Paulo Vila
28 de 28 secciones en it
Professional Summary
Consulenza → Leadership aziendale → Ingegneria dei sistemi → Infrastruttura AI ■ Costruito: Vilaros OS — piattaforma AI sovrana in Rust (Hera, Memento, Sentinel, Argus, OS-v3); 5 app di produzione su web, Telegram e WhatsApp; orchestrazione LLM personalizzata e memoria persistente, zero dipendenza dal cloud. Avviato durante Mastercard (2022), a tempo pieno da gennaio 2025. ■ Scalato: 10+ anni a Mastercard (2014–2025) in ruoli LATAM, MENA e globali — VP Innovazione, partnership commerciali e leadership P&L in mercati che generano centinaia di milioni di volume annuale. Cinque premi istituzionali selezionati tra ~30K dipendenti globali. ■ Consulenza: Incarichi McKinsey & BCG in strategia, ristrutturazione e crescita commerciale in LatAm e Europa. GMAT 730 (95° percentile).
~/mission
Costruire infrastrutture AI sovrane che girano in locale, eseguono velocemente e migliorano i sistemi decisionali organizzativi.
How I Work
Non gestisco soltanto le persone — orchestro sistemi e team. Creo le condizioni affinché un gruppo pensi meglio di quanto credesse possibile, e poi rivedo attivamente, supporto e guido il loro lavoro verso l’eccellenza. La mia convinzione fondamentale è che le migliori decisioni nascano da uno scontro strutturato tra prospettive diverse. In 29 anni ho oscillato tra la costruzione di sistemi software e la facilitazione di team umani, perché sono problemi strutturalmente identici: capire le esigenze dei componenti, liberare i canali di comunicazione, eliminare i colli di bottiglia. Conduco sprint, non riunioni. In oltre 100 sprint con CEO e CFO in tutta America Latina, il successo è venuto dall’investire più tempo nel progettare le domande e i criteri di uscita che nelle presentazioni. Il filo comune: trovare il luogo dove le decisioni vengono davvero prese, e renderle migliori. Come CEO, questo si traduce direttamente: costruisco la piattaforma, recluto il team, definisco l’architettura — e mi immergo profondamente nell’esecuzione per garantire che i risultati raggiungano i più alti standard tecnici.
Operating Model
Piattaforma AI sovrana: inferenza local-first, memoria persistente per ambito, orchestrazione multi-agente e presenza multi-canale (web + Telegram + WhatsApp) su un unico runtime Rust condiviso. Il cloud è un failover, non il percorso primario.
Operating Model Focus
Infrastruttura AI · Rust / C++ · Intelligenza Local-First · Leadership di Prodotto
Operating Model Diagram
flowchart LR Utente --> Sentinel Sentinel --> Hera Hera --> Memento Hera --> Strumenti Strumenti --> App Argus --> Hera Argus --> Sentinel Argus --> App
System Architecture
flowchart TD
Utente --> Sentinel
Sentinel --> Hera
Hera --> Memento
Hera --> Strumenti
Strumenti --> App
Argus --> Hera
Argus --> Sentinel
Argus --> App
App --> Vetra
App --> Movilo
App --> Latinos
App --> ElGarcero
App --> PauloVila
subgraph Piattaforma Core
Sentinel
Hera
Memento
Argus
end
Architecture Legend
- Sentinel — gateway di routing e livello di interazione
- Hera — orchestrazione LLM e coordinamento degli agenti
- Memento — memoria persistente e accesso ai dati per ambito
- Argus — orchestrazione di runtime e ambiente
- OS-v3 — hub di governance: registro di tool/workflow, autenticazione condivisa
- App — vetra.trade, latinos.paulovila.org, movilo.club, elgarcero.com, paulovila.org
Engineering Benchmarks
- Costruito Vilaros OS da zero: 5 app AI di produzione (paulovila.org, vetra.trade, latinostrading.com, movilo.club, elgarcero.com) unificate su un’unica architettura Rust — Hera + Memento + Sentinel + Argus + OS-v3.
- IPC sotto il millisecondo (Unix Domain Sockets) per gestire richieste ad alta concorrenza; inferenza locale su GPU 2× RTX 3090 con failover Postgres automatico verso nodo edge cloud.
- Orchestrazione multi-agente su canali web, Telegram e WhatsApp con memoria persistente, esecuzione workflow e zero dipendenza da API LLM esterne.
