LABORATÓRIO DE PRODUTOS DE IA · ENGENHARIA DE PLATAFORMAS

Transformo modelos em sistemas operacionais.

CTO na Of Them All e fundador da Illuma. Construo workflows de IA, modelos de nicho e infraestrutura de plataforma para domínios onde o julgamento, a latência e a confiança são cruciais.

Projeto atual
Áudio IA + workflows jurídicos
Base operacional
Porto, Portugal
Evidência de resultados
Pagamentos, marketplaces, plataformas de ML
Miguel Enes
Miguel Enes
Workflows de Agentes
Automatização de trabalho em produção com sistemas guiados por modelos.
IA Jurídica
A construir a Illuma para prova, peças processuais e análise de casos.
Cores de Plataforma
Arquitetura para tráfego, pagamentos, equipas e operações.
Evidência do sistema
17+
Profundidade de Engenharia

anos a transformar ambiguidade em sistemas de produção

6
Escala Internacional

mercados na Ásia e Europa com diferentes restrições operacionais

100+
Alavancagem de Equipa

engenheiros contratados, orientados ou mentorizados em equipas distribuídas

30s
Prova de Automação

workflow de mistura de áudio assistido por IA, reduzido de uma passagem manual de 15 minutos

TESE OPERACIONAL

IA útil não é uma feature. É um sistema de produção com evidências, workflow e responsabilização associados.

Construí infraestruturas de pagamentos e marketplaces onde o uptime, a fraude, a conformidade e milhões de transações diárias eram o produto. Essa 'musculatura' operacional molda agora a forma como construo sistemas de IA.

O padrão é consistente: encontrar o gargalo do especialista, modelar o caminho da decisão, ligar a camada de dados e, em seguida, solidificar o workflow até que uma equipa possa confiar nele em produção.

ONDE CRIO ALAVANCAGEM
Workflow de IA
Agentes, recuperação, portões de revisão e qualidade de saída mensurável.
Core da Plataforma
Pagamentos, filas, observabilidade e sistemas que toleram tráfego.
Sistema de Equipa
Contratação, mentoria, cadência de entrega e higiene das decisões técnicas.
História de Venture
Arquitetura de produto em que investidores, operadores e engenheiros possam acreditar.
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.

MÉTODO DE CONSTRUÇÃO

Da possibilidade do modelo ao hábito operacional.

Prefiro ciclos curtos, risco visível e sistemas a funcionar em vez de longos roadmaps especulativos.

01

Mapear o gargalo

Identificar onde o julgamento de especialistas, a latência ou decisões repetidas restringem o crescimento.

02

Prototipar o ciclo

Construir o menor caminho modelo + dados + interface que possa provar trabalho útil.

03

Solidificar o sistema

Adicionar recuperação, avaliação, permissões, observabilidade e revisão humana onde o risco o exige.

04

Implementar o hábito

Transformar o workflow em comportamento da equipa com métricas, propriedade e cadência de iteração.

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
REGISTO DE EXPERIÊNCIA

Prova de carreira em marketplaces, pagamentos, plataformas de ML e equipas.

Expandir cada linha para evidências, destaques e tecnologias do papel.

TESTEMUNHOS

Pessoas que viram o sistema operacional de perto.

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
TÓPICOS EM ABERTO

Contacte-me quando o protótipo precisar de se tornar um sistema.

Conversas úteis: desenvolvimentos de workflows de IA, sistemas de legal-tech, arquitetura de marketplace/plataforma, liderança de engenharia e estratégia técnica para equipas de venture.