# César Rivas Capistrán (English)

> César Alejandro Rivas Capistrán is a software engineer and founding partner at Soevii, a custom software and GenAI firm in Monterrey, Mexico. He takes software and AI agents from the demo to operations in companies and industry.

I take software and GenAI from the demo to operations, with a firm that stays until the end.

I am César Rivas Capistrán, a software engineer in Monterrey. Since 2018 I have been a full-time partner at Soevii: I sell the project, define it with the client, write code with the team, and stay until their people run it without us. Today much of that work is taking GenAI from demo to production in companies and industry.

## The firm

Soevii is a software engineering firm in Monterrey, founded in 2016. I joined as a full-time partner in 2018. We build custom software and GenAI systems for companies in construction, logistics, transport, legal, healthcare and HR.

My job is to make the firm work: which projects we take, how we price them, how we deliver them and how we support them after go-live. We are small on purpose: whoever designs also codes, and also faces the client.

I have led more than 35 projects for more than 25 clients, with teams of 5 to 10 people, usually as project lead and product manager, and sometimes also as solutions or data architect.

- 30+ platforms and apps
- 300+ services delivered
- 35+ technologies in production
- 10+ active clients
- Soevii figures, 2025.

### What I am building inside the firm

- Support plans per system, so support is priced and planned like any other service.
- Our own document identity: proposals, plans and sign-offs come out of generators we maintain ourselves.
- A path for every developer on the team to grow into an AI builder, on real projects.

## How he works

1. I look at how the work happens today. Before proposing anything I sit with the people who run it. The real flow is rarely the org chart.
2. We agree on what “working” means. Written criteria, real cases and who decides. Without that, the demo always looks good enough.
3. We build the first version on real cases. Two-week sprints and a board shared with the client: every step forward can be tested.
4. We stay until the team runs it. A controlled release, a manual and handover diagrams, and support after go-live.

### Rules

- Process before model. If a workflow does not deserve to exist, automating it only makes the mess faster.
- Production-first. Retry limits, token budgets, evals, observability and human escalation from day one.
- Short loops, client in the room. Weekly or biweekly releases, with real users and real data.

## Layers of an agent in production

This is what a case like the finance assistant looks like inside. Most AI projects die between the demo and production. My work starts there. Follow one question through the system in both modes, or tap each piece to see what happens when it is missing and what we deliver.

- People: Who asks, and in what words? People ask with internal shorthand, in a hurry and half-way. So it gets designed sitting next to them.
- Application: Where does the conversation live? In the app they already use, in Teams or on a new screen. It has to be where they already work.
- Agent: What does the model decide? The model with instructions, tools and clear limits. It decides what to look up and never makes up the data.
- Tools and permissions: What can it touch? Every query goes through an API with the user's permissions. What the user cannot see, the agent cannot see either.
- Data layer: Where does the answer come from? One source of truth per answer: the ERP, spreadsheets someone maintains, reports.
- Evaluation: How do we know it works? Real questions with their expected answers, agreed at the start and run on every change.
- Operations: Who looks after it on Monday? What it takes for the team to run it without the consultant.

## Cases (anonymous)

Clients are not named without their permission. What I can share is the problem, what we built and my part in it.

### A finance Q&A assistant on top of a data hub.

Industry · GenAI. At a global industrial company, controllership needed a reliable foundation for financial planning. First the hub: more than 20 curated, governed data entities, ready for self-service analytics. On top of it, a GenAI assistant that answers finance questions on the spot.

Role: Data architecture and delivery lead for both products, inside a multidisciplinary team.

### Every indicator of the company in one view, and agents that write with that data.

Industry · Data and AI. For a global industrial company, a platform that consolidates financial and operational indicators from every region and opens them to every level of the organisation. Next to it, a secure environment where agents query the data lake and produce documents from that information.

Role: Project lead and product manager.

### The whole shipping cycle on one platform.

Parcel and freight. From the pre-guide to the tax invoice with waybill, collections and driver settlements, on 16 databases connected at once. Three years in operation and, when the service ended, a handover with a technical document, diagrams and a signed close-out.

