Construyo sistemas de trabajo con AI: automatización, agentes y software interno que los equipos usan todos los días.
o scrolleá: la web es una red de nodos
núcleo
El sistema
Mi forma de trabajar es un sistema, no una lista de servicios: los problemas entran por la operación, se entienden por sus números, se convierten en arquitectura y quedan en órbita: medidos, documentados, vivos.
órbita 1 · entender
Ningún sistema empieza en la herramienta: empieza en dónde se va el tiempo, qué se hace a mano y qué no se está midiendo.
órbita 2 · construir
La herramienta correcta, no la favorita. No-code cuando alcanza, código cuando hace falta, AI donde multiplica, siempre con supervisión humana por diseño.
órbita 3 · sostener
Un sistema que depende de mí para siempre no es un sistema: es un rehén. Todo queda medido, documentado y transferible: runbook, accesos y métricas en tu warehouse.
Esta web funciona igual: una red viva donde cada nodo es una pieza del sistema. Navegala desde el mapa.
sección
Qué hago
Tres oficios con una sola vara: que el trabajo repetitivo lo haga una máquina, que lo importante quede medido, y que nada dependa de la memoria de nadie.
01 · Automatizo procesos
Flujos que corren solos y dejan registro: cobros, reporting, contenido, alertas. No-code cuando alcanza, código cuando hace falta.
entregable → flujos en producción + registro de cada corrida
02 · Construyo sistemas de trabajo con AI
Agentes y asistentes que absorben trabajo real: atienden a tus clientes, preparan tu día, auditan lo que pasó y reportan donde ya trabajás.
entregable → asistentes con supervisión humana + métricas de uso
03 · Desarrollo software interno a medida
La herramienta que tu operación necesita y ningún SaaS resuelve: sobre tus datos, con tus permisos, medida en tu warehouse.
entregable → herramienta desplegada + accesos + datos en tu warehouse
sección
Sistemas
Seis arquitecturas en el registro. Sin nombres de clientes y sin números. Si querés el detalle, hablemos.
por qué un registro
Los sistemas que construyo viven dentro de operaciones ajenas: los nombres y los números no son míos para mostrarlos. Lo que sí es mío es la arquitectura, y eso es lo que se registra.
qué documenta cada nodo
Qué problema resuelve, cómo lo pienso, qué corre adentro y cómo se sostiene sin mí.
cómo leerlo
Cada satélite del mapa es una arquitectura con su estado a la vista: en uso diario, en producción, en operación o en el lab.
Abrilos desde el mapa: cada uno es un mundo.
sistema en uso diario
Plataformas internas de gestión
La herramienta que tu operación necesita y ningún SaaS resuelve: gestión de pipeline, catálogos, permisos por cuenta, dashboards en vivo sobre tus datos.
cuándo nace
Cuando la operación vive en catorce sheets y dos SaaS que no se hablan. La plataforma junta pipeline, catálogo y permisos en un solo lugar: el que el equipo abre todas las mañanas.
qué corre adentro
Web app sobre tus datos (Next.js + Supabase), permisos por cuenta y por rol, y las acciones clave con registro.
cómo se sostiene
Se entrega desplegada con tus accesos, dashboards en vivo y runbook. El equipo la opera sin mí. Ese es el criterio de terminado.
sistema en producción
Pipelines de datos con AI
Scraping, clasificación con modelos de lenguaje, sincronización a tu warehouse y alertas. Procesos que corren solos, con validación defensiva, y dejan registro.
cómo lo pienso
Un pipeline es una promesa: lo que llega al warehouse es confiable. Por eso el modelo nunca escribe directo: propone, y el validador dispone.
qué corre adentro
Scraping programado (Apify), clasificación con LLMs, validación contra esquemas, sync a BigQuery y alertas cuando algo se sale de rango.
cómo se sostiene
Cada corrida deja log, los errores reintentan solos y lo irrecuperable avisa. Lo dudoso va a cuarentena para revisión humana, nunca al dato final.
sistema en operación
Agentes conversacionales
Agentes en WhatsApp o chat que absorben la mayoría del volumen y derivan a humanos con criterio. No los invento de cero: los opero, los mejoro y los mido contra ventas reales.
cómo lo pienso
Un bot sigue un guion; un agente usa contexto. No está para parecer humano: está para resolver lo resolvible y derivar lo demás a tiempo, con la historia completa a cuestas, para que nadie la repita.
cuál es mi parte
El canal corre sobre plataformas probadas: mi trabajo es el diseño del funnel, la mejora continua del asistente con casuística real, el handoff a humanos con contexto y la clasificación de cada conversación para el análisis.
cómo se mide
Contra ventas reales en el warehouse, con reglas de atribución explícitas y auditables, no contra «conversaciones atendidas». Si no mueve la aguja, se rediseña.
sistema en producción
Analytics
Métricas operativas en vivo: qué está pasando, dónde se traba y cuándo avisar, sobre los datos de tu operación, a la vista del equipo.
