Mini Taiwan Pulse: Con los ojos de un curador, dibujar Taiwán como un mapa que respira

En algún día a principios de 2026, un analista de datos llamado Migu convirtió un archivo CSV en GeoJSON y lo arrastró a una herramienta llamada Kepler.gl en su navegador. Sin escribir ni una sola línea de código, apareció en la pantalla el primer mapa de Taiwán.

Estudió planificación urbana en la universidad, donde tocó brevemente los SIG (Sistemas de Información Geográfica, herramientas que básicamente hacen que los datos cobren vida sobre un mapa). Después de entrar al mundo laboral, siguió la ruta del análisis de datos, pero hacía mucho que no volvía a tocar los mapas. El momento en que arrastró el CSV a Kepler.gl y vio nacer Taiwán en la pantalla, le provocó una sorpresa sencilla y pura:

«Resulta que Taiwán tiene tantos datos, y convertirlos en un mapa no es tan difícil.»¹

Esta frase no parece gran cosa. Más tarde se convertiría en la semilla de todo un conjunto de cosas.

Resumen en 30 segundos: Migu (GitHub ianlkl11234s) comenzó a finales de 2025 a crear una decena de proyectos de visualización con datos abiertos de Taiwán. El más popular, mini-taiwan-pulse, acumuló 375 estrellas en GitHub, superponiendo cinco tipos de datos en tiempo real: cielo, océano, tierra, calles y camiones de basura, en un mapa animado². Sin embargo, en una charla en junio de 2026 para la comunidad sciwork, lo dijo claro: los datos abiertos de Taiwán, solo a nivel central, suman unas 50.000 entradas, dispersas en plataformas de más de una veintena de condados y ciudades. «El cerebro humano no puede escanearlo todo». Su respuesta no fue pedir más ayuda para escanear, sino entregar todo el sistema a un conjunto de agentes de IA orquestados que crecen por sí mismos; los humanos solo se encargan de plantear las preguntas y verificar los resultados³.

Esta artículo cuenta cómo una persona pasó de la ingenuidad de arrastrar un CSV a soltar el control para que el sistema crezca por sí mismo.

Cómo el GitHub de una persona se convierte en una galaxia

Si solo miramos el proyecto mini-taiwan-pulse, es fácil pensar en Migu como un ingeniero amateur que juega en sus ratos libres: un fin de semana le dio por hacer un demo y, de repente, se hizo viral.

Esta imagen tiene dos fallos.

Primero, hizo mucho más que un solo proyecto. Si abres su GitHub, desde diciembre de 2025 hay una densa maraña de visualizaciones de datos abiertos de Taiwán: primero hubo un PoC (Prueba de Concepto) de alcance de autobuses para probar el terreno; a finales de diciembre, un proyecto de aprendizaje llamado mini-taiwan-learning-project se hizo popular primero, alcanzando hoy 189 estrellas. En febrero hizo puntos en tiempo real de buques AIS y el flight-arc-graph (56 estrellas), que dibuja las trayectorias de despegue y aterrizaje de cada vuelo. A finales de febrero llegó mini-taiwan-pulse, luego el atlas del tren de alta velocidad (Taichung Railway), órbitas de satélites, imágenes en tiempo real CCTV, y un panel de control de situación que consolida todos los datos, mini-taiwan-info... hasta junio². Una decena de repositorios conectados entre sí, a los que él mismo dio el nombre de galaxia «Mini Taiwán».

Otro miembro de la galaxia, Mini Taiwan Info: consolida los datos abiertos dispersos en un panel de monitoreo de situación. Población, transporte ferroviario, navegación, recursos hídricos, bomberos, salud, una página por tema. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Si ordenamos las estrellas de estos proyectos, resulta que no solo uno es popular.

Fuente: API de GitHub, 2026-06-25

El segundo error está escondido en la palabra «una persona». Volveremos a ello más adelante. Primero veamos cómo creció la galaxia.