Role: Project lead and product manager: client relationship, scope and close-out.

### A control tower for a fleet of more than a thousand vehicles.

Staff transport · Data and AI. Live monitoring with arrival times, plan compliance, fuel-theft detection and off-corridor routes, on a data lake that joins telemetry from two vendors. On top, an assistant that answers business questions in plain language, and three mobile apps published in the app stores.

Role: Project lead and product manager.

### Two corporate apps that sign in with the company identity.

Industry · Mobile. Training attendance with camera scanning, and reservations with check-in. We moved access from its own user and password to the corporate identity with two-factor, and updates to our own channel when the previous service was retired.

Role: Project lead and product manager.

### The store census, from the promoter's phone.

Retail · Field work. Mobile app to take the store census and log field promotion activities, with bulk loading of stores, activities and promoters.

Role: Project lead and product manager.

## Stack

- Web: React, Angular, Vue
- Mobile: React Native, Flutter, Ionic, Capacitor
- Backend: Node.js (Express, Sails), .NET, Python
- Data: PostgreSQL, SQL Server, Oracle, MySQL and Snowflake, with data governance and domain modeling
- Cloud and identity: Azure, DigitalOcean, Oracle, Microsoft Entra ID
- GenAI: RAG, agent orchestration, evals, prompt engineering
- How we work: GitLab (issues, MRs, CI), weekly or biweekly releases, GitHub Copilot, Cursor and Claude Code

## Experience

- Since 2018: Founding partner and consultant, full time, Soevii (founded 2016)
- Since 2024: Sr. IT Consultant & Partner, Teflex. Data and AI architecture for industrial clients
- 2013 to 2018: Process Lead, IT Staff, Grupo Javer
- 2016 to 2018: Master in IT Management, Universidad Tecmilenio
- 2009 to 2013: B.Sc. in Computer Science, UANL

## Now (November 12, 2026)

- The firm: Turning the support we give without a contract into yearly plans per system, with measurable response times.
- Projects: Closing the delivery of an audit platform and proposing AI for a fleet operation.
- The team: Helping a developer on the team grow into an AI builder by working on real projects.
- Writing: An essay on where GenAI gets stuck between the demo and operations at an industrial company.
- Tools: Cursor and Claude Code side by side on the same folders, with rules shared between them.
- Reading: AI Engineering by Chip Huyen, Mastery by Robert Greene, and Lo que un líder no debe delegar by Salvador Alva.

## Frequently asked

### Who is César Rivas Capistrán?

César Alejandro Rivas Capistrán is a software engineer and founding partner at Soevii, a custom software and GenAI firm in Monterrey, Mexico. He has been a full-time partner since 2018 and is also Sr. IT Consultant & Partner at Teflex, where he works on data and AI architecture for industrial clients.

### What does he specialise in?

Taking software and GenAI from the demo to operations: AI agents, web and mobile applications, and data platforms. He covers the full path: discovery, process mapping, architecture, code, deployment and adoption. On LinkedIn he describes this work as Forward Deployed Engineer.

### What is Soevii?

Soevii is a software engineering firm in Monterrey, founded in 2016: a micro-company of eight people that builds custom software and GenAI systems for companies in construction, logistics, transport, legal, healthcare and HR. 2025 figures: 30+ platforms and apps, 300+ services delivered and 10+ active clients.

### What experience does he have?

He has led more than 35 software projects for more than 25 clients, with teams of 5 to 10 people, usually as project lead and product manager, and sometimes as solutions or data architect. Before that he was Process Lead, IT Staff at Grupo Javer (2013 to 2018). He holds a B.Sc. in Computer Science from UANL and a Master in IT Management from Universidad Tecmilenio.

### What kind of projects has he delivered?

A GenAI assistant for finance questions on top of a governed data hub, a global view of financial and operational indicators with agents that produce documents from the data lake, a platform for the whole parcel and freight shipping cycle, a control tower for a staff-transport fleet with fuel-theft detection, corporate mobile apps, and a store-census app for field promoters. Clients are not named without their permission.

