Dos décadas diseñando sistemas, definiendo estrategia tecnológica y ayudando a organizaciones a modernizarse a escala, sin dejar de tener las manos en la arquitectura y en el código.
Madrid · abierto a roles internacionales y proyectos en remoto · español, inglés, italiano
CTO con dos décadas en arquitectura y liderazgo de ingeniería en gran empresa, consultoría y startups. Recientemente, construcción de productos de IA de principio a fin como CTO de una empresa energética basada en IA. Antes, dirección de la función global de arquitectura de SGS, reportando al CIO del grupo, como autoridad de diseño en cloud, modernización y estándares de ingeniería para una organización de TI de más de 800 proyectos. Trabaja igual de bien a nivel ejecutivo que en el código, y se mueve con la misma soltura dirigiendo una gran organización de ingeniería que entregando en solitario.
Etapa anterior, 2001 a 2015. Arquitecto de soluciones y jefe de equipo en Siemens (plataformas MDM y BPM para el clúster de Europa Occidental), PwC (arquitectura .NET y SDLC) y VASS (BT, Repsol, Isban), más arquitectura como contratista para Banco Popular y Banco de España. Empezó como desarrollador en 2001; traductor técnico inglés-español freelance de 1996 a 2002.
SIGINTENT: revisiones de arquitectura, sprints de estrategia de IA y trabajo como CTO fraccional para fundadores y equipos directivos.
Repositorios públicos, cada uno con CI, tests y un README que dice qué se midió. Todo lo de abajo funciona primero en local y trata la salida de un modelo como una afirmación a verificar, no como un hecho.
Analiza un corpus de documentos y las restricciones de infraestructura y recomienda una configuración RAG completa: embeddings, chunking, recuperación híbrida, base vectorial, reranker, dimensionamiento, coste y latencia. Cada cifra lleva su procedencia, y --validate mide la recomendación contra consultas con verdad de referencia antes de indexar nada.
Una sala de juntas de agentes de IA declarada en YAML: ronda hostil, deliberación dirigida por un presidente, coaching y síntesis, con un bucle de refinado que devuelve la idea revisada al consejo. Los asientos pueden fundamentarse en una biblioteca local o en los registros de una empresa vía MCP, y cada veredicto lleva confianza, salvedades y preguntas abiertas.
Un programa para una capacidad interna de aseguramiento de IA: sesgo, explicabilidad, robustez adversaria, marcos de evaluación, privacidad diferencial, calendario del Reglamento de IA, seguridad agéntica. Prosa bajo CC BY, código bajo MIT y un laboratorio que ejecuta las evaluaciones contra el modelo que elijas.
El paso que todo proyecto de base de conocimiento se salta: apúntalo a una carpeta y dice qué valen los documentos como texto. Métricas por fichero, calidad de OCR, PII con validación de checksum, veredictos de convertibilidad a Markdown, duplicados y versiones, clústeres temáticos y un plan de curación con una acción recomendada por fichero.
Una implementación completa del tokenizador de OpenAI en C, escrita como material didáctico. Tests diferenciales contra el paquete de Python (3.000 comparaciones por push) y fuzzing de ambos parsers encontraron bugs reales, y el README dice cuáles. El tutorial de ocho capítulos se convirtió en el libro de abajo.
Un gestor de portfolio con opinión que obliga a escribir cuándo abandonar: criterios de abandono y pre-mortems por adelantado, completitud subjetiva frente a la calculada por tareas. Lo dirige un agente a través de su servidor MCP en vez de una ventana de chat, con una skill de Claude Code que mantiene honesto el registro de cada repositorio.
Una librería núcleo pura expuesta de cuatro maneras: unas 130 rutas HTTP, una CLI, gRPC y tres paquetes NuGet. PDF, DOCX, XLSX, PPTX, CSV, EPUB, MOBI, correo y más, con detección de PII y hashing. El motor PDF bajo AGPL está aislado en su propio paquete para que el núcleo siga siendo MIT, y el pipeline genera un SBOM y ejecuta CodeQL y revisión de dependencias.
Hashing perceptual de imágenes compatible bit a bit con la librería imagehash de Python, verificado contra un conjunto de referencia. Presupuesto de píxeles contra bombas de descompresión, decodificación solo del primer fotograma y parsing estricto, con un modelo de amenazas escrito. Pequeña a propósito, y terminada.
Una librería de 2014 reescrita desde cero en 2026 bajo su id de NuGet original, conservando solo lo que la librería base aún no tiene: métricas de cadenas (Levenshtein, Damerau, Jaro-Winkler), operadores de secuencias y utilidades funcionales. Cada ejemplo del README está afirmado por un test.
Un generador determinista de consultas con operadores de búsqueda para OSINT y descubrimiento defensivo de exposición. Dos motores, uno en JavaScript y otro en Python, mantenidos idénticos por 153 fixtures doradas compartidas. Sin modelo de por medio, a propósito: cuando la salida debe ser exacta, una regla gana a una suposición.
El editor que acompaña al libro de XML-Structured Prompting: prompts versionados con diff, plantillas, etiquetas, paleta de comandos, proyectos con membresía y auditoría, almacenamiento SQLite y una CI con umbrales de cobertura que solo suben.
Herramientas para agentes, publicadas: una auditoría SEO y de motores generativos con salida SARIF, un mnemónico BPMN, un detector de insignias de repositorio, un generador de llms.txt, un temporizador de pausas construido con hooks, un reescritor de código vibe a funcional y un poeta de commits. Cada una resuelve un problema que el autor tuvo de verdad.
Qué hace un tokenizador BPE y cómo construir uno que coincida bit a bit con la referencia, con los tests que lo demuestran.
Un método para prompts que sobreviven al traspaso: estructura, restricciones y evidencia explícitas, para equipos que entregan con modelos de lenguaje.
En inglés, con adaptaciones al español en LinkedIn. En preparación: irreversibilidad, los sistemas agénticos como sistemas distribuidos, y qué enseña un RAG advisor sobre evaluación.
Ocho ensayos sobre lo que la tradición clásica (Séneca, Marco Aurelio, Pascal, Ortega, Byung-Chul Han) tiene que decir sobre vivir y construir con máquinas que piensan.
Una licenciatura en Filología Inglesa y seis años como traductor técnico precedieron a la primera línea de código en producción, en 2001. Desde entonces: desarrollador, arquitecto, responsable de una función global de arquitectura, CTO, con desvíos por un máster en ingeniería de datos, un programa de estrategia empresarial en INSEAD y un MBA digital para líderes tecnológicos. Al margen, filosofía, música, fotografía e idiomas. El patrón no es amplitud por la amplitud. Es lo que la industria llama ahora un perfil en M: profundo en arquitectura e IA, y capaz de moverse entre producto, estrategia y diseño organizativo sin perder el hilo.
La mayoría de las decisiones tecnológicas se responden antes de que nadie haya acordado cuál es la pregunta. Así es como una arquitectura defendible se convierte en una cara.
El centro: una pantalla que lleva a los escritos, el código, los libros y la asesoría. Empieza aquí si quieres la imagen completa.
aelena.comLa práctica de asesoría: CTO fraccional, revisión de arquitectura, sprint de estrategia de IA, retainer de asesoría. Método y ensayos, en inglés y español. Empieza aquí si tienes una decisión que no puedes deshacer.
sig-intent.comantonioelena@gmail.com+34 686 398 711