Business Benchmarks
- Fintech Scale — Guidato una piattaforma B2B di sourcing per carte di credito da **$100M+** a Mastercard; supportato il lancio di un neobank che ha raggiunto oltre 1M di utenti in Colombia in 18 mesi.
- Crescita Innovazione — Trainato una <strong>crescita 10x</strong> nelle vendite di consulenza in innovazione in America Latina attraverso tre nuovi hub.
- Turnaround — **$20M** di ribaltamento finanziario (da –$10M a +$10M di utile annuale in 6 mesi) in una miniera latinoamericana attraverso riprogettazione dei processi e negoziazione sindacale.
- Crescita Strategica — Facilitato la strategia per un leader alimentare cileno con proiezione di **$200M** in vendite incrementali e miglioramento del margine del 10%+.
- Community in Scala — Fondato e scalato Top Level Executives a 60.000 membri (VP, CEO, Direttori) in 19 anni. Zero finanziamento istituzionale.
UX Layer
Tratto il design come architettura: deve funzionare senza spiegazioni. I migliori workshop sono quelli in cui i partecipanti dimenticano di essere in uno. Il miglior software fa dimenticare agli utenti di starlo usando. Entrambi richiedono una chiarezza implacabile sui bisogni umani e la rimozione costante di tutto ciò che serve al designer e non all’utente. Sul Design Thinking — Un’epistemologia, non un framework. Partire dall’umano, prototipare rapidamente, uccidere le idee sbagliate subito. Il metodo si scala da app fintech a operazioni minerarie fino a strategie C-suite — perché la logica sottostante è sempre la stessa. Sull’Architettura Sprint — Progettata come una pipeline di codice: input chiari, interfacce robuste tra le fasi, output osservabili. Per questo gli sprint si chiudono in giorni anziché settimane. I processi avanzano; le riunioni regolari si bloccano.
Design Principles
- Local-First: Privilegiare motori C++ / Rust locali rispetto a REST.
- Dual-Resolution: Archiviazione DB scalata a interfacce compresse.
- UI Deterministica: Tera + HTMX per eliminare la fatica da JS.
Languages
- Spagnolo (madrelingua)
- Inglese (fluente)
- Francese (fluente)
- Italiano (fluente)
- Portoghese (intermedio)
- Tedesco: Nozioni di base, in miglioramento attivo
Network
- Top Level Executives — community esecutiva globale, ~60.000 membri tra CEO, VP, Direttori e Imprenditori (fondata nel 2006, tuttora attiva)
Closing
Questo CV è stato generato dinamicamente dal Database Memento Sovrano usando Loco.rs.
Sobre Paulo 25 hechos
- Ha condotto workshop di strategia come consulente presso Hay Group in Cile, aiutando un cliente a sviluppare nuovi prodotti e a trovare nuove fonti di reddito.
- È stato professore alla Universidad de los Andes e, durante l'insegnamento, ha lavorato a un progetto di consulenza con Syntegrity per l'ICFES (l'istituto nazionale colombiano per la valutazione degli esami).
- Allinea team cross-funzionali con priorità in conflitto seguendo una sequenza fissa: prima interviste per far emergere il problema reale (non quello dichiarato), poi un sondaggio per trasformare opinioni disperse in un quadro condiviso e misurabile, poi un workshop che si conclude con una chiara assegnazione delle responsabilità, infine KPI di esecuzione su entrambi i fronti -- KPI di azione (il lavoro sta procedendo) e KPI di risultato (il numero si sta muovendo).
- Costruisce fiducia con un team scettico in qualità di advisor esterno unendo competenza tecnica ed empatia -- segue la regola "ascoltare con due orecchie, parlare con una bocca": dedica la prima fase di ogni incarico all'ascolto, prima di raccomandare qualsiasi cosa.
- Spiega i concetti di AI a dirigenti non tecnici attraverso analogie invece che specifiche tecniche -- ad esempio, un LLM è come un advisor junior; il contesto che gli viene fornito è il dossier consegnato a quell'advisor prima di una riunione; un fine-tuning LoRA è come dargli un onboarding su "come facciamo le cose qui" (paragonabile ai primi tre mesi di un nuovo dipendente).
- Ritiene che instradare in modo riflesso tutto il lavoro di AI verso API cloud commerciali sia un errore di default costoso -- preferisce prima i modelli locali/self-hosted, con un'escalation disciplinata verso un livello commerciale solo quando il modello locale fallisce in modo dimostrabile su un compito specifico, verificato e non presunto.
