LAB PRODUK AI · KEJURUTERAAN PLATFORM

Saya menukar model menjadi sistem penghantaran.

CTO di Of Them All dan pengasas Illuma. Saya membina aliran kerja AI, model khusus, dan infrastruktur platform untuk domain di mana pertimbangan, kependaman, dan kepercayaan adalah penting.

Pembinaan semasa
AI audio + aliran kerja undang-undang
Pangkalan operasi
Porto, Portugal
Bukti aplikasi
Pembayaran, pasaran, platform ML
Miguel Enes
Miguel Enes
Aliran kerja ejen
Mengautomasikan kerja pengeluaran dengan sistem berpandu model.
AI Undang-undang
Membina Illuma untuk bukti, ringkasan, dan analisis kes.
Teras platform
Senibina untuk trafik, pembayaran, pasukan, dan operasi.
Bukti sistem
17+
Kedalaman Kejuruteraan

tahun menukar kekaburan menjadi sistem pengeluaran

6
Skala Antarabangsa

pasaran merentasi Asia dan Eropah dengan kekangan operasi yang berbeza

100+
Leverage Pasukan

jurutera yang diambil, dibimbing, atau dipimpin merentasi pasukan teragih

30s
Bukti Automasi

aliran kerja pencampuran audio berbantukan AI, berkurang daripada proses manual 15 minit

TESIS OPERASI

AI yang Berguna bukan sekadar ciri. Ia adalah sistem pengeluaran yang dilengkapi dengan bukti, aliran kerja, dan kebertanggungjawaban di sekelilingnya.

Saya membina infrastruktur pembayaran dan pasaran apabila waktu operasi, penipuan, pematuhan, dan jutaan transaksi harian adalah produk itu sendiri. Kekuatan operasi itu kini membentuk cara saya membina sistem AI.

Coraknya konsisten: cari kesesakan pakar, modelkan laluan keputusan, sambung lapisan data, kemudian kukuhkan aliran kerja sehingga pasukan boleh mempercayainya dalam pengeluaran.

DI MANA SAYA MENCIPTA LEVERAGE
Aliran kerja AI
Ejen, perolehan, gerbang semakan, dan kualiti output yang boleh diukur.
Teras platform
Pembayaran, barisan, kebolehcerapan, dan sistem yang toleran terhadap trafik.
Sistem pasukan
Pengambilan pekerja, bimbingan, irama penghantaran, dan kebersihan keputusan teknikal.
Kisah usaha niaga
Senibina produk yang boleh dipercayai oleh pelabur, pengendali, dan jurutera.
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.

KAEDAH PEMBINAAN

Daripada kemungkinan model kepada kebiasaan operasi.

Saya lebih suka gelung pendek, risiko yang jelas, dan sistem yang berfungsi berbanding peta jalan spekulatif yang panjang.

01

Petakan kesesakan

Kenal pasti di mana pertimbangan pakar, kependaman, atau keputusan berulang menyekat pertumbuhan.

02

Prototaip gelung

Bina laluan model + data + antara muka terkecil yang dapat membuktikan kerja berguna.

03

Kukuhkan sistem

Tambah perolehan, penilaian, kebenaran, kebolehcerapan, dan semakan manusia di mana risiko memerlukannya.

04

Hantar kebiasaan

Ubah aliran kerja menjadi tingkah laku pasukan dengan metrik, pemilikan, dan irama lelaran.

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
REKOD PENGALAMAN

Bukti kerjaya merentasi pasaran, pembayaran, platform ML, dan pasukan.

Kembangkan setiap baris untuk bukti, sorotan, dan teknologi daripada peranan.

TESTIMONIAL

Individu yang telah melihat sistem operasi dari dekat.

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
ISU TERBUKA

Bawa saya masuk apabila prototaip perlu menjadi sebuah sistem.

Perbualan yang berguna: Pembinaan aliran kerja AI, sistem teknologi undang-undang, senibina pasaran/platform, kepimpinan kejuruteraan, dan strategi teknikal untuk pasukan usaha niaga.