Macrotabla de decisiones

Base de Datos Interactiva para Navegar

ESTRUCTURA AIRTABLE

TABLA 1: DECISIONES INICIALES (START HERE)

Campo	Tipo	Descripción
Pregunta	Text	Pregunta del usuario
Respuesta Corta	Text	Respuesta en 1 línea
Documentos Relacionados	Link to Records	Guías aplicables
Tiempo de lectura	Number	Minutos recomendados
Prioridad	Select	High/Medium/Low

DECISIONES MAPEO

DECISIÓN 1: "¿LOCAL O CLOUD?"
├─ Local (Tengo GPU/Mac/Linux)
│  ├─ LM Studio [172]
│  ├─ Ollama Mac [173]
│  └─ HF Transformers [174]
└─ Cloud (Quiero 24/7 uptime)
   ├─ AWS Bedrock [175]
   └─ Llama 4 Cloud (esperado 2026) [176]

DECISIÓN 2: "¿CUÁNTA COMPLEJIDAD?"
├─ Principiante (chat simple)
│  └─ LM Studio [172] → 30 min
├─ Intermedio (análisis legal)
│  └─ HF Transformers [174] → 2 horas
└─ Avanzado (production API)
   └─ AWS Bedrock [175] → 4 horas

DECISIÓN 3: "¿NECESITO COMPLIANCE?"
├─ No (solo experimentation)
│  └─ Cualquier guía local
├─ Sí, básico (LFPDPPP awareness)
│  └─ Sección E: Glosario [178]
└─ Sí, full (auditoría completa)
   └─ AWS Bedrock [175] + Glosario [178]

DECISIÓN 4: "¿NECESITO FINE-TUNING?"
├─ No (usar modelo base)
│  └─ Cualquier guía
├─ Sí, LoRA (eficiente)
│  └─ Sección III Meta Conglomerada [177]
└─ Sí, Full (máxima calidad)
   └─ Sección III Meta Conglomerada [177]

DECISIÓN 5: "¿NECESITO OPTIMIZACIÓN?"
├─ No (latencia no crítica)
│  └─ Cualquier guía
├─ Sí, quantización
│  └─ Sección IV Meta Conglomerada [177]
└─ Sí, distillation
   └─ Sección IV Meta Conglomerada [177]

---

TABLA 2: MATRIZ GUÍAS (TODOS LOS DOCUMENTOS)

Guía ID	Nombre	Páginas	Secciones	Best For	Time	URL
167	Módulo Integral GitBook	50	5	Currículum base	2h	[167]
169	Estrategia Despliegue	40	6	Arquitectura	1.5h	[169]
170	Obsidian Wikipedia	50	12	Wiki structure	2h	[170]
171	AWS Bedrock v1	60	10	Cloud basics	2.5h	[171]
172	LM Studio	70	10	GUI fácil	2.5h	[172]
173	Ollama Mac	70	12	Terminal Mac	2.5h	[173]
174	HF Transformers	80	15	Python production	3h	[174]
175	AWS Bedrock SUPERIOR	100	18	Enterprise	4h	[175]
176	Llama 4 Anticipatoria	80	17	Future-ready	3h	[176]
177	META LLAMA CONGLOMERADA	200	7 partes	Visión + Prompt + Fine-tuning	6h	[177]
178	GLOSARIO DEFINITIVO	100+	15 secciones	Reference	ongoing	[178]

---

TABLA 3: MATRIX TECNOLOGÍAS

Tecnología	Dificultad	Curva Aprendizaje	Costo Setup	Costo/Mes	ROI	Guía Ref
LM Studio	Fácil	30 min	$0	$0	Alta (local)	[172]
Ollama	Fácil	30 min	$0	$0	Alta (local)	[173]
Hugging Face Trans.	Intermedia	2h	$0	$0-100	Muy alta	[174]
AWS Bedrock	Intermedia	1h	$100	$1-10k	Alta (scale)	[175]
Docker	Avanzada	4h	$0	$0	Alta (DevOps)	[174]
Fine-tuning LoRA	Avanzada	3h	$0	$50-200	Crítica	[177]
Quantización	Avanzada	2h	$0	$0	Crítica	[177]

