos con el cliente X. La sesión con X queda guardada exactamente donde la dejaste.

1:30 PM — solicitud entre áreas. El área financiera necesita información de operaciones para cerrar el mes. En el sistema anterior esto era 3 correos y 2 WhatsApp. En este, la solicitud entra, se rutea al asistente de operaciones, él responde con los datos del último cierre, queda trazable en ambas áreas. Tú no intervines — lo ves en el reporte semanal si quieres.

2:00 PM — investigación. Necesitas evaluar un proveedor nuevo. Lanzas la investigación automática. Mientras atiendes una reunión, la IA corre 4 ciclos de búsqueda, compara 3 proveedores, genera una tabla comparativa con fuentes. Cuando sales, la decisión está preparada.

5:00 PM — cierre. Le pides al sistema: "Actualiza estado y bitácora". Cualquier colega que mañana tome cualquiera de las sesiones abiertas arranca donde quedaron.

9:00 PM — captura puntual. En el celular, si pasa algo, lo anotas en un archivo simple. El sistema lo absorbe al día siguiente.

Lo importante: nada de esto depende de que alguien se acuerde de hacerlo. El sistema opera encima de la memoria del equipo, no dentro de ella. Los procesos que se disparan solos superan en cantidad a los que inician manualmente. Y cuando una persona falta, el sistema sigue — cualquier colega toma la sesión con el contexto intacto.

Por qué esto sobrevive Mythos, GPT-6 y lo que venga

El argumento más fuerte del método no es lo que hace hoy. Es lo que no se rompe cuando cambian las piezas de abajo.

Cuando Anthropic lanzó su modelo más reciente con memoria 5 veces más grande, mi sistema lo absorbió cambiando una línea en un archivo de configuración. Ningún proceso reescrito, ningún entrenamiento del equipo, ningún workflow roto.

¿Por qué funciona así?

• Los componentes son independientes del modelo. Las bitácoras, los contextos por cliente, la memoria en texto plano funcionan con cualquier IA. Hoy uso una. Mañana puedo usar otra — sin migración traumática.
• Los asistentes son roles, no modelos. "Ejecutor" sigue siendo "ejecutor" aunque el modelo por debajo cambie.
• Las bitácoras absorben el cambio. Cuando sale algo nuevo se documenta, se evalúa, se integra o se descarta.
• La memoria es portable. Si mañana cualquier proveedor desaparece, cargo los mismos archivos en otra plataforma y sigo operando.

Para quién es este método (y para quién no)

Ideal si:

• Fundas o diriges una empresa de 2 a 50 personas con múltiples líneas de negocio
• Eres consultor independiente con más de 3 clientes activos
• Lideras operaciones de una empresa mediana que ya usa IA pero con resultados dispares
• Quieres que tu empresa tenga memoria organizacional, no solo memoria individual

No es para ti si:

• Solo usas IA para tareas ocasionales — te queda grande
• Tu empresa es grande y ya tiene frameworks de governance establecidos — necesita adaptación fina, no adopción directa
• No tienes en el equipo a nadie dispuesto a mantener los archivos actualizados

Inversión inicial honesta: entre 4 y 6 horas para armar el esqueleto, y aproximadamente 30 minutos semanales para mantenerlo. Comparado con lo que tu equipo ya gasta peleando con IA inconsistente, el retorno es inmediato.

Tres caminos para empezar

Para cualquiera de los caminos pagados, empieza con un diagnóstico gratuito de 5 minutos.

Cierre

Los próximos 24 meses van a ser decisivos. La mayoría de las empresas va a pasar ese tiempo peleando con herramientas de IA que no encajan en su operación. Prompt tras prompt, chat tras chat, resultado tras resultado inconsistente.

Una minoría va a invertir una semana en construir la arquitectura correcta, y los próximos 5 años va a operar con una ventaja estructural que los otros no pueden ver desde afuera.

No es magia. Es decidir que la IA merece la misma seriedad que le das a tu contabilidad, a tu CRM, o a tu infraestructura de seguridad. Ni más, ni menos.

Si algo en este artículo te resonó con un problema concreto que vives, hablemos.