- Organizzazione più impegnativa dal punto di vista operativo: Mastercard, VP Innovation-Digital Labs America Latina (set 2022-gen 2025) e Innovation Director LatAm (2019-2022), 5,5 anni in totale. Scala (ricercata pubblicamente, non dati interni Mastercard): sede regionale LAC a Miami, strutturata in 3 divisioni / 13 uffici, che copre decine di giurisdizioni nella regione (Argentina, Brasile, Cile, Colombia, Messico, Perù e altri). Mastercard è una rete di pagamenti, non un asset manager, quindi non ha AUM -- la metrica di scala equivalente più vicina è il Gross Dollar Volume (GDV): LAC ha generato ~$29,2B di GDV nell'FY2025, ~7,4% del GDV globale di Mastercard (fonte: dati operativi supplementari per investitori Mastercard Q2 2026). Ambito verificato direttamente dal ruolo di Paulo (CV, paulo_bio_experience): ha gestito la relazione di sponsor esecutivo con le maggiori banche, retailer e fintech della regione; ha ideato oltre 100 sprint di Design Thinking C-suite; ha avviato 3 nuovi hub di innovazione per i clienti in tutta l'America Latina; ha fatto crescere il valore degli engagement strategici di 10X. Il numero esatto di riporti diretti non è documentato -- non inventato qui, segnalato a Paulo da aggiungere se rilevante. Sfide specifiche di adozione AI/tech a quella scala: (1) frammentazione normativa tra le giurisdizioni LAC -- le regole sui dati/AI di ogni paese impedivano un rollout unificato, imponendo percorsi di compliance per singolo mercato invece di un unico deployment; (2) resistenza organizzativa/legacy all'interno di una grande multinazionale -- sistemi legacy interni e politiche interne rallentavano l'adozione di nuovi strumenti (LLM locali) rispetto a quanto avrebbe potuto fare un'organizzazione più piccola e meno burocratica.
- Carrefour Colombia, Sales Development Director (ott 2009-mar 2011). Scala (ricercata pubblicamente): Carrefour Colombia gestiva 72 ipermercati, 16 negozi di prossimità e 4 punti cash-and-carry (~400.000 mq di superficie di vendita), seconda catena di supermercati in Colombia per quota di mercato (~17%), ricavi oltre $2B. L'intera operazione colombiana è stata successivamente venduta a Cencosud per $2,6B (ott 2012) -- contesto per la scala del business di cui Paulo ha contribuito a gestire il pricing. Ambito verificato direttamente dal CV: ha diretto una divisione pricing di oltre 200 persone che eseguiva la strategia di pricing in tempo reale a livello nazionale; ha orchestrato l'apertura di nuovi punti vendita end-to-end (dalla selezione del sito alla piena operatività). Nessuna sfida di adozione AI/tech specificamente registrata per questo ruolo -- da segnalare a Paulo se rilevante, non inventata.
- McKinsey & Company, Associate Consultant (apr 2006-mar 2008). Scala (ricercata pubblicamente, approssimata per l'epoca -- McKinsey non pubblica organici storici ancorati all'anno): società di consulenza direzionale globale, comunemente citata con oltre 50 uffici in oltre 25 paesi in questo periodo, con oltre il 60% dei ricavi generati fuori dagli USA al 2004. Il mercato globale della consulenza era di circa $280-300B nel 2006-2007 (Kennedy Information). Ambito verificato direttamente dal CV: ruolo di supporto analitico su una fusione telecom multi-miliardaria che ha raggiunto oltre $20M di risparmi da sinergie; ha contribuito al lancio di un nuovo modello di filiale e di un portale IP-video per importanti clienti LAC. Nessuna sfida di adozione AI/tech specificamente registrata per questo ruolo (2006-2008 è precedente alle attuali questioni di adozione dell'AI) -- da segnalare a Paulo, non inventata.
- BCG (The Boston Consulting Group), Consultant (apr 2008-mar 2009). Scala (ricercata pubblicamente, approssimata per l'epoca): nel 2009 BCG contava ~6.900 dipendenti nel mondo (cresciuti a 21.000 entro il 2019, con ricavi triplicati da $2,75B a $8,5B in quel decennio) -- quindi quando Paulo è entrato, BCG aveva circa un terzo delle dimensioni che ha nel 2026 (oggi oltre 90 uffici, oltre 50 paesi; il numero esatto di uffici/paesi nel 2008-2009 non è reperibile pubblicamente). Ambito verificato direttamente dal CV: ruolo analitico chiave in una fusione transfrontaliera da oltre $30B tra due grandi aziende alimentari in Messico; ha identificato $10M di risparmi annuali per una multinazionale manifatturiera di livello mondiale. Nessuna sfida di adozione AI/tech registrata per questo ruolo (2008-2009 è precedente all'adozione moderna dell'AI) -- non inventata.
