AI PRODUKTLAB · PLATTFORMSENGINEERING

Jag förvandlar modeller till system i drift.

CTO på Of Them All och grundare av Illuma. Jag bygger AI-arbetsflöden, nischade modeller och plattformsinfrastruktur för domäner där bedömning, latens och förtroende är avgörande.

Pågående bygge
AI-ljud + juridiska arbetsflöden
Operativ bas
Porto, Portugal
Kompetensområde
Betalningar, marknadsplatser, ML-plattformar
Miguel Enes
Miguel Enes
Agentarbetsflöden
Automatiserar produktionsarbete med modellstyrda system.
Juridisk AI
Bygger Illuma för bevis, inlågor och fallanalys.
Plattformskärnor
Arkitektur för trafik, betalningar, team och operationer.
Systembevis
17+
Tekniskt djup

år av att förvandla tvetydighet till produktionssystem

6
Internationell skala

marknader i Asien och Europa med olika operativa begränsningar

100+
Teamets hävstång

ingenjörer anställda, coachade eller mentorerade i distribuerade team

30s
Automatiseringsbevis

AI-assisterat ljudmixningsarbetsflöde, från 15 minuters manuell genomgång

DRIVANDE TES

Användbar AI är inte en funktion. Det är ett produktionssystem med bevis, arbetsflöde och ansvarsskyldighet kring det.

Jag byggde infrastruktur för betalningar och marknadsplatser när drifttid, bedrägeri, efterlevnad och miljontals dagliga transaktioner var produkten. Den operativa muskeln formar nu hur jag bygger AI-system.

Mönstret är konsekvent: hitta expertflaskhalsen, modellera beslutsvägen, koppla datalagret och sedan härda arbetsflödet tills ett team kan lita på det i produktion.

DÄR JAG SKAPAR HÄVSTÅNG
AI-arbetsflöde
Agenter, hämtning, granskningsportar och mätbar utdatakvalitet.
Plattformskärna
Betalningar, köer, observerbarhet och system som tål trafik.
Teamsystem
Rekrytering, mentorskap, leveranstakt och hygien för tekniska beslut.
Venture-berättelse
Produktarkitektur som investerare, operatörer och ingenjörer kan tro på.
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.

BYGG-METOD

Från modellmöjlighet till operationell vana.

Jag föredrar korta loopar, synlig risk och fungerande system framför långa spekulativa färdplaner.

01

Karta flaskhalsen

Identifiera var expertbedömning, latens eller upprepade beslut begränsar tillväxten.

02

Prototypa loopen

Bygg den minsta modellen + data + gränssnittsvägen som kan bevisa användbart arbete.

03

Härda systemet

Lägg till hämtning, utvärdering, behörigheter, observerbarhet och mänsklig granskning där risken kräver det.

04

Etablera vanan

Förvandla arbetsflödet till teamets beteende med mätvärden, ägarskap och iterationskadens.

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
ERFARENHETSFÖRTECKNING

Karriärbevis inom marknadsplatser, betalningar, ML-plattformar och team.

Expandera varje rad för att se bevis, höjdpunkter och teknologier från rollen.

REFERENSER

Människor som sett det operativa systemet på nära håll.

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
ÖPPNA TRÅDAR

Ta in mig när prototypen behöver bli ett system.

Användbara konversationer: AI-arbetsflödesbyggen, legal-tech-system, marknadsplats-/plattformsarkitektur, tekniskt ledarskap och teknisk strategi för venture-team.