cómo lo pienso
Un dashboard que nadie abre no es analytics: es decoración. La medición se diseña alrededor de las decisiones que el equipo toma cada semana.
qué corre adentro
Definición de métricas con el equipo, dashboards en vivo sobre tus datos, reporting automatizado y alertas cuando algo se sale de rango.
qué habilita
Sistemas que se defienden con evidencia: cada agente, flujo o herramienta que construyo se mide acá, contra resultados reales.
sistema en uso diario
Ecosistema de agentes de trabajo
Agentes que trabajan de fondo sobre tu operación, sin esperar que nadie les hable: preparan tu día, auditan reuniones, actualizan los tableros y dejan el reporte listo al cierre. Cada uno con su horario, su alcance y su registro.
cómo lo pienso
Alcance chico, output verificable y un humano que puede frenarlo en cualquier momento. Si un agente no puede explicar qué hizo, no corre.
qué corre adentro
Un ecosistema, no un mega-agente: cada agente tiene un disparador, su contexto, acciones acotadas y un registro de todo lo que hizo. Se coordinan por el calendario del día.
dónde está el límite
Nada irreversible sin aprobación: los agentes proponen, el humano firma. Supervisión por diseño, no por parche.
qué habilita
El día empieza con el contexto armado y termina con el registro al día, sin que nadie lo persiga. La coordinación deja de consumir horas de trabajo real.
sistema lab · en evolución activa
Tooling e integraciones a medida
Conectores y servidores MCP propios para que los modelos de lenguaje operen sobre tus herramientas reales, con reglas de operación explícitas.
cómo lo pienso
Un modelo sin manos no sirve; un modelo con las manos sueltas, tampoco. El tooling es darle manos con guantes: capacidades concretas, con reglas.
qué corre adentro
Servidores MCP propios sobre bases de conocimiento, plataformas de automatización y bases de datos: backup automático antes de cada edición, escrituras seguras y manejo explícito de errores.
por qué en lab
Es la capa que más rápido evoluciona del stack: cada sistema nuevo deja un conector mejor que el anterior.
sección
Método
Sin casos para mostrar por confidencialidad, el método es la evidencia.
1/4
Entiendo la operación: números primero: dónde se va el tiempo, qué se hace a mano, qué se mide y qué no.
2/4
Diseño el sistema y lo documentamos juntos: decisiones explícitas, estilo ADR: qué se decidió, por qué, y qué quedó afuera.
3/4
Shippeo incremental, en semanas: algo usable temprano, feedback real, y el alcance se ajusta con evidencia.
4/4
Todo queda medido y documentado: el sistema es tuyo: runbook, accesos y métricas en tu warehouse.
Principios: herramienta correcta, no favorita · validación defensiva · supervisión humana por diseño · privacidad por diseño · handoff documentado · construyo con AI, a la vista.
sección
Sobre mí
Vengo del negocio, no del código: Administración de Empresas en la UTDT, después performance marketing en agencias y plataformas.
«¿qué campaña corremos?» → «¿por qué esto lo hace una persona?»
Desde entonces construyo la respuesta: automatización, agentes y software interno para equipos de growth y operaciones. Hoy, como AI Growth Engineer en Coderhouse.
sección
Contacto
¿Tenés un proceso que duele o estás armando equipo? Contame en dos minutos: me llega directo al mail.
I build AI-powered work systems: automation, agents, and internal software teams actually use every day.
or scroll: this site is a network of nodes
core
The system
The way I work is a system, not a list of services: problems come in through the operation, get understood through their numbers, become architecture, and stay in orbit: measured, documented, alive.
orbit 1 · understand
No system starts at the tool: it starts at where time goes, what's done by hand, and what isn't being measured.
orbit 2 · build
The right tool, not the favorite one. No-code when it's enough, code when it's needed, AI where it multiplies, always with human oversight by design.
orbit 3 · sustain
A system that depends on me forever isn't a system: it's a hostage. Everything stays measured, documented and transferable: runbook, access, and metrics in your warehouse.
This site works the same way: a living network where every node is a piece of the system. Navigate it from the map.
section
What I do
Three crafts, one standard: repetitive work goes to a machine, what matters gets measured, and nothing depends on anyone’s memory.
01 · I automate processes
Flows that run on their own and leave a trace: billing, reporting, content, alerts. No-code when it’s enough, code when it’s needed.
deliverable → flows in production + a log of every run
02 · I build AI work systems
Agents and assistants that absorb real work: answer your customers, prepare your day, audit what happened and report where you already work.
deliverable → assistants with human oversight + usage metrics
03 · I develop custom internal software
The tool your operation needs and no SaaS solves: on your data, with your permissions, measured in your warehouse.
deliverable → deployed tool + access + data in your warehouse
section
Systems
Six architectures on the registry. No client names and no numbers. If you want the detail, let’s talk.
why a registry
The systems I build live inside other people’s operations: the names and the numbers aren’t mine to show. What is mine is the architecture, and that’s what gets registered.
what each node documents
What problem it solves, how I think about it, what runs inside, and how it holds up without me.
how to read it
Every satellite on the map is an architecture with its status in plain sight: in daily use, in production, in operation, or in the lab.
