Seré honesto: mi producción nace del sector privado y de tableros ciudadanos. Pero las lecciones —costo, guardrails, gobierno del dato— son directamente transferibles al Estado.
Portafolio · ya desplegado en producción
No vengo con teoría. Todo esto ya corre, con usuarios reales.
gopues.app
📑
GoPues
Licitaciones públicas de toda Latinoamérica
qhaway.org
🗺️
Qhaway
Observatorio de presupuesto público del Perú
liti.app
⚖️
Liti
Documentos legales con IA · legal tech
doorhq.app
🏠
DoorHQ
Gestión de alquileres e inmuebles
peru2050.pe
🔭
Perú 2050
Escenarios y datos de futuro del Perú
suyay.app
📈
Suyay
Inversión y portafolio de SaaS con IA
urpix.app
🖼️
Urpix
Generación de imágenes con IA
contodo.app
🧩
Contodo
Plataforma de gestión integral
ranking universidades · CIP
🎓
Ranking CIP
Ranking de universidades del Perú
Impacto · IA para el empoderamiento ciudadano
Que el ciudadano consiga su cita en EsSalud. Solo.
Un asistente ciudadano no oficial (sin vínculo con EsSalud) que consulta el portal público de citas y guía a la persona a reservar por sí misma — sin tramitadores, sin colas eternas, desde su celular.
Gratuito y en lenguaje simple, para cualquier nivel digital.
Le devuelve al ciudadano el control sobre su salud.
Construido con la misma metodología: spec, agentes y bajo costo.
🎬 Mira el tutorialEscanea el código o entra a essalud.tunky.net/tutorial
essalud.tunky.net/tutorial
El método de esta jornada
Spec-Driven Development: la especificación es el código fuente.
1 · Escribes el spec
Qué debe hacer, con qué datos, qué reglas, qué NO debe hacer. En lenguaje claro, versionado.
2 · El agente construye
Genera front, back y ETL desde el spec. Tú revisas intención, no cada línea.
3 · Otro agente ataca
Un agente adversarial busca fallas, PII y supuestos falsos antes del deploy.
Ya es formación reglada (DeepLearning.AI, 2026). Hoy lo aplicamos sobre datos reales del Estado peruano.
⚡ La respuesta
No es prohibir la IA ni codear a ciegas. Es disciplina: spec claro, agente adversarial y tests. Eso es exactamente lo que verán hoy.
La irrupción · el riesgo que nadie nombra
Si la IA deja que cualquiera programe… ¿quién responde por el código?
El gerente prototipa. El analista genera módulos. El practicante despliega. La línea entre quién dirige y quién codea se borra — y con ella, la rendición de cuentas.
Responsabilidad difusa
Código que funciona pero que nadie entiende del todo. Cuando falla en producción, ¿quién rinde cuentas?
Productividad falsa
Velocidad sin comprensión = deuda técnica invisible. Se acumula rápido y se paga caro.
Fuga de datos
Datos sensibles y secretos pegados en prompts. En el Estado, un dato mal expuesto es un problema institucional.
Atrofia del criterio
Dependencia del modelo y pérdida de fundamentos. El "vibe coding" sin base no escala ni se audita.
El experimento en vivo
Voy a construir un dashboard de transparencia frente a ustedes.
Fuente: Registro de Visitas en Línea del Estado — datosabiertos.gob.pe. Información pública por la Ley 27806: quién visita a qué funcionario, cuándo y por qué.
Ya hecho— datos descargados y ETL corrido. Eso son 20 min en su oficina.
En vivo— del spec al tablero desplegado, en ~20 minutos, aquí.
Sin trucos— cero scraping, cero evadir seguridad. Solo lo que el Estado publica abierto.
El prompt que escribiré en vivo
> claude-code — fuente de la verdad: SPEC-visitas.md1) CONSTRUYE el dashboard (ETL → JSON agregado → ECharts)
NUNCA DNI ni nombre de visitante · solo agregados al navegador
2) CREA AGENTES ADVERSARIALES(fallan el build si algo falla)
• seguridad: bloquea si hay PII, secretos o IP expuesta
• cazador de errores + unit tests (pytest)
• revisor: inyecta un DNI de prueba → debe anonimizarlo
3) INTEGRA EL CHATBOT por voz
• llama al gateway ai.tunky.net · keys server-side, no en el front
• guardrails: solo el tema, rate-limit x IP, contexto = solo cifras
• Web Speech API (voz) · costo ~centavos/mes
4) DEPLOY → GitHub Pages · cita fuente y fecha en cada gráfico
Cópialo, pégalo en tu terminal (Claude Code) y se construye en vivo.
Agentes adversariales · la parte que nadie enseña
Un segundo agente cuyo único trabajo es romper el primero.
Lo que caza
PII filtrada, cifras sin fuente, supuestos falsos, prompt-injection, XSS. Antes de que llegue a producción.
Caso real
Red-team a mi chatbot en producción: 20 ataques, 19 resistieron, 1 parcial. Se corrigió con rate-limiting por IP y validación de contexto.