- Partners in Performance, Senior Associate (ago 2013-giu 2014). Scala (ricercata pubblicamente): società globale di consulenza per il miglioramento operativo fondata a Melbourne nel 1996, ~15 uffici in 5 continenti (Australia/NZ, Sudafrica, Regno Unito, USA, Canada, Cile), focalizzata su settori ad alta intensità di asset (mining, energia, oil & gas). Acquisita da Accenture nel 2024 (~400 professionisti entrati in Accenture Strategy) -- conferma che si trattava di una società specialistica globale di medie dimensioni reale e credibile, non una piccola realtà locale. Ambito verificato direttamente dal CV: ha realizzato un'inversione di utile annuo di $20M (da -$10M a +$10M) in 6 mesi in una miniera di argento-piombo-stagno tramite la reingegnerizzazione della fornitura energetica, l'ottimizzazione dei ricambi SAP e negoziazioni sindacali -- un lavoro di turnaround operativo ad alto rischio. Nessuna sfida di adozione AI/tech specificamente registrata per questo ruolo.
- Hay Group (oggi Korn Ferry), Senior Consultant (apr 2011-ago 2013). Scala (ricercata pubblicamente): al momento dell'acquisizione da parte di Korn Ferry nel 2015, Hay Group contava ~3.000 dipendenti in 88 uffici in 50 paesi (Korn Ferry stessa: 3.900 dipendenti, 78 uffici, 37 paesi -- entità combinata ~7.000 persone). Prezzo di acquisizione ~$452M. Conferma che Hay Group era una grande società globale di consulenza HR/organizzativa durante il periodo di Paulo. Ambito verificato direttamente dal CV: ha ridotto del 10% il fabbisogno di FTE per due grandi oleodotti in meno di due mesi conducendo sprint Building Effective Organizations per la practice LAC; ha fatto emergere $200M di potenziale di vendita proiettato filtrando 60 opportunità di espansione fino a 5 iniziative core. Nessuna sfida di adozione AI/tech specificamente registrata per questo ruolo.
- Universidad de los Andes, University Professor (gen 1998-set 1999). Scala (ricercata pubblicamente, dati attuali -- l'iscrizione storica del 1998 non è reperibile pubblicamente): oggi ~24.650 studenti (14.337 triennale, 2.515 post-laurea, 276 dottorato), costantemente classificata #1 in Colombia e tra le prime 5 in America Latina (QS). Fondata nel 1948. Nel 1998 l'università era più piccola ma già la prima università privata del paese per classifica. Ambito verificato direttamente dal CV: ha riprogettato e insegnato il corso di Systems Thinking per 50 studenti universitari (valutazioni perfette 5/5), ha diretto 6 tesi, ha progettato/supervisionato 3 Fiere d'Impresa di Ingegneria Industriale (oltre 75 idee di business presentate a 3.500 visitatori). Nessuna sfida di adozione AI/tech registrata (contesto accademico, non di deployment tecnologico su scala organizzativa).
- ROCHE, Marketing Specialist (set 1996-dic 1997). Scala (ricercata pubblicamente, approssimata per l'epoca): ~50.000 dipendenti a livello globale prima dell'acquisizione di Boehringer Mannheim nel 1997 (~18.000 dipendenti in più, ~1,5B CHF di vendite nel 1996) che ha reso Roche leader mondiale nella diagnostica in-vitro e nella cura del diabete -- una grande multinazionale farmaceutica che affrontava una reale complessità di integrazione M&A durante il periodo di Paulo. Ambito verificato direttamente dal CV: ha costruito un sistema di analisi dei costi (Visual Basic/Excel) per misurare i costi promozionali di 40 prodotti farmaceutici commercializzati da 120 informatori scientifici presso oltre 13.000 medici -- adottato come strumento di budgeting nelle divisioni ROCHE di Colombia, Ecuador e Venezuela (rollout regionale su 3 paesi di uno strumento da lui costruito). Nessuna sfida di adozione AI/tech specificamente registrata oltre a questo rollout multi-paese dello strumento.