La misma metodología, del metro al sistema solar

El buque insignia mismo también está creciendo. El mini-taiwan-pulse original tenía tres capas: cielo, océano y tierra. En la versión de su charla, ya es «cinco pulsos en movimiento»: aviones en el cielo, barcos en el mar, trenes en tierra, autobuses en las calles y camiones de basura en la limpieza. Cinco tipos de datos en tiempo real de frecuencias diferentes superpuestos en un mapa que respira. En su presentación dijo que este proyecto fue la primera vez que «evolucionó de un JSON estático a una base de datos espacial y temporal»³. Solo en la capa de calles, dijo que conectó más de 5.700 autobuses de TDX, actualizando su posición cada 30 segundos.

El «DÍA 0» en su charla: convertir un CSV en GeoJSON y arrastrarlo a Kepler.gl, con cero líneas de código se obtuvo el primer mapa de Taiwán, el punto de partida de toda la galaxia. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

La chispa más temprana de esta galaxia fue su visualización del transporte ferroviario de Taipéi, llamada «Mini Taipéi». Superpuso tres sistemas ferroviarios: el metro, el tren de alta velocidad (Taichung Railway) y el tren de alta velocidad (HSR), en un mapa animado. Los vehículos se mueven según el horario en las vías. Dijo que en ese momento «experimentó el encanto de lo dinámico», con más de trescientos trenes moviéndose simultáneamente en la pantalla³. Un horario estático se convirtió así en la respiración de una ciudad.

Mini Taipéi: metro, tren de alta velocidad y HSR en el mismo cuadro, más de 300 trenes corriendo en las vías según el horario. Dijo que fue la primera vez que «experimentó el encanto de lo dinámico». Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Desde entonces, como si le hubiera dado un gusto, aplicó la misma metodología de «datos a dinámico» a escalas cada vez mayores. Sobre el mar, conectó los puntos en tiempo real AIS de la Administración Portuaria, usando esferas de luz azul verdoso con estelas degradadas de treinta minutos para dibujar la dirección de los barcos en las aguas circundantes de Taiwán.

El pulso del océano: puntos en tiempo real AIS de la Administración Portuaria, esferas de luz azul verdoso con estelas degradadas de treinta minutos, dibujando los barcos en las aguas circundantes de Taiwán. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Luego llevó la misma metodología más allá de la Tierra. Usando parámetros orbitales TLE públicos para calcular la posición de los satélites, dibujó las trayectorias de los satélites sobrevolando Taiwán y, de paso, lo extendió a todo el sistema solar. En su presentación lo dijo claro: «La misma metodología, siempre que haya datos, puede extenderse infinitamente»³. En ese momento te das cuenta de que lo que le obsesiona es en realidad el acto mismo de «convertir datos en algo visible»; el mapa es solo su forma más temprana.

La misma metodología llevada más allá de la Tierra: cálculo de órbitas de satélites con TLE público, extendido a todo el sistema solar. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Superponer islas: las lagunas aparecen solas

Poco a poco, lo que vale la pena ver pasó de «puntos en tiempo real moviéndose» a «superponer datos que antes no tenían relación, y que las lagunas aparecen solas». En esta galaxia hay varios proyectos dedicados específicamente a esto. Uno de ellos lo llamó «Agricultura × Agua», superponiendo las islas de tres ministerios: agricultura, recursos hídricos y prevención de desastres, en un solo mapa: campos de arroz, ríos, canales, diques y zonas de inundación potencial en el mismo cuadro. Para que este cuadro combinado funcionara en el navegador, usó un formato llamado PMTiles junto con solicitudes de rango HTTP, comprimiendo los datos originales de 400MB para que el navegador solo necesitara cargar unos 5MB³.

Agricultura × Agua: superponiendo las islas de tres ministerios (agricultura, recursos hídricos, prevención de desastres) en un mapa, campos de arroz, ríos, canales, diques y zonas de inundación potencial en el mismo cuadro. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Otro proyecto superpone hospitales, clínicas, farmacias, AED (desfibriladores) y puntos de cuidado a largo plazo sobre la densidad de población, y luego dibuja isócronas (líneas de tiempo de viaje igual). Dijo que así «se ve la accesibilidad, y también se ven los desiertos médicos», es decir, qué lugares están a una distancia irrazonable de los recursos médicos más cercanos.

