Tu biblioteca inteligente, en tu propia máquina.

BigDataMachine es una biblioteca inteligente federada. Corre localmente, sin costo y sin que tus datos salgan de tu equipo. Conocimiento curado, no ruido de redes sociales.

Ser early adopter Ver cómo funciona

BigDataMachine acompaña tu camino de conocimiento y está pensado para crecer con vos: una red de conocimiento curado que se acumula a lo largo de toda tu vida.

Un camino recomendado

Si es tu primera vez acá, este recorrido te lleva de la idea a entender el sistema completo.

Qué vas a encontrar acá

Filosofía y principios

BigDataMachine volvió a su esencia: democratizar el conocimiento. No cualquier conocimiento — la información curada. BigDataMachine es infraestructura personal, abierta y sostenida por quienes la usan. Esa es la evolución.

Soberanía de datos

La arquitectura entera está diseñada alrededor de una idea no negociable: nada sale de tu máquina salvo que vos lo decidas. El procesamiento, el almacenamiento y la memoria viven en tu equipo. No hay servidores que acumulen tu trabajo ni terceros que lo analicen.

Costo cero para usar

El sistema corre sobre componentes libres y locales. Usarlo no tiene costo: no hay licencias ni suscripciones obligatorias. El apoyo económico existe, pero es voluntario y sirve para sostener el desarrollo — no para desbloquear la herramienta.

Curación editorial de las fuentes

BigDataMachine toma una postura deliberada: las redes sociales no son una fuente. La capa de búsqueda trabaja sobre un conjunto de fuentes curadas y confiables, pensadas para investigación seria, no para el ruido del feed.

Compartir como gesto intelectual

Compartir dentro de la red no es un acto social masivo: es selectivo, entre pares, y significativo. Se comparte con quien tiene sentido compartir, de nodo a nodo — un gesto intelectual, no una métrica de alcance.

Cadena de transmisores

La cadena de la fuente es tan importante como el contenido. No van separados. Por eso, cuando un documento viaja entre nodos, se registra el historial de los libros prestados junto con el contenido heredado: quién lo transmitió, y por qué manos pasó antes de llegar a las tuyas.

Novedades

El estado del proyecto y lo que viene. La Beta v1 es el próximo gran hito.

Big Data Machine · The path to knowledge

Se viene la Beta v1

Durante el primer año, el acceso será exclusivo para early adopters que sostienen el desarrollo. No es gratis: es una inversión temprana con ventajas reales. Cuando lancemos la versión pública, ellos ya estarán adentro, con beneficios de fundadores.

Estado actual

El concepto y el stack técnico ya están definidos de forma colaborativa. Lo que sigue es cerrar la interfaz, la lista final de fuentes curadas y empaquetar el instalador de un comando.

Arquitectura general

Un sistema local por diseño: cada capa vive en tu máquina, y solo el índice de metadatos toca la red. Así se garantiza la soberanía de datos desde la base.

Las capas del sistema

Cómo fluyen los datos

Una consulta entra por la interfaz, se enriquece con búsqueda curada, se guarda en tu workspace, y se sintetiza con el modelo local. Solo si elegís compartir, un documento viaja — cifrado y selectivo — hacia un par de confianza.

consulta
   ├─ búsqueda web curada (Searxng)
   ├─ memoria vectorial (ChromaDB)
   └─ síntesis local (Ollama · Mistral 7B)
        └─ workspace (SQLite + archivos)
              └─ compartir selectivo → nodo par (P2P)

Inferencia local

El razonamiento ocurre en tu equipo. Ningún prompt ni documento se envía a la nube para procesarse, salvo que actives explícitamente el fallback.

Ollama + Mistral 7B

BigDataMachine usa Ollama para servir un modelo local, con Mistral 7B como modelo por defecto: un equilibrio entre calidad y requisitos de hardware razonables. Corre en CPU o GPU y no requiere conexión para funcionar.

El modelo local resuelve la mayoría de las tareas: resumir, responder preguntas sobre tu corpus, sintetizar notas y estructurar hallazgos.

