Diseño y construyo sistemas de IA aplicada, visión por computador y datos a escala — de la arquitectura al producto en producción.

Plataforma de systematic value investing que valora más de 60.000 empresas al día sobre una base de datos de +5 TB.

El problema

Valorar de forma metodológica y sistemática todas las empresas del mercado a la vez, con recálculo diario según precios y reportes trimestrales/anuales, sin que el sistema colapsara.

Decisión de stack

Reestructuración del ecosistema de MySQL a PostgreSQL y de Pandas a Polars para hacer viable el cálculo en tiempo real; tablas de miles de millones de registros con un ecosistema de particiones para optimizar queries.

El reto técnico

Diseñar un módulo de datos genérico que generalizara a todo tipo de activos y sus casuísticas (distintos mercados, frecuencias de reporte) sobre una base de datos de +5 TB.

Impacto

Valoración diaria de 60.000+ empresas en tiempo real, sobre un servidor dedicado con 300+ GB de RAM y 10+ TB de disco. Base del fondo de inversión de Baboon Technologies.

Motor de chat agéntico multi-cliente con RAG, herramientas externas y BI generativo, aislado por cliente.

El problema

Dar a cada cliente un asistente que responda cualquier pregunta sobre sus documentos y datos, se conecte a sus herramientas y genere gráficos y dashboards, manteniendo los datos aislados.

Decisión de stack

FastAPI + LangChain/LangGraph, indexación RAG con pgvector y Cohere Rerank, orquestación de varios LLMs por calidad/precio (OpenRouter, Gemini, Deepseek) y tools vía MCP/FastMCP. Todo trazable con Langfuse.

El reto técnico

En la indexación, agrupar información automáticamente, detectar discrepancias y permitir una curación manual; y aislar los datos por project_id en un motor multi-tenant reutilizable.

Impacto

Motor reutilizable en producción para varios clientes (respuesta a información financiera, monitoreo de márgenes y rentabilidades con gráficos).

Chatbot de WhatsApp con el que cualquier socio de un club gestiona sus reservas conversando, con LLM y tooling.

El problema

Dar a cualquier usuario de un club una forma natural de agendar pistas, ver cuándo están libres las siguientes o hacer cualquier gestión de reserva, sin apps ni formularios.

Decisión de stack

Mecanismo LLM + tooling (function calling): el modelo interpreta la conversación en lenguaje natural y llama a herramientas que consultan y operan el sistema de reservas del club, todo sobre WhatsApp.

El reto técnico

Traducir peticiones libres ("¿cuándo tengo pista mañana por la tarde?") en acciones fiables sobre el sistema de reservas, resolviendo disponibilidad, huecos y confirmaciones dentro del propio chat.

Un MCP que navega el ecosistema de 250+ servidores para diagnosticar y arreglar incidencias remotas con la potencia de los LLM.

El problema

Diagnosticar y resolver incidencias en un ecosistema de 250+ servidores donde muchos recursos solo son alcanzables saltando por la red: cámaras accesibles únicamente desde su servidor remoto y bases de datos locales con datos temporales en cada servidor.

Decisión de stack

Un MCP (Model Context Protocol) que expone al LLM herramientas para navegar la red de servidores y load balancers, inspeccionar servidores y cámaras remotas, consultar las BD locales y aplicar arreglos, sobre la arquitectura de reverse proxy/load balancing en el 443 del ecosistema de vídeo-analítica.

El reto técnico

Alcanzar recursos profundamente anidados (cámaras y BD locales solo accesibles saltando de servidor en servidor a través de los load balancers) y exponer esa navegación como herramientas fiables para que el LLM diagnostique y repare de forma autónoma.

Impacto

Monitorización y diagnóstico de un ecosistema de 250+ servidores en producción, acelerando la resolución de errores en servidores y cámaras remotas.

El primer sistema de conteo de aforos homologado por el CEM, con >99% de precisión y multicámara en tiempo real.

El problema

Medir el aforo con precisión certificable en espacios multitudinarios (ferias, casinos, fiestas populares), donde una sola cámara no cubre portones anchos y el solape entre cámaras provoca dobles conteos.

Decisión de stack

Prototipo en Python (YOLOv2 + un algoritmo de tracking propio) reescrito en C++ con CUDA para escalar en rendimiento; multithreading para procesar muchas cámaras con una sola GPU.