Open them from the map: each one is a world.
system in daily use
Internal management platforms
The tool your operation needs and no SaaS solves: pipeline management, catalogs, per-account permissions, live dashboards on your data.
when it’s born
When the operation lives across fourteen sheets and two SaaS tools that don’t talk. The platform brings pipeline, catalog and permissions into one place: the one the team opens every morning.
what runs inside
A web app on your data (Next.js + Supabase), per-account and per-role permissions, and key actions logged.
how it holds up
It ships deployed with your access, live dashboards and a runbook. The team runs it without me. That’s the definition of done.
system in production
AI data pipelines
Scraping, LLM classification, warehouse sync and alerts. Processes that run on their own, with defensive validation, and leave a trace.
how I think about it
A pipeline is a promise: whatever reaches the warehouse can be trusted. That’s why the model never writes directly: it proposes, the validator disposes.
what runs inside
Scheduled scraping (Apify), LLM classification, schema validation, BigQuery sync and alerts when something drifts out of range.
how it holds up
Every run leaves a log, errors retry on their own, and the unrecoverable raises its hand. The doubtful goes to quarantine for human review, never into the final data.
system in operation
Conversational agents
WhatsApp or chat agents that absorb most of the volume and hand off to humans with judgment. I don't invent them from scratch: I run them, improve them, and measure them against real sales.
how I think about it
A bot follows a script; an agent uses context. It’s not there to pass as human: it’s there to solve the solvable and hand off the rest in time, carrying the full story, so nobody repeats it.
my part in it
The channel runs on proven platforms: my work is the funnel design, continuous improvement of the assistant with real casework, the human handoff with context, and classifying every conversation for analysis.
how it’s measured
Against real sales in the warehouse, with explicit, auditable attribution rules, not against "conversations handled". If it doesn’t move the needle, it gets redesigned.
system in production
Analytics
Live operational metrics: what’s happening, where it jams and when to raise a hand, on your operation’s data, in plain sight of the team.
how I think about it
A dashboard nobody opens isn’t analytics: it’s decoration. Measurement gets designed around the decisions the team actually makes every week.
what runs inside
Metric definitions built with the team, live dashboards on your data, automated reporting and alerts when something drifts out of range.
what it unlocks
Systems that defend themselves with evidence: every agent, flow or tool I build gets measured here, against real outcomes.
system in daily use
Work agent ecosystem
Agents that work in the background of your operation, without waiting to be spoken to: they prepare your day, audit meetings, update the boards and leave the report ready at close. Each with its own schedule, scope and log.
how I think about it
Small scope, verifiable output and a human who can stop it at any time. If an agent can't explain what it did, it doesn't run.
what runs inside
An ecosystem, not one mega-agent: each agent has a trigger, its context, a narrow set of actions and a log of everything it did. They coordinate around the day's calendar.
where the line is
Nothing irreversible without approval: agents propose, the human signs. Oversight by design, not as a patch.
what it enables
The day starts with context ready and ends with the log up to date, without anyone chasing it. Coordination stops eating hours of real work.
system lab · actively evolving
Custom tooling & integrations
Custom connectors and MCP servers so language models can operate on your real tools, with explicit operating rules.
how I think about it
A model without hands is useless; a model with loose hands, dangerous. Tooling is giving it hands with gloves: concrete capabilities, with rules.
what runs inside
Custom MCP servers over knowledge bases, automation platforms and databases: automatic backup before every edit, safe writes and explicit error handling.
why it’s in the lab
It’s the fastest-evolving layer of the stack: every new system leaves behind a better connector than the last.
section
Method
With no cases to show for confidentiality, the method is the evidence.
1/4
I learn the operation: numbers first: where the hours go, what's done by hand, what's measured and what isn't.
2/4
I design the system and we document it together: explicit decisions, ADR-style: what was decided, why, and what was left out.
3/4
I ship incrementally, in weeks: something usable early, real feedback, and scope adjusts on evidence.
4/4
Everything ends up measured and documented: the system is yours: runbook, access and metrics in your warehouse.
Principles: right tool, not favorite tool · defensive validation · human oversight by design · privacy by design · documented handoff · I build with AI, in the open.
section
About
I come from business, not code: a Business Administration degree at UTDT, then performance marketing across agencies and platforms.
"which campaign do we run?" → "why is a person doing this?"
I've been building the answer ever since: automation, agents and internal software for growth and ops teams. Today, as AI Growth Engineer at Coderhouse.
section
Contact
Got a process that hurts, or building a team? Tell me in two minutes: it lands straight in my inbox.