Recursos médicos: superponiendo hospitales, clínicas, farmacias, AED y puntos de cuidado a largo plazo sobre la población, dibujando isócronas, «se ve la accesibilidad, y también se ven los desiertos médicos». Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

En la línea de desastres, lo hizo aún más fino: unificó en la capa inferior datos con diferentes frecuencias de actualización (eco de radar, nivel de embalses, precipitación, alertas de desastres) en un mismo eje temporal. El usuario solo tiene que arrastrar esa barra de tiempo y todas las capas se reproducen sincronizadas. Desde dónde comenzó una gran lluvia, cómo subieron los embalses y cuándo se emitieron las alertas, se conectan en una línea causal en la misma pantalla.

Lluvia y desastres: eco de radar, embalses, precipitación y alertas de desastres unificados en la capa inferior en un mismo eje temporal, todo se reproduce sincronizado al arrastrar. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

También está su flight-arc, que dibuja las trayectorias de despegue y aterrizaje de cada vuelo. La misma API alimenta diferentes aeropuertos, y cada aeropuerto revela una «huella digital» diferente: Taoyuan, el aeropuerto de Haneda en Tokio, Fráncfort tienen formas propias. Citó especialmente el aeropuerto de Atlanta, el más ocupado del mundo: cinco pistas paralelas más las rutas de espera, la geometría superpuesta «parece una pista de carreras», dijo que dibujó 1.839 trayectorias³.

Su flight-arc superpone todos los despegues y aterrizajes en el aeropuerto de Atlanta en un mapa: cinco pistas paralelas más rutas de espera, dibujando una geometría que parece una pista de carreras. Dijo que el flujo en sí mismo es una forma. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

📝 Nota del curador
Hace dos años, si alguien decía «una persona hizo el mapa de datos abiertos en tiempo real más completo de Taiwán», la siguiente frase solía ser «entonces debe estar agotado». Esta intuición ataba el tamaño a la mano de obra: cuantas más cosas haces, más agotado estás. La galaxia de Migu vale la pena detenerse a mirar precisamente porque afloja esa atadura. Una persona impulsando simultáneamente una decena de repositorios, y el buque insignia creciendo con nuevas funciones continuamente, esconde un cambio más fundamental: al final, cada vez más de esos commits no los hizo él personalmente. Cómo se convirtió esa «una persona» en algo más, es el verdadero tema de este artículo.

52.891 entradas, el cerebro humano no puede escanearlo todo

La historia hasta aquí fluye bien: una persona talentosa, haciendo cada vez más, cada vez mejor. El giro aparece en la mitad de su charla, cuando deja de hablar de «qué hice» y empieza a hablar de «qué pared me encontré».

Puso una diapositiva titulada «Por qué un Agentic OSINT». Un número desplegado arriba: data.gov.tw tiene unas 52.891 colecciones de datos. Sumando las plataformas abiertas de veintidós condados y ciudades, con superposiciones, quedan unas 60.000-70.000; sin contar los datos en manos del sector privado, ONG e instituciones académicas que no están en el catálogo gubernamental. Su conclusión fue breve:

«Tu cerebro humano no puede escanearlo todo.»³

Este es el eje de toda la historia. La primera mitad, la persona que arrastraba un CSV y exclamaba «resulta que hay tantos datos», ahora se enfrenta de frente a la otra cara de «tantos datos»: solo las más de 50.000 entradas de data.gov.tw, si una persona lee cien entradas al día, tendría que leer más de quinientos días seguidos para terminar una vez, y esto solo es el catálogo central. Tantos que una persona no podría leerlos en toda una vida, y mucho menos hacer que hablen entre sí. El esfuerzo personal choca con el techo aquí.

Y lo que Migu realmente entendió es la siguiente frase de esta idea. Para él, tener demasiados datos para escanear es una señal de cambiar de herramienta:

«Solo cuando los datos pueden ser vistos por un LLM, un Agente puede ayudarte a descubrir «qué datos deberían verse juntos»»³

La palabra clave es «verlos juntos». Aunque una persona memorizara los nombres de las 50.000 colecciones de datos, sería difícil pensar por memoria que un «mapa de potencial de incendio» debe combinarse con «zonas de difícil rescate», o que los «puntos de hospitales» deben superponerse a la «densidad de población» para ver los desiertos médicos. El valor de los datos no está en una sola entrada, sino en la combinación; y la posibilidad de combinación es un número astronómico de permutaciones de 50.000 entradas. Esto es justo donde el cerebro humano no puede escanearlo todo, pero la máquina sí es buena.