En el sector público esto no es opcional: el costo de un dato mal expuesto es institucional, no solo técnico.
La arquitectura de la solución
Del spec al deploy — y cómo corre después.
Construcción · Spec-Driven Development
📝
Spec
reglas · datos · qué NO hacer
›
💬
ChatGPT · Claude
refinan el spec
›
⚡
Claude Code
genera front · back · ETL
›
🛡️
Adversarial
seguridad · errores · tests
›
🚀
Deploy
estático + API
Producción · así corre en vivo
🎙️
Usuario
voz + pantalla · gama baja
→
🌐
Frontend
GitHub Pages · ECharts · voz
→
🔒
API · VPS
guardrails · 🔑 keys server-side
→
🤖
LLM barato
tope + fallback · centavos/mes
Sin quebrar el presupuesto
La barrera no es el dinero. Es el diseño.
US$0
El tablero es estático (GitHub Pages). El chatbot corre en un VPS compartido ya existente: costo marginal, no un servidor nuevo.
Centavos
IA solo en el build y en consultas acotadas, con topes de uso por IP.
Candados
Rate-limit, tope diario, modelo barato con fallback. El costo nunca se dispara.
Un tablero como este cuesta menos que un almuerzo al mes. Replicable por cualquier entidad, sin depender de un proveedor.
La tesis
Legalmente abierto no es técnicamente accesible.
La Ley 27806 ya lo manda. La IA lo construye en 20 minutos. El cuello de botella no es tecnológico — es de gobierno de datos. Y eso sí se decide desde esta sala.
El llamado a la acción · ENGD 2026-2030
Lo que hoy hice con una entidad, hagámoslo con 2,000.
Interoperable por defecto— registro de visitas descargable en formato reutilizable, no bajo pedido.
Calidad del dato— motivos y campos estandarizados, no “Otros Motivos” en 3 de cada 4 registros.
Con IA responsable— spec claro, agente adversarial y anonimización desde el diseño.
La ENIA y la ENGD 2026-2030 son exactamente la ventana para cerrar esta brecha.
La base de datos · lo que sí está abierto
57,738
visitas registradas y anonimizadas — enero 2025 a mayo 2026.
2h 26m
duración mediana de una visita a un funcionario público.
Martes
el día pico; el fin de semana casi nadie (98 visitas en 17 meses).
10 a.m.
la hora más concurrida para tocar la puerta del Estado.
El hallazgo incómodo
57,738 visitas. Una sola entidad del país las publica como dato abierto.
Gobierno Regional de Loreto — el único. El resto existe en la plataforma nacional, pero el dato no es descargable ni interoperable.
Los datos hablan · serie mensual
Las visitas registradas caen a la mitad en 17 meses. ¿Menos actividad o menos registro? El dato abierto aún no alcanza para saberlo.
20252026
Registro de Visitas en Línea · GORE Loreto · ene 2025 – may 2026 · n=57,738
Los datos hablan · calidad del dato
El 76% de las visitas dice solo “Otros Motivos”.
Un dato abierto sin calidad transparenta poco. Etiquetar bien el motivo es tan importante como publicarlo.
Otros Motivos
76%
Reunión de trabajo
23%
Provisión de servicios
0.4%
Sin motivo
0.2%
Enfoque en las personas · user-centric
Todo funcionario y trabajador del Estado debe hacerle la vida más fácil al ciudadano del Perú.
🛠️
Mi trabajo
IA + datos abiertos · bajo costo · replicable
→
🤝
Funcionario + ciudadano
decide con datos · resuelve solo · vigila al poder
→
❤️
Calidad de vida
salud · educación · justicia · transparencia
“Le doy la misma herramienta al que gobierna y al que es gobernado.” El funcionario sirve mejor; el ciudadano exige y resuelve. Esa es la calidad de vida.
Gracias
El código y el spec quedan abiertos. Replíquenlo en su entidad.
ExpositorCarlos Mauro Cárdenas F.
Correocarlos@cardenas.pe
GitHubgithub.com/unimauro
+20 dashboards cívicos abiertosExplóralos en unimauro.github.io
observatorio-justicia-peru
⚖️
Observatorio de Justicia
El sistema judicial del Perú en datos abiertos.
peru-finanzas-publicas
💰
Finanzas Públicas
PBI, deuda y presupuesto del Perú, 1990–2026.
qhaway-dashboard
🗺️
Qhaway · Presupuesto
Presupuesto público distrital (SIAF-MEF).
educacion-peru
📚
Educación del Perú
Aprendizajes ENLA 2024 y brechas educativas.
universidades-peru
🎓
Universidades del Perú
Ranking de investigación de 91 universidades.
congreso-abierto-peru
🏛️
Congreso Abierto
Transparencia y análisis del Congreso del Perú.
Datos: Registro de Visitas en Línea, datosabiertos.gob.pe (SGTD-PCM) · anonimizado · n=57,738