---

TABLA 4: ROADMAP 12 SEMANAS

Semana	Objetivo	Guías	Horas	Status
1	Setup inicial + decisión	[172]/[173]/[174]	5	Start
2	First model running	[172]/[173]/[174]	8	Validate
3	Chat básico funcional	[172]/[173]/[174]	6	Deploy
4	API REST endpoint	[174]/[175]	8	Production
5	Monitoring setup	[175]/[177]	6	Observe
6	Data preparation (fine-tuning)	[177]	10	Prepare
7-8	Fine-tuning LoRA	[177]	16	Train
9	Optimization (quantization)	[177]	8	Optimize
10	Evaluation + testing	[177]	8	Validate
11	Production hardening	[175]	8	Secure
12	Scale + documentation	[175]/[178]	8	Document

---

TABLA 5: CASOS DE USO POR SECTOR

Sector Legal (62)

Caso	Descripción	Guías Aplicables	Stack Recomendado	ROI
Análisis contrato	Review + compliance check	[174]/[175]/[178]	HF Trans. → Bedrock	300%
Derechos ARCO	Automatizar respuestas LFPDPPP	[175]/[178]	Bedrock API	250%
Peritaje digital	Generar reportes expertos	[177]/[175]	Fine-tune + Bedrock	400%
Case law search	RAG + jurisprudencia	[177]/[174]	RAG + HF	200%
Drafting	Generar documentos	[177]/[172]	Llama local	150%

Sector RRHH (56)

Caso	Descripción	Guías	Stack	ROI
Resume screening	Clasificar candidatos	[174]/[175]	HF + Bedrock	350%
Capacitación	Generar contenido	[172]/[177]	Llama + Fine-tune	200%
Compliance laboral	LFPDPPP + derechos	[175]/[178]	Bedrock	300%

Sector Salud (62)

Caso	Descripción	Guías	Stack	ROI
Documentación médica	NLP en expedientes	[174]/[173]	HF Trans.	250%
Regulatory compliance	NOM-004 + LFPDPPP	[175]/[178]	Bedrock	400%
Patient education	Explicar tratamientos	[172]/[177]	Llama local	180%

---

TABLA 6: PROBLEMAS Y SOLUCIONES

Problema	Síntoma	Solución	Guía Ref	Tiempo Fix
GPU out of memory	"CUDA out of memory" error	Usar quantización int4	[177] sección IV	30 min
Slow inference	Respuesta 5+ segundos	Batching + caching	[177] sección IV	2h
Hallucinations	Respuestas incorrectas	Usar RAG + baja temperatura	[177] sección II	1h
High latency P95	5-10% requests lentos	Load balancer + scaling	[175]	4h
Model not loading	"Model not found" error	Verificar ruta modelo	[172]/[173]	15 min
Compliance violation	LFPDPPP risk	Audit + encryption setup	[175]/[178]	8h
Fine-tune overfitting	Test accuracy baja	Early stopping + regularization	[177]	3h
Cost spiraling	$10k/mes (inesperado)	Token caching + batch	[177]	2h

---

TABLA 7: CONCEPTOS CLAVE (LINKERS)

Concepto	Definición Corta	Guías Principales	Sub-conceptos Relacionados
RAG	Retrieval-Augmented Generation	[174]/[177]	Vector DB, Embedding, Context
Fine-tuning	Adaptar modelo con tus datos	[177]	LoRA, QLoRA, Epochs, Loss
Quantización	Reducir precisión para speed/size	[177]	int4, int8, bfloat16
Compliance	Seguir normas (LFPDPPP)	[175]/[178]	ARCO, Consentimiento, Audit
Evaluation	Medir calidad modelo	[177]	Benchmarks, Metrics, Testing
Deployment	Poner en producción	[175]	API, Lambda, Scaling
Prompting	Instruir a Llama	[177]	CoT, Few-shot, Temperature
Distillation	Crear modelo pequeño de grande	[177]	Teacher, Student, Knowledge transfer

