Nota del autor (mayo 2026): Escribí estas reflexiones en mis notas de universidad en 2008, cuando decidí matricularme en Ingeniería en Informática mientras cursaba Ingeniería de Producción Animal. Lo comparto ahora porque muchos me preguntan cómo se llega de ganadería a consultoría de transformación digital.

Estudiar Dos Ingenierías: Lo Que la Producción Animal Me Enseñó Sobre Sistemas Digitales

El contexto: Venezuela 2008

Venezuela en 2008 vivía una aparente bonanza petrolera, pero las grietas de lo que vendría después ya eran visibles para quien quisiera verlas. Guanare, capital espiritual del país y ciudad agrícola de la región llanera, tenía un ritmo pausado y muy conectado con la tierra.

Estudiar en la UNELLEZ — Universidad Nacional Experimental de los Llanos Occidentales "Ezequiel Zamora" — era sumergirse en ese contexto. El campus estaba rodeado de unidades de producción agropecuaria reales: granjas, laboratorios de zootecnia, sistemas de riego. No era una universidad abstracta; era una institución enraizada en la producción agropecuaria de los llanos venezolanos.

Para los que teníamos inquietudes tecnológicas, el acceso era limitado: sin laboratorios de computación suficientes, con conectividad a internet dependiente de cybercafés o conexiones básicas de hogar, con hardware que era caro y difícil de conseguir. Pero la vocación tecnológica no espera condiciones perfectas para manifestarse.

Por qué Producción Animal primero

Al terminar el liceo, mi primera vocación era la contaduría. No había cupos en la carrera que quería. La Informática me apasionaba, pero en ese momento solo estaba disponible en universidades privadas que no podíamos costear.

Ingeniería de Producción Animal en la UNELLEZ era una alternativa sólida: carrera respetada, relevante en un estado ganadero como Portuguesa, con salidas profesionales claras en el sector agropecuario más dinámico del país en aquel momento. La elegí por realismo: era una ingeniería que tenía sentido en mi contexto geográfico y económico.

Lo que no sabía entonces — lo que entendí años después — es que esa elección "por descarte" sería la base de la parte más diferenciadora de mi perfil profesional.

El primer contacto real con la programación

Mi relación con la tecnología empezó mucho antes, en la primaria, con Windows 95 y MS-DOS. Pero la programación real — la que cambia cómo piensas — llegó por necesidad mientras estudiaba Producción Animal.

Trabajaba como técnico en mantenimiento de equipos informáticos en una empresa local ("House PC"). Empecé a notar que podía automatizar ciertas tareas: scripts pequeños, macros, automatizaciones básicas. Entendí que el código no era un ejercicio académico — era una herramienta para resolver problemas concretos.

El momento definitivo fue en la universidad, al enfrentarme al análisis estadístico de datos de producción animal. Descubrí el lenguaje de programación R para análisis estadístico. Y ahí algo se conectó de forma irreversible: los datos eran el lenguaje común entre la biología y la computación. El código era la forma de entender los sistemas naturales con precisión cuantitativa.

La decisión de cursar dos carreras

En 2008, mientras completaba los últimos años de Producción Animal, tomé la decisión: me matricularía en Ingeniería Informática en la URBE (Universidad Rafael Belloso Chacín) en Maracaibo.

En casa pensaron que estaba cargando demasiado. Tenían razón en los hechos: dos carreras simultáneas, trabajo para costear los estudios, y el proyecto TALS empezando a tomar forma en mi mente. El tiempo era el recurso más escaso.

Pero la lógica era clara para mí: Producción Animal me daba la comprensión del mundo físico y los sistemas naturales. Informática me daría las herramientas digitales para modelar, analizar y optimizar ese mundo. Eran complementarias, no competitivas.

Organicé mis días en bloques: mañanas en actividades de campo o laboratorio de zootecnia, tardes y noches frente a la pantalla. Fue un ejercicio extremo de gestión del tiempo que forjó un hábito de disciplina del que todavía dependo hoy.

Lo que la producción animal me enseñó sobre programar

Esta es la parte que la gente más difícil de creer cuando se la cuento. Pero es la más verdadera.

Pensamiento de sistemas complejos Un hato ganadero no es una suma de animales — es un sistema con entradas (nutrición, genética, manejo), procesos (metabolismo, reproducción, conversión), y salidas (carne, leche, trabajo). Aprender a modelar eso me enseñó a pensar en arquitectura de sistemas antes de que supiera que ese término existía en informática. Cuando luego estudié diseño de software, ya pensaba en capas, dependencias y flujos de datos.

Optimización bajo restricciones reales En ganadería, los recursos son siempre finitos y variables: forraje que depende de las lluvias, agua que escasea en verano, trabajo humano que cuesta más de lo que parece. Aprender a optimizar con esas restricciones es exactamente la mentalidad que se necesita para escribir algoritmos eficientes. No el algoritmo más elegante teóricamente — el que funciona mejor dado lo que tienes.

Métricas y decisiones basadas en datos En producción animal, si no mides, no mejoras: conversión alimenticia, ganancia de peso diaria, tasa de fertilidad. Esta cultura de métricas — "si no puedes medirlo, no puedes gestionarlo" — es idéntica a la de los buenos equipos de desarrollo de software. KPIs, logs, performance metrics: el nombre cambia, la lógica es la misma.

La tesis que lo unió todo Mi tesis de grado de Producción Animal fue sobre morfometría de peces, y la realicé íntegramente en R, realizando análisis estadísticos multivariantes sobre mediciones morfológicas. Fue el cruce perfecto: biología + datos + código. Fue también la prueba de que lo que parecían dos mundos separados eran en realidad el mismo mundo visto desde ángulos distintos.

La paradoja que tardé años en resolver

En 2008, estudiar Producción Animal e Informática simultáneamente parecía, en el mejor de los casos, excentricidad académica. En el peor, una dispersión de energía que dificultaría especializarme en cualquiera de los dos campos.

En 2026, trabajando en Portugal para una empresa metalúrgica, desarrollando aplicaciones de monitoreo para procesos industriales de producción, la paradoja está completamente resuelta.

No soy un programador que aprendió de industria. Soy un ingeniero que entiende los procesos físicos de producción — el "barro", el "metal", el flujo de materiales — y también sabe construir el software que los optimiza.

Esa combinación no es frecuente. Los programadores puros no entienden por qué el operario de una máquina de plasma necesita ver la información de cierta manera. Los ingenieros de producción puros no saben construir el sistema en tiempo real que entrega esa información.

Yo hago las dos cosas. Y eso es consecuencia directa de una decisión tomada en 2008 que en su momento parecía una locura.

Las carreras no son líneas rectas. Son espirales: vuelves al mismo punto pero desde una altura diferente, y cada vez que vuelves ves las conexiones que la primera vez no podías ver.