Alexandre Beguel, Arquitecto de IA agéntica y CAIO externo

Alexandre Beguel es arquitecto de IA agéntica y Chief AI Officer (CAIO) externo, con sede en París. Desarrolla IA generativa en producción que puede medirse, auditarse y controlarse. Se centra en LLMOps, FinOps de LLM, evaluación de LLM y gobernanza de la IA basada en evidencias. Sus marcos de referencia son el Reglamento Europeo de IA (AI Act), ISO/IEC 42001 y NIST AI RMF. Es fundador de Digitalizor y cuenta con 20 años de experiencia en TI, datos e IA.

Pruebas, no diapositivas

Un nivel de modelo más económico, a 0,66× el coste del modelo frontera, en un piloto de 36 ejecuciones (tierdecay).
63/63 consultas PromQL generadas ejecutadas en un Prometheus real (grafana-llmops-forge).
CI E2E en Grafana 9.5 → 13.2 (grafana-llmops-forge).
Un servidor MCP en el Official MCP Registry (ftp-deploy-mcp).
Contribuciones upstream integradas en LibreChat, AgentShield y Grafana plugin-tools.

Trabajo open source

1. Observabilidad y FinOps de LLM sobre un stack abierto

OpenTelemetry GenAI → Prometheus → Grafana, autoalojado, a partir de la telemetría que la plataforma ya emite.

grafana-llmops-forge
Detecta qué recopila realmente un despliegue de Grafana (OTel GenAI, LiteLLM, vLLM/TGI, DCGM) y después genera, despliega y verifica visualmente siete dashboards de FinOps, agentes, calidad y gobernanza, con alertas de SLO basadas en burn-rate multiventana.
v2.0 · cero dependencias · CI E2E en Grafana 9.5 → 13.2 · 63/63 consultas generadas ejecutadas en un Prometheus real · incluido en awesome-observability
openspanguard
Un gateway de enriquecimiento OTLP que evalúa los spans de generación completados, conserva los identificadores de traza y las marcas de tiempo originales, y muestra la cobertura de evaluación junto a las puntuaciones de calidad, para que un buen promedio no pueda ocultar tráfico sin evaluar.
versión preliminar para desarrolladores · demo sin conexión y stack Tempo/Alertmanager · página del proyecto
dsh-plugin-otel-genai
Métricas OpenTelemetry GenAI de tokens y latencia para DeepSeek Harness, sin capturar contenido, listas para los dashboards de grafana-llmops-forge.

2. Gobernanza de la IA basada en evidencias

open-shadow-ai
Detección autoalojada de IA en la sombra (Shadow AI) que correlaciona registros DNS y de proxy, Zeek/Suricata, un agente de endpoint (procesos, extensiones del navegador) y Entra ID / Active Directory, con un nivel de evidencia explícito por hallazgo: la presencia nunca se reporta como uso.
versión preliminar 0.3 · CI de 11 jobs con SBOM y evidencias de imagen firmada · SSO OIDC y SCIM · EN/FR/zh-CN
Esquema de gobernanza de grafana-llmops-forge
Vincula los artículos 12, 26(6), 50 y 73 del AI Act, ISO/IEC 42001 y NIST AI RMF con señales en tiempo real: continuidad de los registros, inventario automático de modelos y vigilancia de incidentes. Una capa de evidencias para auditores, no asesoramiento jurídico.

3. Agentes bajo control

ftp-deploy-mcp
Un servidor MCP de despliegue para FTP, FTPS y SFTP con confinamiento al directorio raíz local, fijación de la clave de host SFTP, promoción por etapas verificada con SHA-256, confirmación humana explícita y rollback.
npm · Official MCP Registry · incluido en awesome-mcp-servers · 43 escenarios automatizados ejecutados en inglés y francés contra el cliente real del MCP SDK
tierdecay
Una capa de aprendizaje por repositorio para routers de programación con IA. Solo traslada una clase de tareas recurrente a un nivel más económico tras éxitos confirmados estadísticamente, y la recertifica cuando cambian los modelos.
piloto: 0,66× el coste frontera por tarea (intervalo del 95 %: 0,63–0,69), un 24 % de ahorro frente a usar siempre el modelo frontera · SBOM · imagen OCI · servidor MCP
claude-inc
Un plugin de Claude Code que gestiona un proyecto como una empresa virtual, con un CEO, un CTO y un CAIO en pie de igualdad, nueve departamentos, 64 manuales de skills, ciclos de revisión acotados y registros SHA-256 de cada artefacto entregado.
v1.5 · el proyecto con más estrellas de este perfil · página del proyecto
harnessmeter
Un perfilador de contexto sin conexión para Claude Code y Codex que mide la huella en tokens de las instrucciones y las skills, aplica presupuestos en CI frente a una línea base y propone degradaciones clasificadas por nivel de evidencia.
npm · cero dependencias · CI en Linux, macOS y Windows