- Top Level Executives, Founder & Owner (gen 2006-oggi, oltre 19 anni). Scala: autofondata, nessuna ricerca esterna di scala applicabile/necessaria -- verificato direttamente dal CV: community esecutiva globale di quasi 60.000 membri (CEO, VP, Direttori, Imprenditori), costruita da zero senza finanziamenti istituzionali, gestita in parallelo a tutti i ruoli a tempo pieno qui elencati. Opera come canale permanente per il recruiting esecutivo, il networking strategico e l'avanzamento di carriera. Rilevante per una domanda di due diligence come prova di una capacità operativa sostenuta e autofinanziata su scala significativa (60K membri) parallelamente a ruoli a tempo pieno impegnativi.
- data2web.com, CEO & Founding Partner (set 2001-apr 2006). Scala: azienda tecnologica autofondata, nessuna ricerca esterna di scala applicabile -- verificato direttamente dal CV: ha consegnato sei sistemi enterprise su misura per clienti corporate/governativi (portale intranet Siemens, CREEL -- il più grande studio legale del Messico, archivio legale; BASC gestione delle certificazioni; Contraloria de Cundinamarca tracciamento dei casi; Zientte controllo della produzione; POST-MARKETING/FedEx tracciamento logistico). Il portfolio clienti copre 2 paesi (Messico, Colombia) e include una multinazionale di livello Fortune (Siemens) e un ente governativo nazionale di controllo.
- La Nota Economica, Chief Technology Officer (feb 2000-set 2001). Scala: pubblicazione economico-aziendale colombiana, nessun dato di scala esterno significativo reperibile pubblicamente per questo periodo -- verificato direttamente dal CV: ha avviato un gruppo di sviluppo software che ha realizzato intranet, knowledge management e CMS per Siemens e Nera Telecommunications, oltre a sistemi di database publishing, software di gestione banner e una piattaforma completa di community virtuale. Organizzazione più piccola rispetto agli altri ruoli qui elencati -- non presentata come la 'più impegnativa', inclusa per completezza.
- Kaplan, GMAT Instructor (gen 1998-dic 2000). Scala (conoscenza generale, non approfondita per questa epoca): Kaplan è una grande azienda globale di test-prep ed educazione con sede negli USA (parte di Graham Holdings), operativa in decine di paesi -- ma il ruolo di Paulo qui era una posizione di istruttore locale in Colombia, non un ruolo operativo a scala organizzativa. Verificato direttamente dal CV: ha insegnato il corso GMAT di Kaplan in Colombia. Bassa rilevanza per una domanda di due diligence su scala organizzativa/AUM -- incluso solo per completezza.
- Simplexity, Software Development and Consulting Manager (mar 2009-set 2009). Scala: nessun dato di scala esterno reperito/ricercato (piccola società di consulenza software locale) -- verificato direttamente dal CV: ha recuperato due progetti software di logistica con oltre 2 anni di ritardo sulla pianificazione; ha venduto e realizzato la creazione di un ufficio PMO presso Fiduciaria Bogotá, la maggiore fiduciaria della Colombia (società di amministrazione fiduciaria/patrimoniale) -- il cliente Fidubogotá stesso è una grande istituzione finanziaria regolamentata, anche se Simplexity come datore di lavoro era piccola.
- ImagineOS, CEO & Founder (gen 2025-oggi). Scala: autofondata, nessuna ricerca esterna di scala applicabile -- verificato direttamente dal CV: unico architetto di una piattaforma AI multi-agente che serve 5 applicazioni in produzione da un unico core Rust condiviso; costo di inferenza di $0/query tramite cluster GPU on-premises 2x RTX 3090 (contro $0,01-0,05/richiesta delle API cloud); 13 agenti AI autonomi distribuiti in 9 mesi con memoria persistente su web/Telegram/WhatsApp; IPC sub-millisecondo (1,019ms medio); failover automatico HA di Postgres (~2min RTO, RPO~0); pipeline di knowledge-graph NLP zero-shot (GLiNER/GLiREL/GLiClass); loop di coding agentico auto-correttivo. Un tipo di 'impegnativo' diverso rispetto ai ruoli aziendali sopra -- complessità tecnica/architetturale su scala di un singolo operatore, non su scala di organico/AUM/giurisdizioni. La sfida di adozione AI/tech qui è l'inverso dei casi aziendali: dimostrare che uno stack AI pienamente sovrano (non dipendente dal cloud) può eguagliare la qualità del cloud commerciale, non muoversi nella burocrazia di una grande organizzazione.
