RaynnierGomez
IngenieroArquitecto de SoftwareConstructor de IA
Construyo sistemas de software, experimento con inteligencia artificial y estudio cómo los agentes y los modelos de lenguaje están cambiando la forma en que se diseña, genera y mantiene el software complejo.
- Software
- el medio
- Ingeniería
- la mentalidad
- Inteligencia artificial
- la frontera actual
- Proyectos
- la evidencia
02Trayectoria
Cinco capas, una direcciónCuatro disciplinas que desde fuera parecen cambios de carrera. Desde dentro son una sola expansión continua del tipo de sistemas que puedo construir.
- 01
Ingeniería
La ingeniería formal entrenó primero el reflejo: pensar en restricciones, cargas y modos de fallo antes de pensar en funcionalidades.
- 02
Software
Más de diez años de desarrollo convirtieron ese reflejo en sistemas digitales reales: backends, APIs, plataformas y productos.
- 03
Arquitectura de sistemas
El problema interesante dejó de ser el código y pasó a ser la forma del conjunto: límites, contratos, datos, fallos y escala.
- 04
Inteligencia artificial
Los modelos frontera y de pesos abiertos aparecieron como un material genuinamente nuevo: probabilístico, general e incómodo de arquitecturar.
- 05
Investigación aplicada en IA
El foco actual: sistemas agénticos capaces de generar, modificar y razonar sobre software real, y la infraestructura necesaria para evaluarlos con honestidad.
No dejé la ingeniería por el software, ni el software por la IA. Cada capa amplió el tipo de sistemas que podía construir.
03Trabajo seleccionado
[ 04 ]Los proyectos son el argumento. Cada uno existe para responder una pregunta que no pude resolver leyendo sobre ella.
- 01
Elean
Enterprise Low-code Environment with Autogenerative Nucleus¿Hasta dónde pueden llegar los agentes, el conocimiento de dominio estructurado y las skills reutilizables al generar aplicaciones empresariales reales?
Un sistema que combina modelos de dominio, flujos agénticos y generación asistida por IA para producir aplicaciones de negocio containerizadas. Lo que existe hoy es un pipeline de generación funcionando; la visión a largo plazo se describe aparte, deliberadamente.
- agentic generation
- domain knowledge
- low-code
- containerized output
Desarrollo activoCaso de estudio en preparación - 02
Local Agentic AI Lab
Investigación en software agéntico¿Pueden los sistemas de IA agéntica generar, modificar y razonar sobre software real de forma fiable?
El hogar de investigación para modelos de lenguaje locales, RAG, agentes de código, ingeniería de contexto, arneses de evaluación y arquitecturas multi-agente. Los experimentos se publican con sus fallos, no solo con sus resultados.
- local LLMs
- coding agents
- RAG
- evaluation harnesses
InvestigaciónCaso de estudio en preparación - 03
Player Development OS
Caso de estudio de producto y modelado de dominio¿Cómo se ve realmente el desarrollo de un jugador convertido en datos, y quién debería ser su dueño?
Una plataforma estructurada que conecta jugadores, entrenadores, academias, entrenamiento, evaluación, objetivos y evidencia. Lo interesante no es el deporte: es el modelado de dominio, los datos longitudinales, la analítica y el diseño del consentimiento para atletas que a menudo son menores de edad.
- domain modeling
- backend architecture
- analytics
- privacy by design
En desarrolloCaso de estudio en preparación - 04
Personal AI Infrastructure
Sistemas personales persistentes¿Qué ocurre cuando un sistema de IA se convierte en infraestructura persistente en lugar de un chatbot?
Experimentos continuos en agentes autónomos, memoria de larga duración, recuperación, planificación, uso de herramientas, interfaces de voz y enrutamiento de modelos, con mi propia vida como entorno de pruebas.
- autonomous agents
- memory
- model routing
- automation
ExperimentalCaso de estudio en preparación
04Investigación
Líneas abiertasTrabajo en curso, etiquetado con honestidad. Una hipótesis no es un resultado, y un experimento fallido sigue mereciendo publicarse.
- Hipótesis
La estructura gana a la escala en generación
Que el conocimiento de dominio bien modelado restringe la generación de código con más eficacia que simplemente recurrir a un modelo mayor. Comprobarlo exige fijar el modelo y variar únicamente la estructura.
- Experimento
Evaluar agentes de código sobre repositorios reales
Los benchmarks sintéticos premian los comportamientos equivocados. Estoy construyendo arneses que midan a los agentes contra bases de código reales, suites de pruebas reales y regresiones reales.
- Pregunta abierta
¿Cuándo deja la inferencia local de ser una limitación?
VRAM, cuantización y longitud de contexto definen una envolvente dura. La pregunta abierta es qué clases de trabajo agéntico caben hoy dentro de ella y cuáles necesitan de verdad modelos frontera.
- Nota de investigación
La ingeniería de contexto es arquitectura
Qué puede ver un agente, cuándo puede verlo y qué se le permite olvidar son decisiones arquitectónicas con el mismo peso que un esquema de base de datos, no trucos de prompt.
Es investigación aplicada independiente y autodirigida. Sin afiliación universitaria, sin doctorado y sin laboratorio institucional.
05Capacidades
Conceptos, no logosAgrupadas por el tipo de razonamiento que exigen, no por herramienta. Las tecnologías concretas aparecen en los casos de estudio, donde significan algo.
- Sistemas de software
- Arquitectura, sistemas backend, aplicaciones web, APIs y sistemas distribuidos.
- IA aplicada
- LLMs, agentes, RAG, ingeniería de contexto, inferencia, evaluación y orquestación de modelos.
- Infraestructura de IA
- Inferencia local, despliegue en GPU, modelos de pesos abiertos, ASR/TTS, embeddings e instrumentación de experimentos.
- Ingeniería de producto
- Modelado de dominio, prototipos, arquitectura SaaS y experimentación de producto.
- Ingeniería
- Modelado analítico, pensamiento estructural, razonamiento cuantitativo y pensamiento sistémico.
06El Laboratorio
Inferencia localHardware real, mediciones reales.
Un banco de trabajo para inferencia local: modelos de pesos abiertos, cuantización, techos de VRAM, rendimiento, ASR/TTS y la infraestructura de agentes que corre encima. La cuestión no es que los modelos locales ganen, sino saber exactamente dónde dejan de ganar.
- Modelo
- Cuantización
- Hardware
- Contexto
- Tokens/seg
- VRAM
- Método
- Fecha
Los números llegan con el hardware, la cuantización, la longitud de contexto, la metodología y la fecha necesarios para interpretarlos o reproducirlos. O no llegan.
07Más allá del código
La otra disciplina.
La fotografía es donde dedico una cantidad igualmente grande de tiempo a pensar en sistemas, observación e intención. Medio distinto, mismo hábito: mirar de cerca, entender el mecanismo y después decidir qué se queda dentro del encuadre.
- Astrofotografía
- Paisaje
- Calle
- Retrato
- Cine
08Contacto
Una dirección. La leo.
Problemas técnicos interesantes, colaboración en investigación, charlas y docencia. Si llegaste aquí por algún proyecto, dime cuál.
En este sitio no se publica ningún número de teléfono. Es deliberado: vive solo en la vCard detrás del código QR de mi tarjeta de presentación.