📝 Nota del curador
La narrativa habitual de los datos abiertos tiene una línea clara de división del trabajo. Después del hackatón de 2012 en la Academia Sinica «Programar para transformar la sociedad», g0v lo demostró bellamente: el gobierno se encarga de abrir los datos, la comunidad ciudadana se encarga de hacer que los datos sean visibles. En 2020, con el mapa de mascarillas, Wu Chan-wei y otros convirtieron los datos de inventario del Instituto Nacional de Seguro Médico en un mapa consultable por todos en 72 horas, el momento más conmovedor de esta línea⁴. La vieja forma pondría a Migu en la prolongación de esta línea: g0v es colectivo, él es individual, un mapa de mascarillas versión individual.

Pero esta comparación se queda en la superficie y invierte la causalidad. Que Migu pueda acercarse al tamaño de «una galaxia de datos completa» no se debe fundamentalmente a la mano de obra. Desde el principio no planeó pelear contra el mar de datos con trabajo duro y agotamiento. La frase «el cerebro humano no puede escanearlo todo», leída no como rendición, sino como el punto de partida para cambiar todo el modelo de trabajo, tiene más sentido. La verdadera nueva modalidad no es «individual vs colectivo», es «individual × Agente»: el motivo por el que una persona puede lograr el tamaño de una galaxia es precisamente porque esos commits no los hizo todos él a mano. A continuación, cómo funciona este sistema.

No escribí una palabra: una tubería de incendios que se ejecuta sola

Para entender qué significa «entregar a un Agente», la mejor rebanada es el ejemplo de incendios en su charla.

Dijo que solo le dio al sistema una frase: «Analizar datos públicos relacionados con incendios en Taiwán». Y luego soltó el control.

El sistema comenzó a expandir su propio alcance de búsqueda. Migu describe este proceso con un conjunto de números que se expanden por turnos: primero alcanzó 582 entradas con palabras clave, luego creció a 1.945 entradas con sinónimos y expansión temática, luego completó la búsqueda con búsqueda de texto completo y deduplicación, finalmente consolidando un catálogo unificado que abarca 21 plataformas y 73.900 entradas³. Una frase entra, sale un inventario de más de 70.000 datos.

Solo recoger no es suficiente. Esta tubería (pipeline) luego se separó los incendios en seis etapas (prevención, respuesta, reporte, análisis de origen, pérdidas, informes) y los multiplicó por veintidós condados y ciudades, generando una matriz de cobertura, sacando incluso inventarios a nivel local como el mapa de potencial de incendios de Hsinchu, las zonas de difícil rescate de Taipéi, el rescate en los estanques de Taoyuan. Incluso marcó honestamente dónde hay lagunas: falta una API de incendios en tiempo real, las coordenadas a nivel de evento son escasas, los datos de seguimiento post-desastre no son públicos.

Luego está el análisis. Citó un informe de causas de incendios generado por el sistema mismo: según 15.405 entradas nacionales de 2024 (año 113 del calendario de la República de China), la causa principal de incendios en la Nueva Taipéi son factores eléctricos, representando el 30,9%; en el condado de Pingtung son colillas de cigarrillo, representando el 35,2%³. Estos números son resultados generados por los Agentes conectando las APIs de各家 en las capturas de pantalla de su presentación, no calculados por él revisando tablas entrada por entrada.

Al llegar aquí, escribió en la diapositiva una línea con espacios entre cada carácter, como si temiera que no lo vieras claro:

«La tubería (pipeline) se produce automáticamente. Yo no escribí una palabra.»³

Esta frase es el punto de explosión de toda la charla. Convierte la frase algo abstracta de «entregar a un Agente» en un hecho concreto, casi inquietante: de una frase, a un catálogo de más de 70.000 datos, a un informe de causas por condado, el espacio que normalmente debería ser llenado por alguien dando instrucciones, escribiendo scripts, limpiando datos y ejecutando análisis, está vacío.