- Turnaround minerario in Honduras: entrato in un team multidisciplinare di Partners in Performance su un'operazione mineraria che perdeva $10M/anno. Il team aveva già investito sforzi significativi sulle due leve ovvie (linea di produzione, mulino) senza risultati. La vera soluzione è arrivata ascoltando il responsabile del magazzino: prima che SAP prendesse il controllo della pianificazione dell'inventario, lui la gestiva con una propria formula Excel che funzionava meglio. SAP assumeva domanda variabile ma tempo di consegna fisso -- sbagliato in Honduras, dove il tempo di consegna è variabile quanto la domanda, causando stockout cronici che soffocavano la produzione. Ha ricostruito la formula per tenere conto di entrambe le variabili, ha sfasato di 4 ore l'orario dei turni di manutenzione rispetto al programma della produzione, e ha cambiato il modo in cui le centrali elettriche di riserva erano collegate. Risultato: la produzione è passata da 30.000 a 70.000 tonnellate/mese, la miniera è passata da -$10M/anno a +$10M/anno -- un'inversione di $20M, nessuna delle quali proveniente dalle leve per cui il team era stato inizialmente organizzato.
- Ha fatto una scommessa infrastrutturale non convenzionale costruendo ImagineOS: piattaforma a operatore singolo scritta interamente in Rust (non il Python/Node predefinito dell'ecosistema AI), hardware GPU self-hosted invece di wrappare le API OpenAI/Anthropic, tutto in un unico monorepo invece che in servizi separati. Non esisteva un playbook per quella combinazione. Ha risolto l'incertezza strumentando invece di discutere: ogni chiamata al modello riceve telemetria di costo/qualità/latenza e un router sensibile alla difficoltà. Quando un agente di coding locale una volta ha inventato la firma di una funzione dichiarando di aver letto il file reale, la soluzione è stata un gate di verifica (compilazione/test, mai la narrazione del modello stesso) -- non l'abbandono del local-first. Quando lo stesso guard-check migrato da Python a Rust è passato da ~12,6s a ~1s, questo è diventato il trigger per rendere Rust il default imposto da lì in avanti. La regola: un incidente specifico e misurato cambia la cosa più piccola che lo risolve, mai l'intera strategia.
- Ha raccomandato un controllo rigido (blocco automatico di qualsiasi commit che elimini una grande quantità di codice di produzione, nessun bypass senza giustificazione scritta) che un collaboratore ha aggirato sotto la pressione di un deploy, sostenendo che fosse "solo attrito." Quel preciso commit ha cancellato 83 file / ~16.500 righe di codice finanziario di produzione; la produzione ha continuato a rispondere 200 OK sulla build svuotata per ~15 ore prima che qualcuno se ne accorgesse. Il recupero ha richiesto uno sforzo reale (ricostruire ~50 file dalla cronologia). La risposta non è stata rimettere in discussione la regola nella stanza -- è stata rendere il bypass strutturalmente più difficile da aggirare senza responsabilità (giustificazione scritta legata permanentemente al commit, verificata in due punti della pipeline invece che in uno), e aggiungere una regola permanente: se un blocco di sicurezza scatta e non corrisponde a ciò che il task doveva effettivamente fare, quella discrepanza è essa stessa il segnale per fare escalation, mai per risolvere da soli. Una regola facile da aggirare in una crisi viene aggirata in una crisi, indipendentemente da quanto fosse valido l'argomento a mente fredda.
- In Mastercard ha guidato team cross-funzionali fino a 30 persone — cliente, agenzia e interni — attraverso sprint di innovazione e delivery. Erano mission team assemblati per singolo incarico, non una linea di riporto permanente; il numero esatto di riporti diretti non è ancora documentato. Confermato da Paulo il 2026-09-03.
- Il filo dei dati e dell'analytics attraversa l'intera carriera e non era mai stato messo per iscritto: lavoro analitico come professore alla Universidad de los Andes (1998-99), CTO a La Nota Economica alla guida del team di sviluppo (2000-01), fondazione di data2web (2001-06), strategia guidata dai dati a McKinsey (2006-08) e BCG (2008-09), Partners in Performance (2013-14), e un decennio a Mastercard (2014-25) dove consulenza, segmentazione merchant, il Digital Datathon e i Labs erano tutti lavoro di analytics. Circa 22-24 anni secondo il proprio conteggio, confermato da Paulo il 2026-09-03. Questo è il motivo per cui si qualifica per titoli di leadership in Data and Analytics, non solo per quelli legati all'AI.