También: generative-engine-monitor mide la visibilidad de una marca en las respuestas de la IA y compara los modos paramétrico y con búsqueda web mediante intervalos de confianza bootstrap. awesome-ai-architect es un mapa autoactualizable del stack de ingeniería de IA generativa, clasificado a diario con GitHub Actions (explorador interactivo).

Contribuciones upstream

Integradas y publicadas

LibreChat: integrada. CLAUDE.md pasa a ser portable al sustituir una ruta de origen de agentes propia de una máquina, y se restablece la paridad entre CLAUDE.md y AGENTS.md en las indicaciones sobre la caché de autenticación.
AgentShield: integrada. El escáner ahora detecta y clasifica los archivos .mcp.json de la raíz, de modo que las configuraciones MCP llegan a las reglas de seguridad, con cobertura de regresión; se resolvieron los 16 hilos de revisión.
Claude SEO: mejora de la detección de JSON-LD y eliminación de falsos positivos causados por expresiones de plantilla. El mantenedor confirmó su inclusión en la v2.3.0, con la autoría preservada.
Grafana plugin-tools: dos contribuciones integradas, una guía para colaboradores sobre commits firmados y una actualización del scaffold .nvmrc a Node 24.

En revisión

Convenciones semánticas de OpenTelemetry GenAI: registrar el uso de tokens en los spans fetch_response.
LangChain OpenWiki: Mistral como proveedor de modelos.

Consultoría y asesoramiento

Los proyectos llevan la IA generativa desde la definición del alcance hasta producción en empresas medianas, startups y negocios de comercio electrónico. Los repositorios anteriores muestran el método; cada proyecto lo aplica a los sistemas, los datos y las restricciones del cliente.

Definición del alcance y arquitectura: casos de uso, desarrollo propio o compra (build vs buy), RAG, sistemas multiagente (LangGraph), elección de modelos y de alojamiento.
Producción medible: evaluación de LLM (RAGAS), observabilidad, coste por equipo y por modelo, SLO de calidad y de latencia.
Gobernanza y cumplimiento normativo: inventario de Shadow AI, trazabilidad y evidencias de auditoría frente al AI Act, ISO/IEC 42001 y NIST AI RMF, acceso controlado de los agentes de IA a las herramientas.
CAIO externo y formación: hoja de ruta de IA, gestión del cambio, capacitación de equipos en Claude Code y sistemas agénticos.

Preguntas frecuentes

¿En qué está especializado Alexandre Beguel?: En IA generativa en producción y sistemas agénticos. Cubre todo el recorrido, desde la definición del alcance hasta la operación: arquitectura, evaluación, observabilidad, control de costes y gobernanza de la IA.
¿Cómo medir el coste de los LLM?: Hay que partir de la telemetría que ya se emite y atribuir después el coste por equipo, modelo y proveedor. grafana-llmops-forge construye estos dashboards de FinOps de LLM en Grafana sin depender de un SDK de proveedor.
¿Cómo detectar la IA en la sombra (Shadow AI) en una empresa?: Hay que correlacionar señales de red, de endpoints y de identidad, y separar siempre la presencia del uso. open-shadow-ai lo hace de forma autoalojada, con un nivel de evidencia por hallazgo.
¿Cómo preparar los sistemas de IA generativa para el AI Act?: Lo primero es reunir las evidencias: inventario de IA, continuidad de los registros, avisos de transparencia y seguimiento de incidentes. Las obligaciones de transparencia del artículo 50 son aplicables desde el 2 de agosto de 2026. Con el ómnibus de IA (Reglamento (UE) 2026/1744), las obligaciones de alto riesgo del anexo III serán aplicables desde el 2 de diciembre de 2027.
¿En qué idiomas trabaja?: Trabaja en francés (nativo), inglés y español. Tiene su sede en París.

Contacto

Con sede en París, Francia. Trabaja en francés, inglés y español.