LABORATORIO PRODOTTI AI · INGEGNERIA DI PIATTAFORMA

Trasformo i modelli in sistemi operativi.

CTO presso Of Them All e fondatore di Illuma. Sviluppo workflow AI, modelli di nicchia e infrastrutture di piattaforma per domini in cui giudizio, latenza e fiducia sono fondamentali.

Progetto attuale
Audio AI + workflow legali
Sede operativa
Porto, Portogallo
Ambiti di prova
Pagamenti, marketplace, piattaforme ML
Miguel Enes
Miguel Enes
Workflow basati su agenti
Automazione del lavoro di produzione con sistemi guidati da modelli.
AI Legale
Sviluppo Illuma per prove, memorie e analisi di casi.
Architetture di piattaforma
Architettura per traffico, pagamenti, team e operazioni.
Evidenze del sistema
17+
Profondità ingegneristica

anni a trasformare l'ambiguità in sistemi di produzione

6
Scala internazionale

mercati in Asia ed Europa con diversi vincoli operativi

100+
Leva del team

ingegneri assunti, formati o guidati in team distribuiti

30s
Prova di automazione

workflow di missaggio audio assistito da AI, ridotto da 15 minuti manuali

TESI OPERATIVA

L'AI utile non è una funzionalità. È un sistema di produzione con prove, workflow e responsabilità ad esso correlati.

Ho costruito infrastrutture per pagamenti e marketplace quando uptime, frodi, conformità e milioni di transazioni giornaliere erano il prodotto. Questa capacità operativa ora plasma il modo in cui costruisco sistemi AI.

Il modello è coerente: individuare il collo di bottiglia esperto, modellare il percorso decisionale, cablare il livello dati, quindi rafforzare il workflow fino a quando un team può affidarsi ad esso in produzione.

DOVE GENERO LEVA
Workflow AI
Agenti, recupero, gate di revisione e qualità dell'output misurabile.
Core di piattaforma
Pagamenti, code, osservabilità e sistemi che tollerano il traffico.
Sistema di team
Assunzioni, mentorship, cadenza di delivery e igiene delle decisioni tecniche.
Storia di venture
Architettura di prodotto in cui investitori, operatori e ingegneri possono credere.
LAB CAPABILITIES

Practical AI, wired into the systems that make it useful.

The work is not just prompting a model. It is designing the data path, product loop, delivery system, and operating cadence around it.

From demo agent to production workflow

Agentic workflow design

I turn repetitive expert work into supervised AI workflows: tool calling, review gates, retrieval, and measurable human-in-the-loop throughput.

Legal, media, and operations data

RAG and model adaptation

Domain corpora, embeddings, retrieval strategy, prompt contracts, evaluation loops, and targeted fine-tuning when the base model is not enough.

Scale before heroics

Platform architecture

Architecture for systems that must keep moving: payments, marketplaces, automation backplanes, queues, observability, and deployment paths.

Teams that ship without chaos

Engineering operating system

Hiring, coaching, SDLC, delivery cadence, incident habits, and the technical narrative needed when teams and products need to mature fast.

METODO DI SVILUPPO

Dalla possibilità del modello all'abitudine operativa.

Preferisco cicli brevi, rischi visibili e sistemi funzionanti rispetto a lunghe roadmap speculative.

01

Mappare il collo di bottiglia

Identificare dove il giudizio esperto, la latenza o le decisioni ripetute limitano la crescita.

02

Prototipare il loop

Costruire il percorso più piccolo di modello + dati + interfaccia che possa dimostrare un lavoro utile.

03

Rafforzare il sistema

Aggiungere recupero, valutazione, permessi, osservabilità e revisione umana dove il rischio lo richiede.

04

Rendere operativa l'abitudine

Trasformare il workflow in comportamento di team con metriche, ownership e cadenza di iterazione.

SYSTEM STACK

AI systems are layered products.

The useful work happens where models, data, product logic, and operational discipline meet.

Model layer

LLMs, Gemini, prompt contracts, evaluation sets, fine-tuning, agent behavior, and task decomposition.

  • LLMs
  • Agent workflows
  • Fine-tuning
  • Prompt engineering
  • Model evaluation

Knowledge layer

The retrieval and memory plane that keeps AI grounded in product, legal, media, or operational context.

  • RAG pipelines
  • Embeddings
  • Vector search
  • PostgreSQL
  • Meilisearch

Application layer

The product systems where AI meets users, permissions, payments, workflows, and business-critical state.

  • Laravel
  • TypeScript
  • Cloudflare Workers
  • Microservices
  • Payment systems

Operations layer

The delivery environment: CI/CD, containers, observability, incident loops, and teams that own production.

  • Docker
  • Kubernetes
  • AWS
  • Linux
  • GitHub Actions
REGISTRO ESPERIENZE

Prova di carriera tra marketplace, pagamenti, piattaforme ML e team.

Espandi ogni riga per prove, punti salienti e tecnologie del ruolo.

RACCOMANDAZIONI

Persone che hanno visto da vicino il sistema operativo.

Operator proof1/12
Miguel Garcia

Having worked 10 years ago and again hiring Miguel to work closely with me for the past 4 years tells a lot about how much trust and respect I have for him. Miguel Enes has a very entrepreneurial mindset that always sets him to find solutions and to move organisations forward. He does that relying on his profound and complete tech knowledge and on-hands experience, leading by example/execution and supporting his team along the way. I highly recommend him as an autonomous, energiser, tech-savvy and delivery oriented Engineering Manager.

Miguel Garcia·General Manager & VP of Technology, New Work SE
Managed Miguel directly
+4
FILI APERTI

Contattami quando il prototipo deve diventare un sistema.

Conversazioni utili: progetti di workflow AI, sistemi legal-tech, architettura di marketplace/piattaforme, leadership ingegneristica e strategia tecnica per team di venture.