Hacia un modelo propio

En un futuro, la experiencia acumulada impondrá un modelo de autoría propia, entrenado específicamente para las tareas más requeridas en este ambiente de biblioteca: resumir, contrastar fuentes, anotar y sintetizar conocimiento curado.

Almacenamiento y memoria

Dos capas de memoria: una semántica para buscar por significado, y una estructurada para proyectos, anotaciones y archivos.

Memoria vectorial · ChromaDB

ChromaDB almacena tus documentos como vectores, permitiendo búsqueda semántica: encontrás ideas por significado, no solo por palabra exacta. Es lo que convierte una pila de PDFs en una biblioteca consultable.

Persistencia · SQLite + archivos locales

La estructura — proyectos, notas, metadatos, relaciones — vive en SQLite, y los documentos en archivos locales. Todo en tu disco, respaldable como cualquier carpeta, portable entre equipos.

Búsqueda web curada

La web abierta, filtrada con criterio. Buscás sobre fuentes confiables — nunca sobre el ruido de las redes sociales.

Searxng como motor

Searxng es un metabuscador que respeta la privacidad y no perfila al usuario. En BigDataMachine se configura sobre un conjunto de fuentes curadas, elegidas por su calidad para investigación.

Fuentes permitidas

La lista definitiva de fuentes está en definición. La regla de base es clara: se excluyen las redes sociales como fuente primaria, priorizando literatura académica, repositorios, prensa seria y bases de datos especializadas.

Nube opcional

Cuando una consulta excede lo que el modelo local puede resolver, podés activar un fallback a la nube. Siempre opcional, siempre bajo tu control.

Fallback con Claude API

Para tareas de razonamiento complejo, BigDataMachine puede delegar en la Claude API. Es una decisión explícita del usuario: por defecto todo corre local. Si activás el fallback, solo la consulta puntual que elijas viaja a la nube.

El flujo central

De una pregunta a un cuerpo de conocimiento organizado y compartible. Este es el recorrido que hace cada investigación dentro de BigDataMachine.

Proyectos y anotaciones

El workspace es donde el material suelto se convierte en conocimiento estructurado.

Organizar por proyectos

Cada investigación vive en un proyecto: una colección de documentos, notas y fuentes que crece con el tiempo. Podés tener tantos proyectos como líneas de trabajo, y todos comparten la misma memoria vectorial para cruzar ideas entre ellos.

Anotar y conectar

Las anotaciones quedan ligadas a cada documento y son consultables. Con el tiempo, tu biblioteca se vuelve una red de conocimiento curado personal — tu mejor activo intelectual acumulado.

Síntesis y gráficos

El modelo local no solo busca: ayuda a producir sentido y a visualizarlo.

Sintetizar con el modelo local

Pedís al LLM local que resuma un proyecto, contraste fuentes o proponga estructura. Todo ocurre en tu equipo, sobre tu propio corpus.

Gráficos y exportación

Generás visualizaciones a partir de tus datos y exportás a CSV para llevar el trabajo a otras herramientas — hojas de cálculo, notebooks o publicaciones.

Compartir entre pares

Compartir es un gesto intelectual, no una publicación masiva. Elegís qué, y con quién.

Selectivo y entre pares

El contenido viaja directo de un nodo a otro, sin pasar por un servidor central que lo acumule. Compartís un documento con un par de confianza porque tiene sentido — no para ganar alcance.

Unidad compartible

Hoy la unidad es el documento. Si conviene extenderla a colecciones o proyectos completos es una de las preguntas abiertas del diseño.

Modelo de distribución

Instalación de un comando, servidor central mínimo y contenido que viaja entre pares. La red conecta a la comunidad sin centralizar su trabajo.

Instalación de un comando

El objetivo es que poner en marcha un nodo sea tan simple como ejecutar un comando. Sin configuraciones interminables: descargás, corrés, y ya sos parte de la red.

Servidor central mínimo

El servidor de bigdatamachines.net guarda únicamente metadatos e índice — lo justo para que los nodos se encuentren. El contenido real nunca se centraliza.

Nodos y soberanía

Cada instalación es un nodo soberano. Sos dueño de tus datos y decidís qué sale de tu máquina.

