YAPAY ZEKA ÜRÜN LABORATUVARI · PLATFORM MÜHENDİSLİĞİ

Modelleri çalışan sistemlere dönüştürüyorum.

Of Them All'da CTO ve Illuma'nın kurucusu. Karar verme, gecikme süresi ve güvenin önemli olduğu alanlar için yapay zeka iş akışları, niş modeller ve platform altyapısı geliştiriyorum.

Mevcut geliştirme
Yapay zeka ses + hukuk iş akışları
Operasyon merkezi
Porto, Portekiz
Kanıt yüzeyi
Ödemeler, pazar yerleri, ML platformları
Miguel Enes
Miguel Enes
Aracı iş akışları
Model odaklı sistemlerle üretim işlerini otomatikleştirme.
Hukuk Yapay Zekası
Deliller, özetler ve dava analizi için Illuma'yı geliştiriyorum.
Platform çekirdekleri
Trafik, ödemeler, ekipler ve operasyonlar için mimari.
Sistem kanıtları
17+
Mühendislik derinliği

belirsizliği üretim sistemlerine dönüştüren yıllar

6
Uluslararası ölçek

farklı operasyonel kısıtlamalara sahip Asya ve Avrupa genelinde piyasalar

100+
Ekip kaldıraç etkisi

dağıtık ekiplerde işe alınan, koçluk yapılan veya mentorluk sağlanan mühendisler

30sn
Otomasyon kanıtı

yapay zeka destekli ses miksaj iş akışı, 15 dakikalık manuel işlemden düşürülmüş

ÇALIŞMA TEZİ

Faydalı yapay zeka bir özellik değildir. Etrafında kanıt, iş akışı ve hesap verebilirliği olan bir üretim sistemidir.

Kesintisiz çalışma süresi, dolandırıcılık, uyumluluk ve milyonlarca günlük işlemin ürünün kendisi olduğu dönemlerde ödeme ve pazar yeri altyapısı geliştirdim. Bu operasyonel kas şimdi yapay zeka sistemlerini nasıl geliştirdiğimi şekillendiriyor.

Desen tutarlı: uzman darboğazını bul, karar yolunu modelle, veri katmanını bağla, ardından bir ekip üretimde ona güvenene kadar iş akışını sağlamlaştır.

KALDIRAÇ YARATTIĞIM ALANLAR
Yapay zeka iş akışı
Aracılar, bilgi geri alımı (retrieval), inceleme kapıları ve ölçülebilir çıktı kalitesi.
Platform çekirdeği
Ödemeler, kuyruklar, gözlemlenebilirlik ve trafiği tolere eden sistemler.
Ekip sistemi
İşe alım, mentorluk, teslimat ritmi ve teknik karar hijyeni.
Girişim hikayesi
Yatırımcıların, operatörlerin ve mühendislerin inanabileceği ürün mimarisi.
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.

GELİŞTİRME YÖNTEMİ

Model olasılığından operasyonel alışkanlığa.

Uzun spekülatif yol haritaları yerine kısa döngüleri, görünür riski ve çalışan sistemleri tercih ederim.

01

Darboğazı haritala

Uzman yargısı, gecikme süresi veya tekrarlanan kararların büyümeyi kısıtladığı yerleri belirle.

02

Döngüyü prototiple

Faydalı işi kanıtlayabilecek en küçük model + veri + arayüz yolunu oluştur.

03

Sistemi sağlamlaştır

Riskin gerektirdiği yerlerde bilgi geri alımı, değerlendirme, izinler, gözlemlenebilirlik ve insan incelemesi ekle.

04

Alışkanlığı devreye al

İş akışını metrikler, sahiplenme ve yineleme ritmi ile ekip davranışına dönüştür.

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
DENEYİM KAYDI

Pazar yerleri, ödemeler, ML platformları ve ekipler genelinde kariyer kanıtı.

Roldeki kanıtlar, öne çıkanlar ve teknolojiler için her satırı genişletin.

REFERANSLAR

İşletim sistemini yakından görmüş kişiler.

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
AÇIK BAŞLIKLAR

Prototipin bir sisteme dönüşmesi gerektiğinde beni devreye alın.

Faydalı sohbet konuları: Yapay zeka iş akışı geliştirmeleri, hukuk teknolojisi sistemleri, pazar yeri/platform mimarisi, mühendislik liderliği ve girişim ekipleri için teknik strateji.