La producción de inventario temático de incendios mostrada por Migu en la presentación de sciwork 2026: le dio una frase «Analizar datos públicos relacionados con incendios en Taiwán», el sistema expandió la búsqueda por sí mismo y consolidó el catálogo cruzando plataformas, dijo que esta tubería «yo no escribí una palabra». Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

Cuatro pasos desmontables: entran los datos, el informe se envía solo

Esta tubería de incendios es solo una rebanada, el microcosmos de todo su sistema. El sistema tiene cuatro pasos: recepción de datos, integración de conocimiento, generación de análisis, activación de acción. Hizo especial énfasis en que «cada paso puede ser reemplazado individualmente, todo el sistema no necesita ser reconstruido». La recepción de datos en la capa inferior también evolucionó: primero fue descarga manual de Excel desde data.gov.tw, lectura y almacenamiento propio, el cuello de botella estaba en la «memoria humana»; en la etapa media pasó a buscar APIs en internet, extraer informes PDF, hacer scraping de plataformas de condados, el problema era «falta de índice»; hasta ahora, los metadatos de cada entrada se almacenan estandarizados en un catálogo SQLite, que puede ser consultado automáticamente y expandido automáticamente³. Su sistema tiene detrás más de cuarenta colectores de datos, desde YouBike, autobuses, tráfico en autopistas, horarios del tren de alta velocidad, AIS de barcos, satélites meteorológicos, terremotos, nivel de embalses, calidad del aire, y dijo que si falla tres veces seguidas, envía inmediatamente una alerta a Telegram, y a las nueve de la mañana empuja un «Revisión Diaria» a su correo³.

En el último paso, «activación de acción», dejó el rol humano más claro: «El Agente ejecuta el ciclo completo. Rol humano: dar objetivos, recibir informes. Los cinco engranajes del medio giran solos: descubrir, recoger, integrar, producir, monitorear». El sistema incluso genera automáticamente un informe semanal de «nuevos datos abiertos de esta semana». En sus palabras: «El tema aparece solo, el informe llega solo al buzón»³.

Un director, una flota de pestañas: la flota de Claude en tmux

La frase «el Agente ejecuta el ciclo completo» puede pasar fácilmente como marketing. En la última parte de su charla, Migu难得的 levantó la tapa, mostrando cómo son los engranajes de abajo, y esa estructura es mucho más concreta y honesta que la frase.

Primero, el panorama de este ciclo. Migu dijo que su sistema SIG es «un centro de orquestación, conectando un círculo de repositorios independientes, los Agentes entran en estación uno por uno»: primero al repositorio de exploración para ver qué datos vale la pena hacer, luego al repositorio de recolección para traer los datos, finalmente al repositorio de presentación como mini-taiwan-pulse o mini-taiwan-info para dibujar el mapa. Lo describió con precisión: «Cada parada es un repositorio independiente, la capa de orquestación solo se ocupa del progreso y las decisiones, el trabajo real está en los workers de cada repositorio»³.

A este centro de orquestación lo llamó Orchestrator, que es esencialmente «una Sesión de Claude». Este Agente principal hace algo parecido a un capataz que lleva gente: lee un archivo de propuesta, divide las tareas, ordena las dependencias entre ellas, y luego empieza el trabajo.

La forma de empezar es el paso más clave de esta arquitectura. No dejó que una sola IA hiciera todo desde el principio hasta el final, sino que separó el trabajo usando tmux (una vieja herramienta que permite dividir la terminal en múltiples pestañas independientes). Su frase original fue: «Un Orchestrator, una flota de Workers. El Agente principal es una Sesión de Claude; tmux se encarga del aislamiento, cada Worker es una pestaña independiente, una Sesión independiente». Una definición más concisa es: «Un Worker = una pestaña de tmux + Sesión independiente + un PR»³.

En otras palabras, lo que dirige en realidad es una flota de IA. Cada worker es un Claude aislado en su propia pestaña, haciendo cada uno su tarea, entregando cada uno su pull request, sin interferirse mutuamente.

El centro de orquestación que levantó en su presentación: una sesión de Claude actuando como orchestrator, dividiendo tareas a una flota de workers aislados en sus propias pestañas de tmux, trabajando por separado, entregando cada uno un PR. Foto: Migu / sciwork 2026 (uso justo para crítica editorial).