Qué es un nodo

Un nodo es tu instancia local de BigDataMachine: tu biblioteca, tu memoria vectorial, tus proyectos. Se conecta a la red solo para descubrir pares y, si vos querés, intercambiar documentos puntuales.

Soberanía en la red

Participar de la red no cede control. Nada se comparte por defecto. La red amplifica el gesto de compartir cuando vos lo iniciás — nunca lo automatiza.

Programa Beta 1 año

Durante el primer año, el acceso es exclusivo para early adopters que sostienen el desarrollo. Apoyás el proyecto y sos de los primeros en usar y coconstruir la herramienta.

Por qué una Beta de apoyo

El software es de costo cero para usar. Pero desarrollarlo, mantenerlo y sostener la infraestructura mínima tiene un costo real. La Beta de apoyo resuelve eso sin traicionar la filosofía: el aporte es voluntario y da acceso temprano y ventajas, no desbloquea funciones esenciales.

• Filtro natural: quienes apoyan son early adopters serios, comprometidos con el proyecto.
• Feedback de calidad: una comunidad involucrada produce mejores reportes.
• Sostenibilidad desde el día uno: el desarrollo no depende de esperar a un lanzamiento comercial.

Después del primer año

Al finalizar el primer año, el Programa Beta queda abierto y conserva sus beneficios. El principal: los miembros reciben cada nueva versión 60 días antes que el público general. En exclusiva, serán siempre early adopters.

Niveles de apoyo

Tres niveles de acceso a la Beta, por un año. Todos reciben la herramienta; el apoyo define cuánta cercanía y acompañamiento tenés durante el proceso.

Precios en USD, con opción de pago mensual. Al finalizar el primer año, el programa queda abierto y sus miembros siguen recibiendo cada nueva versión 60 días antes que el público — siempre early adopters. El voto y el feedback orientan el roadmap de forma estadística — no aprueban features. La dirección la define BigDataMachine.

Cómo unirse

La Beta abre con el lanzamiento de la v1. Podés reservar tu lugar desde ahora.

Requisitos del sistema

BigDataMachine corre en equipos de escritorio comunes. La inferencia local es el componente más exigente.

Descargar

El instalador estará disponible para cada sistema operativo con el lanzamiento de la Beta v1.

Instalación de un comando

Además de los instaladores, la Beta incluirá una vía de instalación por línea de comandos para quienes prefieran la terminal:

# Ejemplo ilustrativo — el comando final se publica con la Beta
curl -fsSL https://bigdatamachines.net/install.sh | sh

Roadmap

El camino hacia la v1 pública y más allá. Las prioridades se ajustan con el feedback de la comunidad Beta.

Preguntas frecuentes

¿Mis datos salen de mi máquina?

No, salvo que vos lo decidas. Todo el procesamiento y almacenamiento es local. Solo viajan los documentos que elegís compartir, y solo hacia los pares que elegís.

¿El software tiene costo?

Usar la herramienta es de costo cero. La Beta de apoyo es un aporte voluntario para sostener el desarrollo, con ventajas de acceso temprano — no desbloquea funciones esenciales.

¿Por qué se excluyen las redes sociales?

Es una postura editorial deliberada: priorizar fuentes de calidad para investigación seria, y no el ruido del feed.

¿Funciona sin internet?

Sí. Una vez instalado el modelo local, el núcleo funciona offline. La conexión solo hace falta para búsqueda curada y para compartir entre nodos.

¿La comunidad decide las features?

La comunidad orienta con feedback y voto estadístico. La dirección final la define BigDataMachine: se escucha a todos, pero la visión se mantiene coherente.

¿Sirve para estudiantes de posgrado?

Sí, como usuarios secundarios. Su valor es la longevidad: la biblioteca se acumula y crece durante toda la carrera académica, formando una red de conocimiento curado.

Comunidad y contacto

¿Querés sumarte a la Beta, aportar o simplemente entender más? Escribinos.

Sobre BigDataMachine

La historia detrás del proyecto: sus reconocimientos, su fundadora y las personas que lo hacen posible.

