Intercorp · estructura
45,6 % → 100 %
conformidad en producción antes del arreglo; 8/8 fixtures de prueba después
AI & Backend · Milán
Abierto a roles de AI Engineer · UE
Abierto a roles de AI Engineer · UE
Creo sistemas LLM
que resisten en producción.
Ocho años en backend; los últimos cuatro, llevando pipelines multiagente, RAG y de evaluación a usuarios reales.
Senior Software Engineer, AI & Backend. Ocho años construyendo sistemas backend; los últimos cuatro, llevando pipelines multiagente, RAG y de evaluación a usuarios reales. Medido, fundamentado y atento al coste. Con base en Milán.
Ahora
2025 – 2026
Salta a un caso, un repo o una pregunta…⌘K
- ¿Cómo rastreaste una fuga de costes de IA?
- ¿Cómo es tu proceso de evaluación?
- Explícame la arquitectura de Freya
Pulsa ⌘K en cualquier parte para moverte.
Reeve · campaña de merge
110+ PR · 30 h
PR en cola vaciados en 4 repos con agentes de Claude Code en paralelo
MindFortress · coste
~$16/día
gasto de IA no atribuido, rastreado hasta un worker de staging obsoleto y protegido en el código
Wordbox · 10+ mercados
+500 mil usuarios
atendidos por pipelines de transcripción y traducción con LLM
- 45,6→100 %producción antes, 8/8 fixtures después
- 110+ PR · 30 hcola vaciada con agentes en paralelo
- ~$16/díagasto de IA no atribuido, rastreado y protegido
Trabajo destacado
Cuatro problemas, y qué cambió
Cómo abordé cada uno, en el orden en que ocurrió. Cada caso se lee en unos noventa segundos.
01 · Intercorp · AI Engineer
Evals antes que sensaciones: arreglar un prompt que se desviaba
Antes: 45,6 %. Después: 100 %.
Fixtures con LLM-as-judge en 5 dimensiones y 19 ítems convirtieron cada cambio de prompt en un gate de release medido. Conformidad estructural: 45,6 % en producción antes del arreglo, 8 de 8 fixtures de prueba después.
- Gemini 2.5 Pro
- Spring AI
- LLM-as-judge
02 · MindFortress · Tech Lead
Encontrar el gasto de IA que nadie sabía explicar
Antes: ~$16/día. Después: protegido.
Una partida de gasto sin dueño costaba unos $16 al día. La rastreé hasta un worker de staging obsoleto que trabajaba contra la base de datos de producción, entregué una protección en el código y separé las credenciales de producción y staging.
- Python
- Railway
- Análisis de causa raíz
03 · Reeve · Tech Lead
Más de 110 PR en cola, despachados en 30 horas
Antes: 110+ en cola. Después: 0.
Agentes de Claude Code en paralelo, cada uno en su worktree aislado, apilaron la cola en cadenas de PR en 4 repos; merge gates seriales decidieron qué se fusionaba.
- Claude Code
- GitHub Actions
- pytest
04 · Freya · Tech Lead
Un compañero de escritura que nunca pierde el hilo
Antes: 7 agentes. Después: 1 grafo narrativo.
Co-diseñé la arquitectura de un compañero de escritura con IA en torno a un modelo en "reloj de arena" (muchos canales de entrada, una única base de conocimiento solo con hechos, generación de prosa) y preparé su capa de IA para producción.
- FastAPI
- pgvector
- Yjs / CRDT
Código abierto
Código que de verdad se puede leer
El trabajo para clientes está bajo NDA. Estos repos son públicos, pequeños a propósito, y cada uno trata una sola idea.
- rag-bm25-searchRespuestas con citas, o ningunaPreguntas y respuestas sobre documentos internos que cita cada afirmación y, cuando la evidencia es débil, devuelve las fuentes más cercanas en lugar de una disculpa.Recuperación 6/6 · respuesta 1/6 → 5/6: medido, no supuesto
- Python
- BM25
- Eval gate
- aws-serverless-fastapi ⇄ ecs-fargateLa misma API, dos runtimesUn acortador de URLs, una capa de dominio, desplegado dos veces: Lambda con DynamoDB y Fargate con PostgreSQL. Leerlos lado a lado aísla lo que cambia el runtime.Terraform · Serverless · un núcleo compartido
- FastAPI
- AWS
- Terraform
- ai-agentsEl setup de agentes con el que trabajo cada díaSubagentes, slash commands y permisos de Claude Code, versionados y portables entre proyectos: las herramientas detrás de la campaña de merge de Reeve, generalizadas.Claude Code hoy · Cursor y Copilot previstos
- Claude Code
- MCP
- Shell
Experiencia
Ocho años, una direcciónOcho años, tres continentes, una dirección
De back offices en PHP en Lima a liderar productos de IA para startups de EE. UU., siempre en equipos distribuidos entre EE. UU., la UE y LATAM.
- 2024 — hoyAI EngineerIntercorp · Innova LATAMSistema LLM en producción que genera planes de clase alineados al currículo para 3 países.Perú · remoto
- 2025 — 2026Technical Lead, AI ProductsMindFortressRevisión de código y control de releases para Freya y Reeve; el sistema de entrega asistida por IA del equipo.EE. UU. · remoto
- 2022 — 2024Backend & AI EngineerWordboxPipelines de contenido con LLM para más de 500 mil estudiantes; reescritura de Python a Go, −40 % de latencia.MX / UK · remoto
- 2023 — 2024Backend DeveloperAccelOneBackend de una plataforma de video: pipelines de archivos grandes sobre SQS y búsqueda con Elasticsearch.EE. UU. · remoto
- 2021 — 2022Backend Developer, freelanceIndra · Pretty TechnicalAPIs que sirven modelos de ML con un 95 % de cobertura; servicios en Go para fintech y genómica.PE / NL
- 2020 — 2022Backend DeveloperRed Científica PeruanaInternacionalicé una plataforma de hosting que da servicio a más de 11.000 empresas.Lima
- 2017 — 2020Software EngineerCodriseDel soporte L3 a entregar APIs con Laravel y CodeIgniter.Lima
- 2017 — 2022Backend & Software EngineerIndra · RCP · Codrise
Cómo trabajo
Tres reglas que no rompo
- Evals antes que sensacionesUn cambio de prompt sale cuando un conjunto de fixtures dice que es mejor, no cuando suena mejor.
- Ningún umbral es una suposiciónCada límite de un sistema a mi cargo tiene una medición al lado y una nota de lo que cuesta.
- El coste es una funcionalidadTokens, latencia y dólares por petición están en el dashboard desde el primer día, y se reportan a quien paga.
Construyamos algo
que aguante.
Abierto a roles de AI Engineer, Senior Backend y Tech Lead en toda la UE.
Abierto a roles de AI Engineer, Senior Backend y Tech Lead en toda la UE, en remoto o presencial en Milán.