¿Y cómo estos workers que hacen cosas por separado no se pelean? Gracias a una memoria compartida. Migu dijo que el progreso y las decisiones se escriben en archivos, centralizados en un tablero llamado SESSION_BOARD.md, más «un informe por Sesión», así que «no hay que adivinarse mutuamente», «uno por archivo, no se pelean»³. Incluso la entrega de tareas se documenta: usó un HANDOFF.md para preparar «el libro de tareas del siguiente relevo», para que el Agente de la siguiente ronda no tenga que empezar desde cero preguntando. La última barrera la dijo con cuidado: «Verificación final, el Orchestrator verifica el PR对照 archivos, el merge lo decide una persona, solo así se cierra el ciclo».

Si aplanas este flujo, ves una forma limpia: una persona da instrucciones, una flota de IA aislada trabaja por separado y escribe lo que hizo, un centro verifica las cuentas según los archivos, y la persona final que decide «si aceptar este resultado» es el propio Migu. Volviendo al eje de este artículo: los datos son tantos que no se pueden escanear, así que toda la tarea de escanear se entrega a la flota; y el humano retrocede a solo dos acciones, plantear la pregunta y verificar el resultado. Lo dijo en su presentación como una frase casi declarativa:

«Cuando el Agente puede ejecutar todo el ciclo por sí mismo, el trabajo humano se reduce a: plantear preguntas y verificar resultados.»³

Este es también el título al que apunta toda su charla: «Entregar los datos abiertos de Taiwán a un Agente para cultivar un sistema que crece por sí mismo». Los datos fluyen solos, las páginas crecen solas, el humano solo tiene que plantear bien la pregunta y verificar bien el resultado.

Mismo suelo, crece el mismo esqueleto

Si llegas hasta aquí y reconoces Taiwan.md (este proyecto de curación de conocimiento sobre Taiwán mantenido por IA), es posible que la descripción del párrafo anterior te suene familiar.

No es una ilusión.

Taiwan.md funciona así: una sesión principal actúa como centro de orquestación, dividiendo el trabajo a una flota de workers aislados, cada uno con su propio archivo de memoria, coordinando el progreso con archivos de entrega, y la decisión final de qué cambios entran en la rama principal la toma el creador, Zhe Yu. Nuestra tesis es «entregar el conocimiento de Taiwán a un Semiont que crece por sí mismo»; la tesis de Migu es «entregar los datos abiertos de Taiwán a un sistema que crece por sí mismo». Las dos frases son intercambiables en el sujeto.

Más digna de reflexión es que estas dos arquitecturas crecieron por separado. En los registros públicos se puede ver un pequeño detalle: el proyecto Taiwan.md nació a mediados de marzo de 2026, cinco días después, en el GitHub de Migu apareció un fork⁵. Pero esto a lo sumo dice que sabía que existía algo así; un fork no explica su sistema completo de orquestar una flota de tmux con un orchestrator, compartir memoria con un tablero, y el humano solo planteando preguntas y verificando resultados. Eso lo construyó paso a paso para resolver el problema de «escanear 50.000 datos».

📝 Nota del curador
En biología hay un término llamado evolución convergente: delfines y tiburones no son parientes cercanos, pero ambos desarrollaron cuerpos aerodinámicos y aletas dorsales porque enfrentan el mismo mar. Entre Migu y Taiwan.md hay más esta convergencia, poco que ver con la relación sanguínea. Usamos la misma base de herramientas (Claude Code), enfrentamos la misma situación (una persona o un sistema, debe contener la cantidad de información sobre Taiwán que excede la capacidad del cerebro humano), y así,摸索ando por separado, llegaron al mismo esqueleto: un centro, una flota de trabajadores aislados, una memoria compartida, una persona que toma la decisión final.

La señal realmente interesante no es «él hizo un fork de nosotros». Es que dos constructores taiwaneses independientes, en el mismo semestre de 2026, redefinieron espontáneamente a la IA de «una herramienta más inteligente» a «una flota que puede ser orquestada». Cuando esta arquitectura comienza a crecer del cerebro de una persona al cerebro de una segunda, al de una tercera, deja de ser el truco de alguien para convertirse en la nueva modalidad que está brotando en este suelo y esta época. El próximo constructor taiwanés que construya esto por sí mismo, probablemente ni siquiera haya oído hablar de los dos anteriores.