Nuestra historia

BigDataMachine nació con una convicción: democratizar el conocimiento curado. Hoy es infraestructura personal, abierta y sostenida por quienes la usan — una biblioteca inteligente que corre en tu propia máquina y crece con vos a lo largo de toda tu vida.

BigDataMachine nació en 2015 dentro de una agencia de marketing digital, a partir de un problema concreto: el crecimiento del volumen de datos en internet y la necesidad de entender mejor comportamientos, necesidades y dinámicas de mercado. Desde el inicio nos enfocamos en Social Business Intelligence, desarrollando una plataforma capaz de recolectar, analizar y visualizar datos de internet y redes sociales.

En nuestros primeros años trabajamos con empresas y organizaciones de Argentina y otros países de América Latina, liderando proyectos de datos a gran escala. Entre ellos se destacan el monitoreo online de campañas presidenciales para la Cámara Nacional Electoral argentina, así como proyectos para compañías en Colombia, Paraguay, Chile y México. Estos casos consolidaron a BigDataMachine como una plataforma de análisis y monitoreo capaz de operar en contextos complejos y de alto volumen de datos.

En paralelo, BigDataMachine fue seleccionada y reconocida por diversos programas y organizaciones de apoyo al emprendimiento. Participamos en programas como Baitec y NAVES (IAE – Universidad Austral), y fuimos seleccionados por el Consulado Argentino para presentar el proyecto en TechCrunch San Francisco. Más recientemente, el proyecto fue incubado en Ingenio — la incubadora de empresas del LATU en Montevideo — y distinguido por la Agencia Nacional de Investigación e Innovación (ANII) con el instrumento de Aceleración y Capital Semilla.

En 2020, durante la pandemia, trasladamos el proyecto a Uruguay y comenzamos una nueva etapa de desarrollo tecnológico, incorporando herramientas como Python, Docker, Hadoop, Kafka y TensorFlow. Ese proceso nos permitió repensar nuestra arquitectura, pero también puso en evidencia la dificultad de sostener, con capital privado, un propósito centrado en la democratización y la protección de los datos en internet.

A partir de ahora, BigDataMachine entra en una nueva fase como proyecto non-profit. Nuestro objetivo es construir una plataforma gratuita y de valor público para la protección y la democratización curada de la información.

Reconocimientos

La primera etapa (2015–2022). Trabajamos gracias al apoyo de instituciones y programas que acompañaron el desarrollo de BigDataMachine en Argentina y Uruguay. Estos reconocimientos hicieron posible que el proyecto creciera y se internacionalizara.

Hoy, reconectados con nuestro propósito, acentuamos la necesidad de curaduría de la información. Algo que sostuvimos durante todo el trayecto: desde la etapa inicial del Big Data, cuando se hablaba solo de grandes volúmenes de datos, nosotros exponíamos la necesidad de curar los datos, abogar por su calidad y por la validez de la información. Hoy, en la era agéntica, de la IA adolescente, es indispensable.

Aceleración y Capital Semilla – ANII

Agencia Nacional de Investigación e Innovación (ANII, Uruguay).

Instrumento de Aceleración y Capital Semilla para el desarrollo de BigDataMachine como plataforma de análisis y procesamiento de datos.

Selección internacional – TechCrunch San Francisco

Selección para presentar BigDataMachine en TechCrunch (San Francisco, EE. UU.).

Participación gestionada a través del Consulado Argentino, como parte de una delegación de startups tecnológicas.

Concurso de emprendedores – Ogilvy

Finalista en concurso de emprendedores organizado por Ogilvy (Argentina).

Reconocimiento a la innovación en el uso de datos para comunicación y estrategia digital.

Fundadora

Mara Destéfanis (Muna) — Licenciada en Comunicación Social y Magíster en Ciencia de Datos. Profesora universitaria de Visualización de Datos e Inteligencia Artificial. Fundó BigDataMachine en 2015 con una convicción que sostiene hasta hoy: el conocimiento es público. Los datos valen por su calidad y su curaduría, no por su volumen. Y hoy agrega: soberanía y sustentabilidad del dato.

Colaboradores

BigDataMachine se construye en comunidad. Estas son las personas que aportan al proyecto:

• Augusto Erbin
• Javier Areco