AI Engineer · Backend Python — Buenos Aires, Argentina
Construyo sistemas de IA para operaciones reales. Hoy trabajo en un contact center (BPO), donde desarrollé la plataforma que audita la calidad de las llamadas con LLMs, los chatbots RAG que usan los operadores y el planificador que pronostica cuánta gente hace falta en cada media hora. Me interesa la parte que viene después del prototipo: medir si la IA realmente acierta, controlar lo que cuesta y que el sistema aguante en producción.
Plataforma completa de un contact center, en producción. La IA (Gemini) audita audios y chats contra la plantilla de
cada campaña. Incluye un dashboard de calidad, chatbots RAG híbridos (Qdrant + BM25 + reranker), un planificador de
dotación con GBDT y Erlang C/A, y RBAC con jerarquía de roles. Tiene una demo con SQL Server en Docker y ~2.700
tests en CI.
FastAPI Flask SQL Server Gemini LlamaIndex Qdrant scikit-learn Docker
Caso de estudio sobre cómo medir si un auditor de calidad con LLM realmente acierta. Explica por qué el porcentaje de acierto engaña, cómo usar kappa de Cohen por atributo y cómo armar un golden set con revisión humana.
Agente conversacional para analistas de fraude. Responde sobre políticas (KYC, AML, PCI DSS) con RAG, convierte
preguntas en SQL, predice fraude con un modelo de ML y recuerda la conversación de cada usuario.
FastAPI LlamaIndex ReAct ChromaDB scikit-learn
Aplicación web para cobrar campamentos y actividades de un grupo scout desde el celular. Lleva los saldos por
familia, emite comprobantes para compartir por WhatsApp y ordena la rendición del dinero.
FastAPI SQLAlchemy Docker Azure Container Apps
Scraper resiliente de avisos de alquiler con análisis asistido por LLMs, incluida la revisión de fotos, y un
dashboard interactivo.
Playwright Claude Gemini
IA y datos: LLMs (Gemini, Claude), RAG (LlamaIndex, Qdrant, ChromaDB, BM25, rerankers), evaluación de modelos, scikit-learn, pandas, pronóstico de series de tiempo
Backend: Python, FastAPI, Flask, SQLAlchemy, APIs REST, colas y procesos programados
Datos y entrega: SQL Server (T-SQL, stored procedures), PostgreSQL, SQLite, Docker, GitHub Actions, pytest
In English
I'm an AI Engineer and Python backend developer based in Buenos Aires. At a contact center (BPO) I built the platform that audits call quality with LLMs, the RAG chatbots agents use every day, and the workforce planner that forecasts calls per half hour. I care about what comes after the prototype: measuring whether the AI is actually right, keeping costs under control, and making it hold up in production.
Highlights: Contact Center AI (production platform: LLM quality audits, hybrid RAG, forecasting) · LLM evaluation case study · FinSight AI (fraud-analyst agent with RAG, text-to-SQL and ML).