El reto técnico

Fusionar y sincronizar en tiempo real hasta 12 cámaras alineadas en una única vista sobre la que corren las analíticas, con una configuración fina del solape para no contar dos veces a la misma persona.

Impacto

Precisión superior al 99% homologada por el CEM (Centro Español de Metrología) — el primer sistema de conteo certificado. Robusto con hasta 200 personas bajo una misma cámara (San Fermines).

Plataforma para terapeutas a domicilio con un optimizador de huecos que minimiza desplazamientos y esperas.

El problema

Reducir los tiempos de desplazamiento y de espera de terapeutas que van a domicilio, reuniendo en una sola plataforma varios roles (terapeutas, pacientes, centros, tutores, admin), historiales, calendario y pagos.

Decisión de stack

Next.js/React + FastAPI/SQLAlchemy sobre PostgreSQL; Stripe (pagos recurrentes y Connect), Google Calendar (sync bidireccional) y OpenRouteService para distancias/tiempos reales.

El reto técnico

El optimizador de huecos: puntúa (0–100) los huecos de cada terapeuta y coloca a cada paciente en el mejor según ubicaciones reales, penalizando la espera muerta y el viaje.

Detección de highlights por gesto y mapas de calor de jugadores a partir del vídeo de cada partido.

El problema

Extraer automáticamente los mejores momentos de un partido y analítica de los jugadores a partir de un vídeo ya grabado, optimizando coste y tiempo de proceso.

El reto técnico

Diferenciar el gesto elegido para el highlight (brazos levantados) de movimientos similares del juego (smashes, voleas): una algoritmia sobre las articulaciones (YOLO Pose) que detecta los verdaderos positivos sin añadir falsos.

Impacto

Procesado con workers GPU en RunPod para optimizar coste y tiempo, con fuerte foco en multithreading.

Dispositivo edge (NUC/Raspberry) en cada club que retransmite, graba y sube el vídeo, orquestado por VPN.

El problema

Retransmitir en directo y grabar de forma eficiente el vídeo de cada club, subirlo a la plataforma y saber en cada momento qué debe hacer cada NUC.

El reto técnico

Montar la arquitectura VPN (OpenVPN → WireGuard) y un servidor RTMPS centralizado con NGINX para monitorizar remotamente la conectividad de cámaras y procesos en cada club.

Conteo por torno, detección de fraude y aforo de andén desplegados en toda la red de Renfe.

El problema

Controlar accesos y andenes a escala de toda una red ferroviaria: conteo por torno, fraude (dos personas a la vez, salto del torno), personas con objetos, saltos a la vía y aforo.

Impacto

Desplegado en toda la red de Renfe y auditado periódicamente por el cliente, validando su precisión de forma recurrente.

Trabajo de Final de Grado: una cámara 3D y un brazo robótico que detecta un objeto, se acerca y lo coge.

El problema

Ensamblar una cámara 3D con un brazo robótico motorizado y un algoritmo de visión para detectar un objeto y su distancia, seguirlo, acercarse y agarrarlo automáticamente.

El reto técnico

La cámara 3D pierde profundidad a menos de 0,5 m; se resolvió interpolando con la odometría de las ruedas para estimar la posición en el rango cercano, además de la cinemática inversa del brazo.

La infraestructura transversal que orquesta, despliega y monitoriza todos los servicios y proyectos.

El problema

Gestionar múltiples servicios y plataformas de forma reproducible y bien monitorizada, con despliegue continuo, backups y alertas.

Decisión de stack

Dokploy + Docker para orquestación, Traefik como reverse proxy, DNS en Cloudflare, VPN con WireGuard, túneles SSH con socat, backups diarios a S3 y monitorización de jobs con Uptime Kuma y observabilidad centralizada.

Dispensador electromecánico que registra y autoriza la extracción de mórficos por huella dactilar.

El problema

En una urgencia, el personal cogía productos mórficos sin dejar registro; las administraciones lo penalizaban porque todo debía quedar registrado.

El reto técnico

Coordinar un sistema electromecánico completo: placa Arduino con sensores en 40 huecos, motor paso a paso, compuerta con servomotor y lector de huella, todo con una tablet (app Java + MySQL).