Santiago Vacas

Trabajar en este proyecto ha sido una experiencia muy positiva y técnicamente muy interesante. Durante el desarrollo se resolvieron con éxito múltiples retos tanto de backend como de frontend dentro de una arquitectura basada en Python/Django (DRF), React, Docker y Azure.

Se implementaron integraciones complejas con APIs externas y Web Services, incluyendo la conexión con la API de nóminas para la obtención del coste empresa mediante un flujo de autenticación personalizado, así como la creación de una capa intermedia en Django para la sincronización bidireccional de fichajes con sistemas externos de control horario.

Además, se desarrollaron nuevas funcionalidades fullstack como un organigrama matricial avanzado e interactivo, adaptado a estructuras empresariales no jerárquicas, junto con nuevas plantillas de generación de informes PDF integradas en la arquitectura existente.

En el frontend, se mejoró significativamente la experiencia de usuario mediante tablas dinámicas con ordenamiento avanzado optimizado para rendimiento y paginación, además de realizar tareas de refactorización y estandarización del código para dejar una base más limpia, mantenible y escalable.

La comunicación durante todo el proyecto fue excelente, permitiendo una colaboración fluida y una resolución rápida de los distintos retos técnicos que fueron surgiendo.

Consultoría como AI Architect freelance en proyectos de IA generativa en entorno corporativo. Diseño e implementación de arquitecturas RAG (Retrieval-Augmented Generation), flujos agénticos e integración de LLMs en procesos de negocio.

Trabajo técnico: desarrollo de pipelines con LangChain y LangGraph, diseño de flujos agénticos, integración de modelos de lenguaje y optimización de coste/rendimiento en arquitecturas de agentes y RAG. Desarrollo de aplicación con React (frontend), Python (backend) y PostgreSQL como base de datos. Colaboración en entorno corporativo con múltiples interlocutores técnicos y de negocio.

Stack: Python, React, PostgreSQL, Docker, LangChain, LangGraph, arquitecturas RAG, integración de LLMs, flujos agénticos.

Diseño y desarrollo de un agente conversacional de voz con IA para automatizar la recepción de llamadas y la gestión de citas de una plataforma de agenda médica. El agente atiende llamadas de forma autónoma 24/7: entiende la petición del usuario, consulta la disponibilidad real en vivo contra el sistema de agenda del cliente (Ofimedic) y formaliza la cita en el momento, sin intervención del personal de recepción.

Trabajo técnico: desarrollo a medida de un servidor MCP en Python que conecta el agente (ElevenLabs) con el sistema existente del cliente a través de su API (SOAP/REST), gestión de la sincronización de disponibilidad y citas, y optimización del timing entre la respuesta del modelo y la reproducción de audio para lograr una conversación natural y fluida. Resultado: eliminación de la pérdida de llamadas en horas pico y automatización completa de un proceso que antes requería atención humana permanente.

Stack: Python, MCP (servidor propio), ElevenLabs, APIs SOAP/REST, integración con Ofimedic.