AI Engineer orientado a producción
Sistemas de IA listos para producción para equipos que necesitan ir más allá de la POC¶
Ayudo a equipos a convertir pilotos de IA en sistemas fiables usando RAG, APIs y flujos basados en agentes.
4+ años entre ciencia de datos, ingeniería de datos y plataformas de IA, con experiencia real en sistemas basados en agentes, búsqueda híbrida y APIs en producción.
Problemas que ayudo a resolver¶
Bloqueos habituales cuando una demo de IA tiene que convertirse en un sistema fiable.
-
La demo funciona, pero producción sigue siendo frágil
El modelo funciona en la demo, pero el flujo se rompe cuando aparecen enrutado, reintentos, revisión humana y límites del sistema.
-
La recuperación de información es inconsistente
La búsqueda vectorial falla con términos exactos, la búsqueda por palabras clave falla con la intención y las respuestas cambian demasiado.
-
Nadie está aterrizando la arquitectura
Producto, datos e ingeniería ven la oportunidad, pero nadie está definiendo la arquitectura que la convierte en un servicio fiable.
Qué hago¶
Me centro en hacer que los sistemas de IA sean fiables, medibles y más fáciles de operar.
-
Sistemas basados en agentes
Flujos deterministas con LangChain, LangGraph, PydanticAI, Agno y MCP para que el comportamiento de varios pasos siga siendo observable y comprobable.
-
RAG y búsqueda híbrida
Sistemas de recuperación que combinan búsqueda vectorial y búsqueda por palabras clave, mejoran la precisión por dominio y mantienen desacoplada la capa LLM.
-
APIs de IA en producción
Servicios FastAPI, procesamiento asíncrono, interfaces streaming y patrones de despliegue que soportan uso real en vez de tráfico de demo.
Casos de estudio destacados¶
Tres proyectos recientes con resultados medibles en producción.
-
Sistema de automatización de email con IA
Sistema GenAI en producción que redujo el triaje diario de 100+ correos a 10-15 casos accionables usando PydanticAI, RAG y FastAPI.
-
Plataforma de APIs de IA en producción
Flujos de IA con orquestación determinista, FastAPI, WebSockets e infraestructura en AWS. Resultado: 70% menos procesamiento manual y 500+ peticiones API diarias.
-
Pipeline RAG con búsqueda híbrida
Arquitectura de recuperación que combina OpenSearch y Qdrant para mejorar un 40% la precisión por dominio y mantener desacoplada la capa LLM.
¿Necesitas convertir una POC útil en un sistema de producción?¶
Si el caso de negocio ya está claro pero la ruta de entrega sigue siendo frágil, puedo ayudarte a definir la arquitectura, los riesgos de entrega y los siguientes pasos de implementación.
Teléfono: +34 632 669 360
Mira la charla técnica¶
Automatización de email con IA: del caos a la acción
Una presentación pública de un sistema de automatización de email en producción que redujo el triaje diario de 100+ mensajes a 10-15 casos accionables.
Cómo suele ser una colaboración¶
-
1. Aclarar el sistema objetivo
Alineamos el resultado de negocio, dónde encaja la IA en el flujo de trabajo y cómo se medirá el éxito.
-
2. Construir la arquitectura adecuada
Diseño el flujo de trabajo, la capa de recuperación, los contratos, la observabilidad y el modelo de despliegue alrededor de restricciones reales.
-
3. Preparar la entrega
El resultado es un sistema que tu equipo puede operar, ampliar y evaluar con confianza.
Certificaciones y divulgación técnica¶
-
Microsoft Certified: Azure AI Engineer Associate
Diseño y entrega de soluciones de IA en Azure para lenguaje, conocimiento y automatización.
-
Microsoft Certified: Azure Data Scientist Associate
Experimentación, entrenamiento, despliegue y operación de aprendizaje automático en Azure.
-
Databricks Certified Machine Learning Associate
Desarrollo de aprendizaje automático usando Databricks y el ecosistema Apache Spark.
-
Ponente técnico - Datamecum Webinar 2025
Sesión pública sobre un sistema de automatización de email en producción con PydanticAI, RAG y FastAPI.
Preguntas frecuentes¶
¿Qué tipo de proyectos encajan mejor conmigo?
Proyectos donde la IA ya parece útil, pero el equipo todavía necesita una arquitectura lista para producción. Eso incluye sistemas basados en agentes, RAG híbrido y APIs de IA para usuarios reales.
¿Puedes trabajar con un equipo interno de ingeniería?
Sí. Puedo trabajar de forma independiente o como socio técnico integrado en un equipo interno de producto o ingeniería.
¿Cómo enfocas la entrega?
Empiezo por el objetivo de negocio y las métricas de éxito, y luego diseño alrededor de fiabilidad, observabilidad y mantenibilidad.
¿Dónde estás disponible?
Estoy basado en España y disponible en remoto en toda Europa. Trabajo en inglés y en español.
¿Cómo funciona el pricing?
La mayoría de colaboraciones son por proyecto con hitos claros. El soporte continuado puede estructurarse como acompañamiento mensual después de la llamada inicial.
¿Listo para evaluar tu backlog de IA?¶
Trae el problema actual, el stack que ya tienes y las restricciones de entrega que realmente importan. Te ayudaré a definir qué debe automatizarse, qué debe seguir siendo determinista y qué haría falta para ponerlo en producción con seguridad.