Pasé tres años validando sistemas farmacéuticos bajo las normas de la FDA. Hoy construyo productos, sistemas de retrieval y modelos con la misma disciplina.

Antes de dar el salto a la ingeniería de producto, trabajé como ingeniero de validación en cGMP Consulting Inc. en Illinois, con proyectos para AbbVie, Fresenius Kabi y otras empresas farmacéuticas y de dispositivos médicos.

Era trabajo muy cargado de GMP: protocolos IQ/OQ/PQ, Periodic Validation Reviews, FMEAs, SOPs, controles de cambio y apoyo en CAPA bajo FDA 21 CFR. Ahí aprendí a documentar con precisión, priorizar el riesgo y tratar los controles de calidad como parte de lanzar — hábitos que sigo usando al diseñar políticas RLS, harnesses de evaluación y revisiones de seguridad previas al lanzamiento.

Empecé en desarrollo web full-stack — frontends en React, backends en Supabase, flujos de cobro y la documentación que hace que un producto se pueda mantener. Con el tiempo eso creció hacia la integración de IA: pipelines de RAG, tooling para agentes y features con LLM conscientes del costo dentro de Edge Functions.

Hoy trabajo a lo largo de todo el stack — desde el diseño de esquemas y PWAs hasta backends de GraphRAG y pruebas estructuradas de authz. También estoy cursando una maestría en Data Science en la University of Pennsylvania, que me obliga a combinar el instinto de lanzar con evaluación rigurosa y fundamentos de modelado.

Mis primeros proyectos fueron herramientas y experimentos pequeños — automatizar flujos repetitivos, aprender a estructurar bases de datos y entender por qué la seguridad importa antes de tener usuarios (y sobre todo después).

Esa curiosidad se trasladó al trabajo en producción: sistemas operativos de retail para América Latina, plataformas de estacionamientos con una capa de concierge con IA, y revisión de authz previa al lanzamiento en apps multi-tenant sobre Supabase.

Fuera del trabajo con clientes y de producto, construyo herramientas pequeñas que nacen de una molestia real — casi siempre en el cruce entre automatización, datos y herramientas creativas. No son proyectos paralelos para llenar una casilla del portafolio; cada uno salió de una pregunta que de verdad quería responder.

El Prediction Market Forensic Monitor salió de mirar los mercados de predicción alrededor de noticias grandes: wallets que colocan apuestas fuertes minutos antes de que salga el titular, patrones que se parecen bastante a información privilegiada. Quería un pipeline en n8n que pudiera marcar esas irregularidades temprano — recolectar la actividad, puntuar el timing contra eventos públicos y sacar a la luz pistas que valgan una mirada más de cerca.

Brand Sentinel empezó más cerca de casa. Mi mamá tiene una idea de startup ligada a la finca de mis abuelos, y necesitaba una forma de seguirle la pista a la competencia sin pasar horas investigando a mano. El workflow hace scraping de los sitios de la competencia, pasa los resúmenes por Gemini y OpenAI, y deja actualizaciones estructuradas en Airtable — un monitoreo de mercado liviano para un negocio familiar que está encontrando su camino.

El pipeline de sprites en ComfyUI es la apuesta creativa: tres workflows (poses, caminata, carrera) que convierten LoRAs de personajes en frames chibi multidireccionales con ControlNet y estilo pixel art. La idea es ver si puedo desarrollar yo solo un juego indie completo con la IA encargándose del trabajo pesado de los assets — para gastar mi tiempo en las mecánicas, la historia y la sensación del juego en vez de redibujar cada frame a mano.