Soy AI Engineer en Sngular. Construyo sistemas LLM en producción con Python sobre GCP: extracción documental con Gemini, evaluación con golden datasets, feedback con revisión humana y los backends orientados a eventos que los sostienen.
Antes pasé cinco años en backend y cloud: una plataforma de permisos para un gran banco español en Intelygenz e infraestructura en Kubernetes y AWS para el SaaS de Wazuh.
Además cocreo Arche, llevo Magua, un estudio web en Lanzarote, y dirijo la parte tecnológica de Tinasoria Consulting.
Experiencia
Oct 2024 — Actualidad
Sngular · Senior Software Engineer / AI Engineer
Desarrollador principal del pipeline documental de abajo. Antes, una prueba de concepto multiagente con Google ADK y migraciones de clientes a GCP con Terraform y Cloud Run.
Único desarrollador backend de un equipo de tres personas que creó una plataforma de permisos para un gran banco español, usada por más de 1.000 personas.
Wazuh Inc. · Cloud Computing Engineer / Backend Engineer
Construí y operé Wazuh Cloud, descrito más abajo, y fui el principal desarrollador backend de su consola. Ahí aprendí la mayor parte de lo que sé de Kubernetes y cloud.
Cada proyecto viene con un pequeño mapa de cómo funciona de verdad. Recorre los pasos solo; pulsa uno para quedarte en él.
Pipeline documental
Desarrollador principal · Sngular · Sep 2025 — Actualidad
Un pipeline con LLMs que lee documentos financieros para una plataforma de distribución de fondos. Está en producción y procesa cientos de documentos al día.
Cada documento financiero entra como un evento en un stream, así los servicios que lo leen, lo comprueban y aprenden de él son independientes.
Una pasada del LLM extrae cada campo a un esquema fijo. Una segunda pasada contrasta el resultado con el documento antes de seguir.
Un score de riesgo ponderado, probado contra un golden set de documentos anotados, decide qué se publica solo y qué pasa por una persona.
Las correcciones de los editores se convierten en hints de prompt versionados. Una persona los aprueba antes de que lleguen a la extracción, así el pipeline mejora sin reentrenar ningún modelo.
Arche
Cofundador · Peaberry Studio · Ene 2026 — Actualidad
Una plataforma open source de agentes de IA que desarrollo con Alberto Perdomo e Iñaki Tajes. Los equipos tienen agentes especializados con conocimiento compartido, autoalojados o en escritorio. Trabajo sobre todo en el backend.
Flujo de peticiones y espacios de trabajo de Arche
El backend en Next.js pide a un spawner que arranque un contenedor de OpenCode para cada usuario con Podman, con la base de conocimiento montada dentro.
Los espacios de trabajo llaman a los modelos a través de un gateway interno que añade las credenciales en el servidor, así las claves nunca viven en el contenedor.
Integraciones como Linear, Notion o Slack se guardan cifradas y llegan a los agentes como servidores MCP.
Los agentes solo proponen cambios en la base de conocimiento compartida. Una persona los revisa y los publica, archivo a archivo, en un repositorio git.
Wazuh Cloud
Cloud & Backend Engineer · Wazuh · Feb 2019 — Mar 2022
La versión gestionada de Wazuh, una plataforma de seguridad open source. Cada cliente tiene su propio Wazuh alojado sin tener que mantenerlo. Construí y operé su infraestructura y fui el principal desarrollador backend de su consola.
Los dueños apuntan cada reserva en una hoja de Google. La lee el servidor, así los nombres y teléfonos de los huéspedes nunca llegan al navegador.
Si la hoja no se puede leer, el calendario de la web no bloquea nada, mientras que los feeds de Airbnb y Vrbo fallan cerrados, así nunca se libera una noche por error.
Los huéspedes envían un formulario simple que funciona sin JavaScript. Llega a los dueños por email, con el precio calculado por la misma función que la página.
Otros proyectos
Jul 2026 — Actualidad
Moonglade · Aplicación nativa para macOS
Un indicador discreto alrededor del notch del MacBook que sigue las sesiones de Claude Code, Codex y OpenCode y te lleva a la terminal que necesita atención. Swift, SwiftUI y Metal.
Un backend serverless para un evento de fitness: pagos y webhooks firmados de Stripe, precio calculado en el servidor, reservas atómicas de plazas en Upstash y conciliación con la hoja de los organizadores, con tests automatizados.