### What technologies does he work with?

GenAI: RAG, agent orchestration, evals and prompt engineering. Data: PostgreSQL, SQL Server, Oracle, MySQL and Snowflake, with data governance and domain modeling. Product: React, Angular, Vue, React Native, Flutter, Node.js, .NET and Python, on Azure and DigitalOcean.

### How does he work?

In four steps: look at how the work happens today, agree in writing on what "working" means, build the first version on real cases, and stay until the client's team runs it. With three rules: process before model, production-first, and short loops with the client in the room.

### How can I contact César Rivas Capistrán?

By email at hi@rivascapistran.com, on LinkedIn at linkedin.com/in/cesarcapistran or on X at x.com/acapistran. He works from Monterrey, in Spanish and English.

---

# César Rivas Capistrán (español)

> César Alejandro Rivas Capistrán es ingeniero de software y socio fundador de Soevii, una firma de software a la medida y GenAI en Monterrey, México. Lleva software y agentes de IA de la demo a la operación en empresas e industria.

Llevo software y GenAI de la demo a la operación, con una firma que se queda hasta el final.

Soy César Rivas Capistrán, ingeniero de software en Monterrey. Desde 2018 soy socio de tiempo completo en Soevii: vendo el proyecto, lo defino con el cliente, programo con el equipo y me quedo hasta que su gente lo opera sin nosotros. Hoy buena parte de ese trabajo es llevar GenAI de demo a producción en empresas e industria.

## La firma

Soevii es una firma de ingeniería de software en Monterrey, fundada en 2016. Me sumé como socio de tiempo completo en 2018. Hacemos software a la medida y sistemas de GenAI para empresas de construcción, logística, transporte, legal, salud y recursos humanos.

Mi trabajo es que la firma funcione: qué proyectos tomamos, cómo los cotizamos, cómo los entregamos y cómo los sostenemos después del go-live. Somos chicos a propósito: quien diseña también programa y también da la cara al cliente.

He liderado más de 35 proyectos para más de 25 clientes, con equipos de 5 a 10 personas, casi siempre como líder del proyecto y product manager, y a veces también como arquitecto de soluciones o de datos.

- +30 plataformas y apps
- +300 servicios entregados
- +35 tecnologías en producción
- +10 clientes activos
- Cifras de Soevii, 2025.

### Lo que estoy construyendo dentro de la firma

- Pólizas de soporte por sistema, para que el soporte se cobre y se planee como cualquier otro servicio.
- Una identidad documental propia: propuestas, planes y actas salen de generadores que mantenemos nosotros.
- Un plan para que cada developer del equipo crezca como AI builder, con proyectos reales.

## Cómo trabaja

1. Veo cómo se hace hoy el trabajo. Antes de proponer me siento con quien opera. El flujo real casi nunca es el del organigrama.
2. Acordamos qué significa “ya funciona”. Criterios por escrito, casos reales y quién decide. Sin eso la demo siempre parece suficiente.
3. Construimos la primera versión con casos reales. Sprints de dos semanas y un tablero compartido con el cliente: cada avance se puede probar.
4. Nos quedamos hasta que el equipo la opera. Salida a producción controlada, manual y diagramas de entrega, y soporte después del go-live.

### Reglas

- Proceso antes que modelo. Si un flujo no merece existir, automatizarlo solo hace el desorden más rápido.
- Producción desde el primer día. Límites de reintentos, presupuesto de tokens, evaluaciones, observabilidad y escalamiento a una persona.
- Ciclos cortos, con el cliente en la sala. Entregas semanales o quincenales, con usuarios reales y datos reales.

## Capas de un agente en producción

Así se ve por dentro un caso como el del asistente financiero. La mayoría de los proyectos de IA mueren entre la demo y producción. Mi trabajo empieza ahí. Sigue una pregunta por el sistema en los dos modos, o toca cada pieza para ver qué pasa cuando falta y qué entregamos.

