Cuando Jeremy Arancio (bueno, técnicamente, Dr. Jeremy Arancio) dice que solía ser un ingeniero mecánico trabajando en fábricas, no imaginas inmediatamente la IA y el machine learning de vanguardia. Pero la historia de Jeremy es una lección de reinvención radical y un ejemplo de cómo los freelance en Malt están construyendo carreras satisfactorias y duraderas combinando la experiencia técnica con la conexión humana.
Desde entonces, ha creado una carrera sostenible y profundamente satisfactoria como experto en machine learning, combinando el conocimiento estadístico con un compromiso reflexivo con las partes interesadas y una pasión por la resolución de problemas.
Pero Jeremy no tropezó con el freelancing: se lanzó a él, impulsado por un deseo de libertad. Después de completar un doctorado en física (específicamente en transferencia de calor en la industria alimentaria) se dio cuenta de que las únicas ofertas de trabajo disponibles estaban en "pueblos industriales remotos en Alemania; el tipo de lugares donde la fábrica es todo el pueblo", dice con una ligera risa. Jeremy sabía que quería más autonomía y flexibilidad, así que hizo una introspección.
Su amor por la redacción, hablar en público y el coaching fueron las primeras opciones que le vinieron a la mente como posibles caminos freelance. Pero Jeremy descubrió que tenía aún más habilidades sobre las que construir, hasta llegar finalmente al machine learning (ML). "Como doctor, tenía un buen dominio de la estadística y el pensamiento analítico. El machine learning se sentía como el siguiente paso natural". Se fijó una misión clara: convertirse en experto freelance en machine learning en un año. Con todos sus ahorros y un billete solo de ida a Budapest, Jeremy aprendió ML desde cero, sumergiéndose en el campo.
Estrategias de freelancing que construyen confianza
El enfoque de Jeremy hacia el freelancing no es solo técnico, también es educativo. "La mayoría de mis clientes no son técnicos", dijo. "Así que la mitad de mi trabajo es construir la cosa, y la otra mitad es explicar por qué importa y qué hace realmente".
Para cerrar esa brecha, Jeremy escribe. Mucho. Informes diarios de proyecto, artículos en Medium, publicaciones de liderazgo de pensamiento en LinkedIn, cada uno adaptado para ayudar a las partes interesadas y potenciales nuevos clientes a entender el mundo a menudo impredecible y experimental del machine learning. "Es la mejor manera de construir confianza", compartió. "Cuando los clientes ven cómo piensas y en qué estás trabajando, se relajan. Es menos probable que entren en pánico si los resultados tardan más".
El trabajo de Jeremy con Open Food Facts
El proyecto más significativo de Jeremy hasta la fecha llegó a través de Malt con Open Food Facts, una base de datos de código abierto utilizada por aplicaciones de transparencia alimentaria como Yuka. Su tarea era ayudar a desarrollar un modelo de lenguaje grande (LLM) para corregir la ortografía de las listas de ingredientes extraídas de imágenes de envases de alimentos.
"Tomó seis meses", explicó, "pero estuve involucrado todo el camino, desde el ajuste fino del modelo hasta su integración en la aplicación. Los colaboradores podían probarlo y dar feedback, que luego se usaba para mejorar la función de IA"
Ese ciclo de construir, compartir, mejorar e integrar feedback es una característica distintiva de la práctica freelance de Jeremy y una gran parte de por qué el proyecto Open Food Facts se convirtió en un éxito tan grande.
'Superteams' y colaboración con clientes
Jeremy raramente trabaja en solitario. Ya sea uniéndose a un equipo de desarrolladores existente o colaborando con partes interesadas no técnicas, se convierte en una parte fluida de lo que Malt llama un 'Superteam'. Incluso si es el único freelance, Jeremy se integra en la cultura y stack tecnológico de sus clientes. Desde su base de código hasta su estilo de comunicación, Jeremy adopta los objetivos de un cliente como propios.
Compartió que en su proyecto más exitoso —con Open Food Facts— no solo trabajó estrechamente con el equipo central, sino que también colaboró con usuarios y colaboradores de la plataforma de código abierto. Este ciclo de feedback ayudó a refinar el producto y le permitió adaptar mejor los modelos de ML para uso en el mundo real.
Gestionando expectativas y evitando el scope creep
Uno de los mayores desafíos que enfrentan los freelance es mantener un proyecto dentro de sus límites originales y Jeremy lo ha experimentado de primera mano. "En desarrollo de software, el scope creep es real", dijo. "Empiezas con un objetivo, y de repente hay funciones extra, prioridades cambiantes y nuevas expectativas".
Para gestionar esto, Jeremy recomienda ser cristalino sobre los entregables desde el principio y dejar espacio en tu cronograma para lo inesperado. También ha aprendido que la comunicación abierta puede detener el scope creep antes de que comience. "Si algo cambia, lo documento. Explico por qué afecta a los plazos o la viabilidad. De esta manera, los clientes no se sorprenden y ven que no solo estás construyendo un producto, estás gestionando un proceso".
Cómo Jeremy se comunica con los clientes (y construye confianza mientras lo hace)
Para Jeremy, el freelancing no se trata solo de entregar buen código, se trata de comunicar con claridad, transparencia y propósito. Con el tiempo, ha desarrollado un conjunto de herramientas y hábitos que ayudan a los clientes a sentirse confiados e incluidos, especialmente cuando los proyectos involucran altos niveles de experimentación o complejidad técnica:
- Informes diarios: Desde el primer día, Jeremy comparte breves actualizaciones detallando progreso, desafíos y experimentos.
- Explicaciones claras: Desglosa conceptos de ML en lenguaje sencillo y comparte recursos para alinear expectativas.
- Prototipos y demos: Las versiones tempranas permiten a los clientes dar feedback, mantenerse involucrados y dar forma a mejores resultados.
- Documentación sólida: Al finalizar un proyecto, Jeremy deja documentación limpia para que los equipos puedan construir sobre su trabajo.
Consejos para freelance en cualquier etapa
Los dos mayores consejos de Jeremy:
- Networking y hablar con tus pares. "Cuando estaba empezando, pensé que cobraría 50€ al día", se rió. "Aprendes lo que no sabes que no sabes simplemente preguntando".
- Construye un colchón financiero. "El freelancing significa que algunos meses no tienes nada. Antes de mi trabajo con Open Food Facts, estaba en mi punto más bajo. Pero tenía suficiente ahorrado para decir no a malos ajustes y esperar por el proyecto correcto. Eso es poder".
¿Qué sigue para el Dr. Jeremy?
Actualmente, Jeremy está desarrollando su propio gestor de facturas de código abierto: un proyecto sandbox donde está dominando habilidades de backend, frontend e infraestructura junto con ML. "Cuando trabajo con CTOs o equipos de desarrollo, quiero entender el panorama completo. Me hace un mejor colaborador".
Su objetivo es continuar evolucionando como experto en machine learning que entiende todo el ciclo de vida del desarrollo de productos y seguir construyendo herramientas que entreguen valor real y medible.
La historia de Jeremy es más que algoritmos. Se trata de elegir la autonomía, construir confianza y diseñar una carrera en sus propios términos. Para freelance navegando caminos similares, su consejo es claro: confía en tus instintos, construye tu comunidad y solo di sí cuando se sienta correcto.
Para saber más:
→ Conéctate con Jeremy enMalt, LinkedIn, Medium
→ Comparte esta historia con un freelance (¡o futuro freelance!) en tu red
