Acerca de nosotros Buenos Aires · Nueva York

Entendemos la planta y el data lake.

Socradata se fundó sobre una tesis que buena parte del mercado todavía resiste: la IA operacional exige profundidad técnica y conocimiento genuino del dominio en la misma sala. Las consultoras traen marcos sin ingenieros. Las boutiques de IA traen ingenieros sin operadores. Los integradores de sistemas traen integración sin ciencia de la decisión. Nosotros construimos una práctica que sostiene las tres cosas — y que se mide contra el estándar de la producción, no el de la demostración.

Conozca al fundador La firma en síntesis
01 — El nombre

De Sócrates a Socradata.

El nombre une el método socrático con la disciplina de los datos. Sócrates no dictaba cátedra; examinaba. Sometía cada afirmación a preguntas hasta que sobrevivía o se derrumbaba. Esa es exactamente la postura que una organización debería adoptar frente a sus propios modelos: ningún pronóstico, ningún puntaje de anomalía, ninguna recomendación se gana un lugar en un flujo de trabajo operacional hasta haber respondido las preguntas difíciles — qué decisión cambia, qué KPI lo demuestra, quién es dueño de la anulación y qué ocurre cuando se equivoca.

La mayoría de los proveedores de analítica venden respuestas. Nosotros institucionalizamos el cuestionamiento. Cada engagement comienza nombrando la decisión operacional en juego y la medición que la adjudicará — antes de seleccionar tecnología alguna. Esa secuencia, KPIs antes que APIs, no es un eslogan. Es el método fundacional de la firma, codificado en su nombre.

Y entonces: el nombre es el método — evidencia bajo examen, no tecnología en exhibición.

02 — La firma

Una capa de inteligencia, no otro sistema.

Socradata es una firma de IA y analítica avanzada con sede en Buenos Aires y extensión en Nueva York — anclada en LATAM, orientada a Estados Unidos. No reemplazamos las plataformas que nuestros clientes ya operan. Construimos la capa de inteligencia sobre ellas.

Empresas, innovadores y gobiernos generan datos operacionales a escala industrial — a través de plataformas de ERP, WMS y cadena de suministro, de portafolios de innovación, de sistemas de servicios urbanos. Muy pocos deciden con ellos. La brecha entre generar datos y decidir con ellos es donde opera Socradata: pronóstico, detección de anomalías, modelado predictivo de riesgo y soporte a la decisión, integrados directamente en los flujos de trabajo donde operadores, ejecutivos y funcionarios públicos ya trabajan.

La práctica se organiza en tres pilares, cada uno con su propio comprador, su lógica de contratación y su estándar de rendición de cuentas — unidos por una sola disciplina compartida de medición y gobernanza.

Pilar 01

Transformación Empresarial

IA operacional para sistemas empresariales. Convertir décadas de inversión en ERP, WMS y SCM en decisiones impulsadas por IA — sin teatro de pilotos, sin arrancar y reemplazar, sin deuda de gobernanza.

Leer el pilar →
Pilar 02

Innovación Aplicada

Donde las tecnologías emergentes se prueban, se rompen y se vuelven operacionales. Exploración estructurada en términos de graduar-o-descartar, para líderes de innovación que responden por opcionalidad y aprendizaje.

Leer el pilar →
Pilar 03

Ciudades Inteligentes

Transformación digital para ciudades, servicios públicos y la academia — adopción de IA y datos que rinde cuentas a los ciudadanos, diseñada con columna vertebral de gobernanza y no como modernización dirigida por proveedores.

Leer el pilar →

Y entonces: una firma, tres audiencias, una sola disciplina operativa — resultados de calidad productiva, gobernanza antes del despliegue, del piloto a la política.

03 — Cómo trabajamos

Tres principios que no se negocian según el engagement.

Cada engagement de Socradata se entrega con tarjeta de modelo, suite de evaluación y ruta de rollback documentada — sea el cliente un operador de almacenes, un laboratorio de innovación o un gobierno municipal. Esa consistencia es el producto de tres principios aplicados sin excepción.

Principio operativo 01
KPIs antes que APIs.

El diseño de la medición precede a la selección de tecnología. La decisión operacional y el KPI que la demuestra se nombran antes de dimensionar una sola integración.

Principio operativo 02
Del piloto a la política.