- Personas: ¿Quién pregunta, y con qué palabras? La gente pregunta con abreviaturas internas, con prisa y a medias. Por eso se diseña sentado junto a ellos.
- Aplicación: ¿Dónde vive la conversación? En la app que ya usan, en Teams o en una pantalla nueva. Tiene que estar donde ya trabajan.
- Agente: ¿Qué decide el modelo? El modelo con instrucciones, herramientas y límites claros. Decide qué consultar y nunca inventa el dato.
- Herramientas y permisos: ¿Qué puede tocar? Cada consulta pasa por una API con los permisos del usuario. Lo que el usuario no puede ver, el agente tampoco.
- Capa de datos: ¿De dónde sale la respuesta? Una fuente de verdad por respuesta: ERP, hojas que alguien mantiene, reportes.
- Evaluación: ¿Cómo sabemos que ya funciona? Preguntas reales con su respuesta esperada, acordadas al inicio y corridas en cada cambio.
- Operación: ¿Quién lo atiende el lunes? Lo que hace falta para que el equipo lo corra sin el consultor.

## Casos (anónimos)

Los clientes no se nombran sin su autorización. Lo que sí puedo contar es el problema, lo que construimos y mi papel.

### Un asistente de consultas financieras sobre un hub de datos.

Industria · GenAI. En una empresa industrial global, contraloría necesitaba una base confiable para planeación financiera. Primero el hub: más de 20 entidades de datos curadas y gobernadas, listas para analítica de autoservicio. Encima, un asistente de GenAI que responde consultas financieras al momento.

Papel: Arquitectura de datos y liderazgo de la entrega de los dos productos, dentro de un equipo multidisciplinario.

### Los indicadores de toda la empresa en una sola vista, y agentes que escriben con esos datos.

Industria · Datos e IA. Para una empresa industrial global, una plataforma que consolida los indicadores financieros y operativos de todas las regiones y los abre a todos los niveles de la organización. A su lado, un entorno seguro donde agentes consultan el lago de datos y producen documentos con esa información.

Papel: Liderazgo del proyecto y product manager.

### Todo el ciclo del envío en una plataforma.

Paquetería y carga. De la preguía a la factura fiscal con carta porte, la cobranza y la liquidación de operadores, sobre 16 bases de datos conectadas a la vez. Tres años en operación y, al terminar el servicio, una entrega con documento técnico, diagramas y acta de cierre.

Papel: Liderazgo del proyecto y product manager: relación con el cliente, alcance y cierre.

### Una torre de control para una flota de más de mil unidades.

Transporte de personal · Datos e IA. Monitoreo en vivo con tiempos de llegada, cumplimiento del plan, detección de robo de combustible y rutas fuera de corredor, sobre un lago de datos que junta la telemetría de dos proveedores. Encima, un asistente que contesta preguntas del negocio en lenguaje natural, y tres apps móviles publicadas en las tiendas de apps.

Papel: Liderazgo del proyecto y product manager.

### Dos apps corporativas que entran con la identidad de la empresa.

Industria · Móvil. Asistencia a capacitaciones con escaneo desde la cámara, y reservaciones con check-in. Migramos el acceso de usuario y contraseña propios a la identidad corporativa con doble factor, y las actualizaciones a un esquema propio cuando el servicio anterior fue retirado.

Papel: Liderazgo del proyecto y product manager.

### El censo de tiendas, desde el teléfono del promotor.

Retail · Trabajo de campo. App móvil para levantar el censo de tiendas y registrar las actividades de promotoría en campo, con carga masiva de tiendas, actividades y promotores.

Papel: Liderazgo del proyecto y product manager.

## Stack

- Web: React, Angular, Vue
- Móvil: React Native, Flutter, Ionic, Capacitor
- Backend: Node.js (Express, Sails), .NET, Python
- Datos: PostgreSQL, SQL Server, Oracle, MySQL y Snowflake, con gobierno de datos y modelado de dominios
- Nube e identidad: Azure, DigitalOcean, Oracle, Microsoft Entra ID
- GenAI: RAG, orquestación de agentes, evaluaciones, prompt engineering
- Cómo trabajamos: GitLab (issues, MRs, CI), entregas semanales o quincenales, GitHub Copilot, Cursor y Claude Code

