Cuando un médico construye su propio software con IA: la lección que toda empresa debería escuchar
Hay una pregunta que Derya Unutmaz se hizo al salir de la facultad de medicina y que nunca lo abandonó: ¿cómo puede alguien entender un sistema con trillones de partes interactuando al mismo tiempo? La biología humana es tan compleja que incluso los mejores especialistas del mundo solo pueden ver una fracción de lo que ocurre. Esa frustración lo llevó a interesarse en inteligencia artificial desde los años 90, mucho antes de que fuera tendencia.
Hoy, en julio de 2026, Unutmaz es investigador en inmunología y oncología, y se ha convertido en uno de los casos más fascinantes de lo que pasa cuando alguien con conocimiento profundo de dominio abraza la IA sin miedo. En el episodio 5 de Builders Unscripted de OpenAI, compartió su experiencia de manera honesta y concreta: desde el momento que lo marcó con o1-preview hasta construir herramientas científicas avanzadas usando Codex, sin ser programador de software.
Lo que sigue no es solo la historia de un científico curioso. Es un mapa de cómo la IA está cambiando quién puede construir qué, y qué significa eso para cualquier empresa que tenga conocimiento especializado acumulado.
El momento en que la IA dejó de ser una herramienta de búsqueda
En septiembre de 2024, OpenAI le dio acceso anticipado a o1-preview, su primer modelo de razonamiento. Unutmaz le hizo una pregunta inusual: le pidió que imaginara el sistema inmune como un juego de batalla royale, donde las células inmunes pelean contra un tumor como si fuera una partida de supervivencia en una isla.
La respuesta lo dejó casi sin palabras. No porque el modelo supiera más que él sobre inmunología, sino porque razonó sobre el problema de una manera que ningún modelo anterior había logrado. GPT-4 era útil para sintetizar literatura o redactar documentos. Pero o1-preview podía proyectar resultados, cruzar conceptos de campos completamente distintos y construir escenarios que tenían sentido científico real.
Ese es el salto que muchos todavía no han notado: pasar de IA como buscador sofisticado a IA como colaborador que razona. Para las empresas, esa diferencia es enorme. No es lo mismo pedirle a una herramienta que resuma información que pedirle que te ayude a pensar un problema que nadie ha resuelto antes.
Construir software sin ser programador: el caso de la citometría de flujo
Uno de los momentos más concretos de la conversación ocurre cuando Unutmaz muestra en vivo una aplicación que construyó completamente con Codex. Se trata de un software de citometría de flujo — una herramienta que los laboratorios usan para analizar cientos de miles de células individuales, identificar tipos celulares y generar gráficos estadísticos complejos.
Este tipo de software existe hace décadas y es desarrollado por equipos de ingeniería especializados. Unutmaz lo construyó desde cero, solo, sin escribir código manualmente. Usando prompts, iterando sobre errores, y aprovechando que él sí sabe exactamente qué necesita el software para ser útil en su trabajo diario.
El resultado no es un prototipo. Es una herramienta funcional que analiza datos reales de su laboratorio, permite seleccionar tipos celulares, ajustar visualizaciones y procesar grandes volúmenes de información con rapidez. Lo que antes hubiera tomado meses de desarrollo, hoy lo construyó en semanas.
La clave no fue que Codex sea mágico. Fue que Unutmaz tenía el conocimiento de dominio para saber qué pedir, evaluar si la respuesta era correcta y corregir el rumbo cuando algo no funcionaba. La IA amplificó su expertise. No lo reemplazó.
¿Qué significa esto para empresas en Perú y América Latina?
El caso de Unutmaz no es un ejemplo de ciencia futurista lejana. Es una demostración de algo que ya está ocurriendo en industrias mucho más cercanas: alguien con conocimiento especializado puede construir herramientas que antes solo eran accesibles para grandes equipos de tecnología.
En el contexto peruano y latinoamericano, esto tiene implicancias directas. Hay gerentes de operaciones que conocen su proceso productivo mejor que cualquier consultor externo. Hay contadores que entienden la lógica tributaria local con una profundidad que ningún software genérico captura bien. Hay jefes de logística que saben exactamente dónde está el cuello de botella que ningún dashboard estándar muestra.
Esas personas, hoy, pueden usar herramientas como Codex, Claude o flujos de automatización con n8n para construir soluciones a medida de sus problemas reales. No necesitan un equipo de desarrollo de diez personas. Necesitan conocimiento de dominio profundo y la disposición de aprender a trabajar con IA de manera iterativa.
Lo que sí necesitan es orientación para no perder semanas en caminos equivocados, y para integrar esas soluciones con los sistemas que ya tienen — como un ERP, una base de datos o un proceso de reportes existente.
¿Cómo aplica esto en tu empresa?
Si lees esto como gerente, director o responsable de un área, hay tres preguntas concretas que vale la pena hacerse hoy:
- ¿Qué proceso en tu empresa requiere conocimiento especializado que solo tú o tu equipo tienen? Ese es el punto de partida ideal para una solución con IA, porque el conocimiento de dominio ya existe internamente.
- ¿Estás usando herramientas genéricas donde necesitarías algo a medida? No todo requiere desarrollo personalizado, pero hay procesos donde el software estándar nunca va a ajustarse bien a tu realidad.
- ¿Tu equipo técnico está experimentando con modelos de razonamiento, o sigue usando IA solo para redactar textos? El salto de GPT-4 a o1 que describió Unutmaz no fue cosmético. Los modelos actuales razonan diferente, y eso cambia qué tipo de problemas puedes llevarles.
El patrón que funciona es el mismo que aplicó Unutmaz: conocimiento profundo de dominio + herramienta de IA correcta + iteración constante. No es magia. Es método.
En Consultoría-Ti trabajamos con empresas peruanas y latinoamericanas que tienen ese conocimiento acumulado y quieren convertirlo en ventaja competitiva real, ya sea integrando flujos de automatización, desarrollando soluciones a medida sobre su ERP, o diseñando arquitecturas que conecten sus datos con modelos de IA de manera confiable.
Conclusión
Derya Unutmaz pasó décadas mirando la complejidad de la biología y preguntándose cómo resolverla. La IA no le dio las respuestas. Le dio la capacidad de hacer mejores preguntas y actuar sobre ellas más rápido.
Eso es exactamente lo que debería pasar en cualquier empresa que use IA bien: no reemplazar el conocimiento humano, sino amplificarlo hasta donde antes era imposible llegar solo.
Si quieres explorar cómo aplicar este enfoque en tu organización, el equipo de Consultoría-Ti está disponible para conversar. Sin promesas genéricas — solo análisis concreto de tu situación y qué herramientas tienen sentido para tu contexto.
Conversemos sobre tu proyecto →
Fuentes y Referencias
Builders Unscripted: Ep. 5 - Derya Unutmaz — OpenAI YouTube
✨ Contenido generado con ContentFlow — Consultoría-Ti