Un piloto que no nombra su ruta a producción es teatro. Institucionalizamos lo que una prueba de concepto apenas sugiere — mediante gobernanza, MLOps y propietarios con nombre y apellido.

Principio operativo 03
Interoperabilidad o no escala.

La interoperabilidad técnica e institucional es una precondición, no una funcionalidad. Integramos a través de interfaces aprobadas y escribimos las rutas de escalamiento antes de que los modelos entren en producción.

04 — El fundador

Un académico-practicante, por diseño y no por accidente.

Socradata está liderada por un principal que ejecuta investigación, docencia y delivery como un único circuito de retroalimentación: la investigación informa el delivery, el delivery afila la docencia y la docencia disciplina la investigación.

Dr. Sergio Mastrogiovanni — Fundador y Consultor Principal, Socradata
Fundador y Principal Socradata — Buenos Aires · Nueva York
Investigador Posdoctoral IAE Business School, Universidad Austral
Profesor Adjunto NYU School of Professional Studies
Investigador Afiliado NYU Stern Center for Sustainable Business

Dr. Sergio Mastrogiovanni

IA Operacional · Investigación · Docencia

Sergio Mastrogiovanni construye IA dentro de los sistemas sobre los que las empresas realmente operan — ERP, WMS y torres de control — y escribe sobre cómo gobernarla. Su trabajo se sitúa deliberadamente en la intersección de tres roles que la mayoría de los profesionales trata como alternativas: fundador y consultor principal de Socradata, investigador posdoctoral en el IAE Business School de Buenos Aires, y profesor adjunto en New York University, donde dicta cursos de posgrado sobre automatización inteligente, IA y transformación digital en la School of Professional Studies desde 2018.

En Socradata, su práctica abarca la optimización predictiva de inventario y demanda, la inteligencia de almacenes y logística, el riesgo y la visibilidad de la cadena de suministro, y los copilotos de IA integrados en flujos de trabajo empresariales. Los engagements se sostienen contra un estándar de producción: entre los resultados representativos se cuentan cincuenta millones de dólares en castigos de inventario evitados en un distribuidor minorista, una mejora del treinta y cinco por ciento en la eficiencia operativa de picking y mano de obra en almacenes, y una reducción del quince por ciento en el error de pronóstico sostenida durante tres ciclos de planificación.

En el IAE Business School, su línea de investigación examina el urbanismo basado en datos y las ciudades inteligentes, anclada en Buenos Aires y la región latinoamericana en su conjunto. En 2025 presentó cuatro artículos con referato a través de la IEOM Society — en Singapur, Rabat, Orlando y en el Congreso Mundial en Canadá — sobre gobierno de datos impulsado por IA, marcos de transformación urbana para el Sur Global y diseño participativo de IA en el sector público, y contribuyó un capítulo sobre transformación digital en ciudades latinoamericanas al volumen editado Strategy and Leadership for Grand Societal Challenges. Su trayectoria como orador incluye una presentación destacada en la sede de las Naciones Unidas por el Día Mundial de las Ciudades 2025 y columnas de opinión en Forbes Argentina, Infobae, BAE Negocios y Ámbito. Trabaja en español y en inglés.

Los tres roles no son carriles paralelos; son una sola práctica. Los marcos se someten a revisión de pares antes de llegar a un cliente. Los hallazgos de engagements anonimizados alimentan la investigación, y la investigación alimenta el siguiente engagement. Su registro completo — charlas, publicaciones, prensa y temas de conferencias — se mantiene en su sitio personal.

Visitar sergiomastrogiovanni.com LinkedIn Página docente en NYU Página en el IAE

Y entonces: cuando la persona que firma la hoja de ruta también la defiende en revisión de pares y la enseña en el aula, el incentivo para entregar teatro desaparece.

$50M
Castigos de inventario evitados en un distribuidor minorista — capa predictiva sobre ERP legado, 12 meses móviles.
35%
Mejora de eficiencia operativa en picking y mano de obra de almacén, sobre el WMS existente y con anulación humana.
15%
Reducción del error de pronóstico sostenida durante tres ciclos de planificación. Primero el KPI, después la integración, después el modelo.
100%
Engagements entregados con tarjeta de modelo, suite de evaluación y ruta de rollback documentada.

Empiece con el diagnóstico. Después decida si construir.

Dos semanas. Un diagnóstico por escrito. Sin teatro de presentaciones. Si al final de la quincena la respuesta es que no nos necesita, lo diremos por escrito.