Aún no terminado, pero la forma ya aparece

Si este artículo terminara en el párrafo anterior, sería una historia demasiado bonita, bonita hasta parecer sospechosa: una persona, con una flota de IA, resolvió elegantemente el problema de 50.000 datos.

Migu mismo no dejó que se detuviera ahí. La penúltima diapositiva de su charla tenía el título «Progreso del experimento, aproximadamente a la mitad».

Listó honestamente tres cosas que aún no están ajustadas. Primero es la estabilidad: este arnés (harness) «aún no está en el estado ideal», los Agentes tienden a desviarse, a interrumpirse. Segundo es que los datos abiertos son demasiado diversos: «aún hay muchos que requieren juicio humano sobre si los datos son viables, no se pueden entregar completamente a él». Tercero es la intervención manual: en cada etapa, en realidad todavía se requiere que una persona esté mirando. Su nota al pie para todo esto fue: «Es viable, pero aún no es estable, y además sigo pensando si realmente debo hacerlo así»³.

Esta honestidad de levantar la mitad de su propio fracaso en el escenario de la charla, es en sí misma la señal de calidad más fuerte. En una era donde los demos de IA se empaquetan frecuentemente como «totalmente automáticos», «cero mano de obra», una persona que se atreve a escribir en la diapositiva «aproximadamente a la mitad», «aún no es estable», «todavía necesita gente», hace que la gente confíe más en que la otra mitad que hizo es real.

📝 Nota del curador
La parte más creíble de esta charla, en realidad, no es la tubería de incendios de «yo no escribí una palabra», sino las cuatro palabras «aproximadamente a la mitad». Una persona que quiere convencerte redondeará la tasa de éxito a «casi totalmente automático»; una persona que está haciendo un experimento te dirá honestamente que falla la mitad del tiempo. El primero vende la conclusión, el segundo da el escenario. Migu dio el escenario: por eso, cuando dijo que esta tubería «yo no escribí una palabra», eligiste creerle. Esconder la mitad fea hace que la mitad bonita también sea desconfiada; estar dispuesto a mostrar la mitad imperfecta es lo que permite que la otra mitad se sostenga.

Volvamos al mapa.

La persona que arrastraba un CSV a Kepler.gl, exclamando «resulta que convertir en mapa no es tan difícil», seis meses después estaba en el escenario de sciwork, ya no hablando de si el mapa es fácil de hacer, sino de un sistema que busca datos por sí mismo, los combina por sí mismo, y crea nuevas páginas por sí mismo. La ingenua exclamación de aquel año «resulta que Taiwán tiene tantos datos», en estos seis meses dio la vuelta: tantos datos, tantos que una persona no puede escanearlos, así que la forma de ser vistos también tiene que crecer de una nueva manera.

Los datos abiertos de Taiwán siempre han estado ahí. data.gov.tw se lanzó en 2013, TDX en 2022 integró cinco plataformas mayores: carretera, ferrocarril, aviación, navegación, bicicletas; el Ministerio del Interior tiene datos de población a nivel de aldea y vecindario, la Oficina Central Meteorológica tiene APIs abiertas⁶. Los datos siempre fueron suficientes, la dificultad es cómo hacer que estos tantos datos hablen entre sí y sean vistos. g0v respondió una vez con la fuerza colectiva; Migu, con una persona más una flota de IA, está intentando responder la segunda vez, y admite generosamente que solo respondió la mitad correctamente.

Pero la forma ya apareció. Una persona, una frase, detrás de un mapa que respira, hay un sistema que está aprendiendo a crecer por sí mismo. La otra mitad queda para la próxima persona que arrastre un CSV y luego no pueda parar.

