Amando Martínez Vivancos
Ingeniero de Backend · Datos e IA
España · CET [email protected] linkedin.com/in/amando-martínez-vivancos amandomv.dev
Perfil
Soy ingeniero de backend que acabó en datos e IA porque es donde están los fallos interesantes. Entré en Datamaran como junior en 2022 y crecí hasta senior, lo que en la práctica significó llevar sistemas de punta a punta: los pipelines que leen 20.000 noticias al día y cubren 193 fuentes jurídicas en 130 jurisdicciones — uno un 85% más barato de operar que cuando lo heredé, el otro ahorrando al equipo jurídico un 70% del tiempo de procesar informes — además de las capas de autenticación y compartición bajo el producto y la observabilidad que nos avisa cuando algo se rompe.
Construyo y automatizo con IA en el bucle, no como demo sino como forma de trabajar: agentes LLM metidos en pipelines reales (un scraper que se repara solo en vez de despertar a alguien), harnesses de evaluación para que cambiar un modelo o un prompt sea un experimento con un número detrás, y desarrollo asistido por IA extendido a repositorios y procesos de entrega.
Experiencia
Ingeniero de Software Senior — Backend, Datos e IA · Datamaran
oct 2022 — Actualidad
Entré como Ingeniero de Software (oct 2022) · ascendido a Senior en enero de 2026
- Construí el pipeline de inteligencia de noticias que ingiere, deduplica, clusteriza y clasifica más de 20.000 noticias al día con LLMs sobre Airflow 3 en Kubernetes — y recorté un 85% su gasto anual en LLMs (de seis dígitos a cinco) ordenando las etapas por coste y bajándolas a modelos más pequeños cuando la evaluación demostró que no se perdía calidad.
- Construí la capa de descubrimiento del pipeline regulatorio: un generador que escribe fetchers detrás de un harness determinista de siete etapas y una revisión humana, más el job de salud que detecta las roturas silenciosas y le devuelve las peores fuentes. 193 de unas 290 fuentes catalogadas en 130 jurisdicciones están cubiertas por 153 módulos, y procesar informes le lleva al equipo jurídico un 70% menos de tiempo.
- Desarrollé el sistema de gestión de usuarios y autenticación de la aplicación, y la capa de compartición de recursos que permite el trabajo colaborativo en vivo entre cuentas.
- Introduje y extendí las prácticas con las que trabaja hoy una organización de 20 desarrolladores: DDD, arquitectura hexagonal, TDD, estándares comunes de linting y formato, y gestión correcta de pools de conexiones a base de datos.
- Lideré la adopción del desarrollo asistido por IA: agentes y harnesses de evaluación integrados en pipelines, repositorios y procesos de entrega, no solo autocompletado en el editor.
- Llevo la observabilidad de lo que construyo: dashboards en Grafana y alertas en Sentry, para que los fallos aparezcan como señal y no como un email de un cliente.
- Trabajo directamente con stakeholders para convertir necesidades de cliente en funcionalidades, desde el scoping hasta producción.
Proyectos destacados
Pipeline de inteligencia de noticias
Veinte mil noticias al día pasan sin supervisión y el gasto anual en LLMs del pipeline bajó un 85%: de una cifra de seis dígitos a una de cinco. El clustering es lo que hizo la mayor parte: pagar una vez por historia en vez de una vez por artículo, y después dejar que la evaluación moviera etapas a modelos más pequeños allí donde los números decían que la calidad aguantaba.
Python 3.12 · Airflow 3 · Kubernetes · pgvector · PostgreSQL · MongoDB · LLMs · AWS
Pipeline regulatorio auto-reparable
193 de las fuentes catalogadas están cubiertas, hay 153 módulos de fetcher en el repositorio, y procesar informes le lleva al equipo jurídico un 70% menos de tiempo que antes. Un job diario marca un fetcher como roto tras tres fallos consecutivos, o degradado tras tres ejecuciones sin resultados contra su propio baseline positivo, y entrega los dos peores al reparador — que abre un pull request revisado en vez de despertar a nadie.
Python 3.12 · Airflow 3 · Kubernetes · LLMs de Anthropic · PostgreSQL · MongoDB · Docling
Gestión Guarda Rural
El trabajo se registra una sola vez, donde ocurre, y la facturación mensual pasó de una tarde de trabajo manual a unos pocos clics — incluyendo notificaciones a varios destinatarios por cliente y un diseño de factura en PDF que sobrevive al contacto con una impresora real.
Python · PostgreSQL · Neon · Railway · Vue
Fantasy Voley
Una liga funcionando de punta a punta — ingesta, motor de puntuación y front — sincronizada automáticamente durante la temporada, sobre un modelo de datos que sobrevivió a un rediseño de la web de la federación sin reescribirse. El lanzamiento público es el siguiente paso.
Python · PostgreSQL · Neon · Railway · Vue
Competencias
- Lenguajes:
- Python · TypeScript · JavaScript · SQL
- Backend:
- FastAPI · asyncio · SQLAlchemy · Pydantic · Diseño de APIs REST · Pools de conexiones
- Construir y automatizar con IA:
- Desarrollo asistido por IA (flujos con agentes, Claude Code) · Pipelines auto-reparables con agentes LLM · Harnesses de evaluación para etapas con LLM · Ajuste de prompts y de coste/precisión por modelo · Herramientas propias e integraciones MCP
- Plataforma de datos:
- Airflow 3 · Kubernetes · Scraping a gran escala · Clustering y deduplicación · ETL
- Arquitectura:
- Domain-Driven Design · Arquitectura hexagonal · TDD · SOLID
- Almacenamiento:
- PostgreSQL · MongoDB · Elasticsearch · Redis
- Plataforma y observabilidad:
- AWS · Docker · GitHub Actions · Grafana · Sentry
- Front end:
- Vue 3 · Astro · Tailwind CSS
Formación
Grado en Ingeniería Informática — mención en Computación
Universitat Politècnica de València · 2018–2022
Idiomas
- Español:
- Nativo
- Inglés:
- Competencia profesional
Última actualización: 2026-09