Saltar al contenido

Meto IA en sistemas que ya están en producción. Y audito lo que escribe.

Desde 2011 arreglo y modernizo sistemas que sostienen negocios. Ahora también con modelos, agentes y servidores MCP adentro, y con revisión del código que generan antes de que llegue a producción.

Herramientas principales: Java · Spring Boot · .NET · Node · Python · PostgreSQL · APIs REST · modelos · agentes · MCP

Retrato pendiente
Desde
2011, sin interrupciones
Líder técnico
Desde 2017
Países
Venezuela, Chile, Argentina, Ecuador, México y España
Idiomas
Español nativo, inglés B1

Qué ataco

  1. Legacy que da miedo tocar

    Aplicaciones Java 8 y JSP, .NET viejo, módulos que entiende una sola persona. Leo, documento y recién después muevo algo.

  2. IA metida sin revisar

    Copilotos generando código que nadie lee, prompts con datos de clientes, agentes con más permisos de los que necesitan. Reviso qué entra, qué sale y qué queda registrado.

  3. Consultas que se caen con el histórico

    Reportes que tardan minutos sobre tablas enormes. Mido, separo, indexo y vuelvo a medir.

  4. Deploys del viernes por la noche

    Sin CI/CD, sin rollback, sin entorno de pruebas. Armo el camino para que un deploy deje de ser un evento.

  5. Sistemas que no se hablan entre sí

    APIs de terceros, el mismo dato en tres bases, integraciones a mano. Defino el contrato y lo dejo escrito.

  6. Equipos sin criterio común

    Cada uno despliega distinto y nadie revisa código. Pongo revisión, ramas y reglas que el equipo puede sostener.

IA aplicada

Modelos dentro del flujo de trabajo

Integro modelos de distintos proveedores por API en herramientas internas que el equipo abre todos los días.

Límite: si la tarea no se repite, no justifica un modelo.

Agentes con herramientas acotadas

Permisos claros, alcance definido y registro de lo que hacen.

Riesgo: un agente sin límites es un incidente esperando su turno.

Servidores MCP

Conecto modelos con herramientas y datos propios usando MCP (Model Context Protocol), con el acceso mínimo que la tarea necesita.

Límite: lo que el agente no puede leer, no puede filtrar.

Auditoría del código generado

Leo lo que el modelo escribe antes de que llegue a producción: validación de entrada, contratos, manejo de errores, dependencias y pruebas.

Riesgo: rápido no es lo mismo que correcto.

Criterio para no usarla

Un modelo no arregla un índice faltante, un modelo de datos mal pensado ni un proceso que nadie definió.

Límite: cuando la respuesta es código y no IA, lo digo.

Nadie leyó lo que escribió el modelo. El deploy salió igual. Los criterios de IA, con lo que no hago

Cómo trabajo

  1. Primero el negocio

    No toco una línea sin saber qué hace el sistema y quién lo usa.

  2. Cambios chicos y verificables

    Una cosa por vez, con pruebas donde se puede. Si el código salió de un modelo, alguien lo leyó antes de entrar.

  3. Mejor de lo que lo encontré

    Código documentado, decisiones anotadas y alguien del equipo que entiende lo que hice.

Casos

Chile · –

Canal B2B de telecomunicaciones

Contexto
Aplicaciones legacy del canal B2B sosteniendo procesos críticos de venta y facturación.
Qué hice
Optimicé componentes en Java 8 y JSP, integré APIs externas y acompañé el desarrollo de aplicaciones nuevas.

Stack: Java 8 · JSP · APIs REST

Argentina ·

Compras, licitaciones y subastas

Contexto
Plataforma transaccional con procesos de compra, licitación y gestión de usuarios.
Qué hice
Servicios backend en Spring Boot, componentes de frontend y comunicación entre módulos con APIs REST sobre PostgreSQL.

Stack: Spring Boot · React · PostgreSQL

Control de horas extras

Contexto
Registro y seguimiento interno de horas extras.
Qué hice
APIs REST en .NET, integración con SQL Server y deploy en Azure.

Stack: .NET · Angular · SQL Server · Azure

Stack

Uso todos los días

  • Java
  • C#/.NET
  • PHP
  • JavaScript y TypeScript
  • SQL
  • Git

IA aplicada, a diario

  • Modelos por API de distintos proveedores
  • Agentes con herramientas
  • Servidores MCP
  • Auditoría de código generado
  • Criterios de uso y de no uso

Uso cuando el proyecto lo pide

  • Spring Boot
  • Node.js
  • Python
  • Laravel
  • Angular
  • Vue
  • React
  • APIs REST
  • GraphQL
  • MongoDB
  • Redis
  • Docker
  • CI/CD

Sé lo suficiente para no romperlo

  • Azure
  • AWS
  • Kubernetes
  • Terraform

Artículos recientes

  • Imagen pendiente

    Cuándo no usar IA

    Por qué un índice faltante no se arregla con un prompt y qué preguntar antes de integrar un modelo.

    Leer

¿Tienes un proyecto en mente?

Cuéntame qué se rompió. Del otro lado hay una persona, no un bot.