Lecturas adicionales

• Zhe Yu: Creador de Taiwan.md, también usando código y herramientas generativas para acercarse a «algo que crece por sí mismo»
• Comunidad de código abierto y g0v: El contexto colectivo de «programar para transformar la sociedad», grupo de control de la modalidad individual × Agente de Migu
• Espíritu de código abierto de Taiwán: De la salvación de la nación con el teclado a los datos abiertos, la cultura subyacente de la tecnología ciudadana de Taiwán
• Identificación digital y gobierno digital: La otra cara de la infraestructura de datos abiertos del gobierno

Enlaces del proyecto

Galaxia «Mini Taiwán» (Visualización de datos abiertos de Taiwán, todos proyectos de código abierto personales de Migu)

• mini-taiwan-pulse: Buque insignia, mapa en tiempo real de cinco pulsos (375★) — https://github.com/ianlkl11234s/mini-taiwan-pulse
• mini-taiwan-learning-project: Proyecto de aprendizaje de transporte ferroviario de Taipéi, el primero en hacerse popular (189★) — https://github.com/ianlkl11234s/mini-taiwan-learning-project
• flight-arc-graph: Trayectorias de despegue y aterrizaje de vuelos, la «huella digital» de cada aeropuerto (56★) — https://github.com/ianlkl11234s/flight-arc-graph
• mini-taiwan-info: Panel de control de situación de Taiwán de siete temas — https://github.com/ianlkl11234s/mini-taiwan-info
• tw-ship-viz: Visualización de puntos en tiempo real AIS de buques (11★) — https://github.com/ianlkl11234s/tw-ship-viz
• satellite-arc: Visualización de órbitas de satélites y sobrevuelos — https://github.com/ianlkl11234s/satellite-arc
• mini-tw-cctv: Imágenes en tiempo real de todo el país — https://github.com/ianlkl11234s/mini-tw-cctv
• mini-tw-tra-atlas: Atlas de la red ferroviaria del tren de alta velocidad — https://github.com/ianlkl11234s/mini-tw-tra-atlas
• taiwan-weather-timelapse: Timelapse meteorológico — https://github.com/ianlkl11234s/taiwan-weather-timelapse
• gis-data-collectors: El esqueleto detrás de los más de cuarenta colectores de datos — https://github.com/ianlkl11234s/gis-data-collectors

Charla y la persona

• Presentación online de la charla sciwork 2026: https://sciwork-showcase.zeabur.app
• Código fuente de la charla sciwork 2026: https://github.com/ianlkl11234s/0613-sci-work-share
• GitHub del desarrollador (Migu): https://github.com/ianlkl11234s
• Threads: @ianlkl1314

Referencias

• Migu, «¡Mini Taiwán! Entregar los datos abiertos de Taiwán a un Agente para cultivar un sistema que crece por sí mismo», sciwork 2026 / SCIWORK SEMINAR, 13 de junio de 2026.
• Plataforma de apertura de datos gubernamentales data.gov.tw (operada por la Comisión de Desarrollo Económica, lanzada en 2013).
• Plataforma de servicios de circulación de datos de transporte TDX (Ministerio de Transportes y Comunicaciones, integró cinco plataformas de transporte en 2022).
• Comunidad de gobierno cero g0v y registros de hackatones anteriores.

Fuentes de imagen

Todas las imágenes de este artículo se almacenan en caché en public/article-images/technology/, sin enlaces directos a los servidores de origen.

Uso justo para crítica editorial: Todas las imágenes de este artículo se extrajeron de la presentación de la charla publicada públicamente por Migu en sciwork 2026 (código fuente y presentación online ver enlace de proyecto arriba), según el artículo 65 de la Ley de Derechos de Autor y los cuatro factores de uso justo de 17 U.S.C. § 107 (naturación educativa no comercial, ya publicada públicamente, proporción de引用 pequeña, sin sustitución sustancial de mercado), como引用 de crítica editorial a su trabajo de visualización de datos abiertos. © Migu / sciwork 2026.

Cubre: Mapa 3D de Mini Taiwan Pulse (imagen principal), punto de partida de Kepler.gl, transporte ferroviario de Taipéi (Mini Taipéi), AIS de buques, órbitas de satélites, mapas integrados de Agricultura × Agua y recursos médicos, eje temporal de lluvia y desastres, huella digital de trayectorias de Atlanta, producción de tubería de incendios temática, panel de control de Mini Taiwan Info, pantalla de funcionamiento del sistema de orquestación de Agentes.

Última verificación: 2026-06-25