---

TABLA 8: PERSONA USER → RECOMENDACIONES

User Type: "Principiante Tech"

Aspecto	Recomendación
Hardware	Mac (LM Studio) o Laptop Windows
Guía start	[172] LM Studio (15 min setup)
Tiempo aprox	2-3 horas total primeros pasos
Stack	LM Studio → Bedrock (eventual)
Cost/mes	$0-500 (depende escala)
Riesgo	Bajo (GUI amigable)
Roadmap	Semanas 1-3: Learning; Semana 4+: Production

User Type: "Developer Python"

Aspecto	Recomendación
Hardware	GPU recomendada (RTX 4090/A100)
Guía start	[174] HF Transformers (2h setup)
Tiempo aprox	4-6 horas setup + 40h integración
Stack	HF Transformers → FastAPI → Bedrock
Cost/mes	$200-2k (depende volumen)
Riesgo	Medio (más control = más responsabilidad)
Roadmap	Semanas 1-6: Development; Semana 7+: Deploy

User Type: "Enterprise Tech Lead"

Aspecto	Recomendación
Hardware	Full cloud (AWS)
Guía start	[175] AWS Bedrock SUPERIOR (1h setup)
Tiempo aprox	10-15 horas arquitectura + compliance
Stack	Bedrock → Lambda → API Gateway → CloudFront
Cost/mes	$2k-50k+ (escala automática)
Riesgo	Bajo (AWS maneja infraestructura)
Roadmap	Semanas 1-2: Arch; 3-6: MVP; 7+: Scaling

---

TABLA 9: CHECKLISTS TEMÁTICAS

Pre-Deploy Checklist

• ¿Guía correcta elegida? (Tabla 2)

• ¿Hardware compatible? (Tabla 3)

• ¿Código testeado localmente?

• ¿API endpoint funcional?

• ¿Monitoring activo?

• ¿Backup data en lugar?

• ¿Compliance audit completado?

• ¿Security hardening done?

• ¿Team trained?

• ¿Documentation updated?

LFPDPPP Compliance Checklist

• ¿Consentimiento usuario obtenido?

• ¿Aviso privacidad menciona IA?

• ¿Datos encriptados en reposo?

• ¿TLS 1.2+ en tránsito?

• ¿Derechos ARCO implementados?

• ¿Audit trail activo?

• ¿Data retention policy definida?

• ¿Seguro responsabilidad civil?

• ¿Responsable de datos designado?

• ¿Breach notification plan?

---

TABLA 10: CÁLCULATOR ROI INTERACTIVA

Métrica	Input	Fórmula	Output
Setup Cost	User enters	Manual	$X
Monthly Inference	user requests/month	X × $0.003	$Y
Monthly Fine-tuning	if yes	Manual	$Z
Time Savings	Hours saved/month	X × hourly rate	$W
Total Monthly Cost		Y + Z	$$$
Total Monthly Benefit		W	$$$
Payback Period		Setup / (W - (Y+Z))	M meses
12-Month ROI		((W - (Y+Z)) × 12 - Setup) / Setup	X%

Ejemplo calculado:

Setup cost: $5,000
Monthly inference: 1M queries × $0.003 = $3,000
Monthly fine-tuning: $200
Time savings: 200 horas × $50/hr = $10,000
Net benefit/month: $10,000 - $3,200 = $6,800
Payback period: $5,000 / $6,800 = 0.7 meses ✓
12-Month ROI: ($6,800 × 12 - $5,000) / $5,000 = 1,630% ✓✓✓

---

TABLA 11: GLOSARIO INTERACTIVA (LINKED)

Cada término en [178] GLOSARIO tiene:

Campo	Valor
Término	Nombre del concepto
Definición	Explicación clara
Contexto MiPyME	Aplicación real
Guías relacionadas	Links a secciones
Nivel complejidad	Beginner/Intermediate/Advanced
Última actualización	Fecha
Links	A otras fichas relacionadas

---

CÓMO USAR LA MACROTABLA

A continuación se presentan los flujos principales como steppers para guiar al usuario paso a paso.