## Experiencia

- Desde 2018: Socio fundador y consultor, tiempo completo, Soevii (fundada en 2016)
- Desde 2024: Sr. IT Consultant & Partner, Teflex. Arquitectura de datos e IA para clientes industriales
- 2013 a 2018: Líder de procesos IT Staff, Grupo Javer
- 2016 a 2018: Maestría en Gestión de Tecnologías de la Información, Universidad Tecmilenio
- 2009 a 2013: Lic. en Ciencias Computacionales, UANL

## Ahora (12 de noviembre de 2026)

- La firma: Convertir el soporte que damos sin contrato en pólizas anuales por sistema, con tiempos de respuesta medibles.
- Proyectos: Cerrar la entrega de una plataforma de auditoría y proponer IA para la operación de una flotilla.
- El equipo: Acompañar a un developer del equipo a crecer como AI builder trabajando en proyectos reales.
- Escritura: Un ensayo sobre dónde se atora GenAI entre la demo y la operación en una empresa industrial.
- Herramientas: Cursor y Claude Code en paralelo sobre las mismas carpetas, con reglas compartidas entre los dos.
- Leyendo: Ingeniería de IA, de Chip Huyen, Maestría, de Robert Greene, y Lo que un líder no debe delegar, de Salvador Alva.

## Preguntas frecuentes

### ¿Quién es César Rivas Capistrán?

César Alejandro Rivas Capistrán es ingeniero de software y socio fundador de Soevii, una firma de software a la medida y GenAI en Monterrey, México. Es socio de tiempo completo desde 2018 y también Sr. IT Consultant & Partner en Teflex, donde trabaja en arquitectura de datos e IA para clientes industriales.

### ¿En qué se especializa?

En llevar software y GenAI de la demo a la operación: agentes de IA, aplicaciones web y móviles, y plataformas de datos. Cubre el camino completo: descubrimiento, mapeo de procesos, arquitectura, código, despliegue y adopción. En LinkedIn describe ese trabajo como Forward Deployed Engineer.

### ¿Qué es Soevii?

Soevii es una firma de ingeniería de software en Monterrey, fundada en 2016: una microempresa de ocho personas que hace software a la medida y sistemas de GenAI para empresas de construcción, logística, transporte, legal, salud y recursos humanos. Cifras de 2025: más de 30 plataformas y apps, más de 300 servicios entregados y más de 10 clientes activos.

### ¿Qué experiencia tiene?

Ha liderado más de 35 proyectos de software para más de 25 clientes, con equipos de 5 a 10 personas, casi siempre como líder del proyecto y product manager, y a veces como arquitecto de soluciones o de datos. Antes fue Líder de procesos IT Staff en Grupo Javer (2013 a 2018). Es licenciado en Ciencias Computacionales por la UANL y maestro en Gestión de Tecnologías de la Información por la Universidad Tecmilenio.

### ¿Qué tipo de proyectos ha entregado?

Un asistente de GenAI para consultas financieras sobre un hub de datos gobernado, una vista global de indicadores financieros y operativos con agentes que producen documentos desde el lago de datos, una plataforma para todo el ciclo de envíos de paquetería y carga, una torre de control para una flota de transporte de personal con detección de robo de combustible, apps móviles corporativas y una app de censo de tiendas para promotores. Los clientes no se nombran sin su autorización.

### ¿Con qué tecnologías trabaja?

GenAI: RAG, orquestación de agentes, evaluaciones y prompt engineering. Datos: PostgreSQL, SQL Server, Oracle, MySQL y Snowflake, con gobierno de datos y modelado de dominios. Producto: React, Angular, Vue, React Native, Flutter, Node.js, .NET y Python, sobre Azure y DigitalOcean.

### ¿Cómo trabaja?

En cuatro pasos: ver cómo se hace hoy el trabajo, acordar por escrito qué significa "ya funciona", construir la primera versión con casos reales y quedarse hasta que el equipo del cliente la opera. Con tres reglas: proceso antes que modelo, producción desde el primer día y ciclos cortos con el cliente en la sala.

### ¿Cómo contactar a César Rivas Capistrán?

Por correo en hi@rivascapistran.com, por LinkedIn en linkedin.com/in/cesarcapistran o por X en x.com/acapistran. Trabaja desde Monterrey, en español e inglés.
