APIs de facturación y pagos
Diseño de APIs críticas para movilidad, con arquitectura orientada a eventos, observabilidad operativa y despliegues cloud-native.
Disponible para roles senior
15+ años construyendo plataformas backend escalables, mantenibles y observables para banca, fintech y movilidad. Ahora llevo ese mismo estándar de ingeniería a pipelines RAG, integración de LLMs y flujos agénticos.
15+
años entregando software en producción
4
sectores críticos: banca, fintech, movilidad, enterprise
3
productos de IA construidos de punta a punta, del pipeline RAG al despliegue
Diseño de APIs críticas para movilidad, con arquitectura orientada a eventos, observabilidad operativa y despliegues cloud-native.
Migración de procesos bancarios a servicios modulares, mejorando rendimiento, trazabilidad y time-to-market.
Construcción de plataformas e integraciones para equipos internos, reduciendo fricción operativa y deuda técnica.
Productos personales que diseño, construyo y opero yo mismo. Están en preproducción y soy su primer usuario, y justo por eso son el sitio donde pruebo decisiones de arquitectura antes de que lleguen al sistema de un cliente.
La parte difícil es la generación del RAG: convertir los recursos que sube el usuario en tests y preguntas de forma automática. Construido sobre la API de embeddings de OpenAI a través de OpenRouter, con soporte de Gemini Embedding 2 en curso.
Exploración abierta de la tokenización y el coste de los LLMs en la generación de código, tanto en bucles agénticos como en flujos directos de una sola pasada. Comparación de precios multiproveedor con sincronización dinámica.
Un sistema operativo personal de forma física: composición corporal, entrenamiento, nutrición y coste de la compra en un mismo ciclo semanal. Lo interesante es el límite que le puse al modelo. Un LLM puede generar un plan de alimentación, pero solo con el catálogo que publica la API, y cualquier alimento que se invente se rechaza al importar. Los macros son un dato que alguien mide, no algo que estime un modelo.
Despliegue de LLMs en local sobre 12 GB de VRAM con Ollama y LM Studio. Donde evalúo Qwen, Gemma, Llama, DeepSeek R1 y Mistral Nemo contra flujos de desarrollo agénticos e integraciones MCP.
Disponible para roles senior de backend, en remoto dentro de la UE, y para consultoría sobre IA aplicada a sistemas ya existentes. Respuesta en menos de 24 horas.