1

Flujo: "¿Por dónde empiezo?"

1. Abre Tabla 1: Decisiones Iniciales

2. Responde 5 preguntas clave

3. Sistema te recomienda:

   • Cuál guía leer

   • Qué tablas revisar

   • Tiempo estimado

   • Stack recomendado

2

Flujo: "Tengo un problema"

1. Abre Tabla 6: Problemas y Soluciones

2. Busca tu problema

3. Lee solución

4. Abre la guía referenciada para más detalles

5. Revisa el tiempo estimado de fix en la tabla

3

Flujo: "Quiero entender un concepto"

1. Abre Tabla 11: Glosario Interactiva

2. Busca término

3. Lee definición + contexto

4. Sigue links a guías relacionadas

5. (Opcional) Guardar en Notion/Obsidian

4

Flujo: "Estoy en semana X de roadmap"

1. Abre Tabla 4: Roadmap 12 Semanas

2. Encuentra tu semana

3. Lee objetivo + horas

4. Abre guías linkedadas

5. Ejecuta las tareas planificadas

5

Flujo: "Necesito calcular ROI"

1. Abre Tabla 10: Calculator ROI

2. Ingresa tus números:

   • Setup cost

   • Monthly request volume

   • Hourly rate ahorrado

3. Sistema calcula:

   • Payback period

   • 12-month ROI

   • Break-even point

---

SETUP AIRTABLE DESDE CERO

1

Crear Base

1. Ve a airtable.com

2. Click "Create new base"

3. Nombre: "Llama MiPyME Hub"

4. Descripción: "Navegación + decisiones para 750 pgs IA"

2

Crear Tablas

Copiar cada tabla de este documento a Airtable:

• TABLE > Create table > Name: "Decisiones Iniciales"

  • FIELD 1: Pregunta (Text)

  • FIELD 2: Respuesta Corta (Text)

  • FIELD 3: Documentos Relacionados (Linked Records)

  • FIELD 4: Tiempo Lectura (Number)

  • FIELD 5: Prioridad (Single Select)

[Repeat para cada tabla listada en este documento]

3

Rellenar Registros

Copiar datos de cada tabla aquí arriba a Airtable (puedes usar CSV o scripts de importación).

4

Crear Vistas

Crear al menos estas vistas:

• Grid view (tabla)

• Gallery view (cards)

• Calendar (roadmap)

• Form (ROI calculator)

• Kanban (por status)

5

Compartir

Share button → Generate link Compartir con team/estudiantes

---

PLANTILLA EXPORTABLE

CSV ejemplo para importar decisiones:

decision_key,question,short_answer,guide_ids,time_minutes,priority
dec001,"¿Local o cloud?","Depende tus reqs",172;173;174;175,5,HIGH
dec002,"¿Qué complejidad?","De principiante a avanzado",167;172;177,10,HIGH
dec003,"¿Necesito compliance?","LFPDPPP es crítico",175;178,15,HIGH
...

(Disponible para descarga como CSV + Excel)

---

ACTUALIZACIÓN MENSUAL

Esta macrotabla será actualizada:

• Cada vez que sale Llama nueva versión

• Con feedback de usuarios

• Nuevos conceptos agregados al glosario

• New tools/frameworks

Changelog

• Nov 24, 2025: v1.0 (Initial release)

• Dic 2025: v1.1 (Llama 4 launch)

• Ene 2026: v2.0 (Esperado)

Última actualización: Noviembre 24, 2025 Version: 1.0 Total campos: 100+ Total registros: 200+ Status: Pronto en Airtable público

---

SIGUIENTES PASOS

1. Crear base Airtable

2. Copiar todas las tablas

3. Llenar registros

4. Crear vistas inteligentes

5. Compartir link público

6. Publicar en Obsidian + GitBook

¿LISTO? 🚀

---

Si quieres, puedo:

• Generar los CSVs listos para importar para cada tabla.

• Preparar un script de importación (Airtable API) con los campos mapeados.

• Exportar versiones en Notion/Obsidian markdown. ¿Cuál prefieres?