Caso 8.1 Post-edición automática con LLM en producción
Plataforma de traducción con IA usada por organismos públicos y medios.
Integración de LLM en el flujo de traducción con glosarios y memorias filtrados por par de idiomas, trazas de cada llamada en Langfuse y evaluación con un banco fijo y una nota automática de calidad. Despliegues por oleadas en AWS sin cortar el servicio.
- Python
- LangChain / LangGraph
- Langfuse
- pgvector
- AWS Bedrock
Caso 8.2 IA clínica con respuestas verificables
Plataforma para médicos y clínicas de EE. UU., en producción.
Búsqueda en historiales complejos, documentación generada por IA y respuestas que se comprueban contra la página de la que salen. Unas 7.300 pruebas antes de cada versión, guardrails, acceso solo por túnel y despliegues fuera del horario de consulta.
- .NET
- Next.js
- Gemini en Vertex AI
- Azure OpenAI
- Docker
Caso 8.3 El harness de un equipo que trabaja con agentes
Cómo un equipo pequeño deja trabajar a agentes de código sin perder el control.
Reglas escritas, permisos, memoria, registro semanal de cada cambio, documentación técnica en cada repositorio para que la lean los agentes, análisis de seguridad antes de desplegar y un servidor MCP propio con 15 herramientas y buzón entre agentes.
- Claude Code
- MCP
- Backstage
- Snyk
- FastAPI
Caso 8.4 Una herramienta CAT de cero a producción en 27 días
Editor de traducción para lingüistas, con proyectos y flujos de revisión.
Construida con agentes de programación bajo control: una especificación por fase, PR revisada y 532 pruebas unitarias en verde antes de cada fusión. Todo en Next.js, también el backend.
- Next.js
- TypeScript
- Prisma
- MySQL
- Docker
Caso 8.5 Servicio de traducción de ficheros compatible con Trados
Microservicio que extrae, traduce y reconstruye XLIFF y SDLXLIFF sin romper el formato.
1.812 pruebas automáticas, reconstrucción byte a byte de lo que no se traduce, y producción en un grupo de autoescalado fijado a una versión: subir y volver atrás es cambiar un número.
- Python
- FastAPI
- Okapi
- Docker
- AWS
Caso 8.6 Viajando: billetes para todo un país
Plataforma oficial de billetes de autobús y tren de Cuba, más de 45 M de pasajeros al año.
Como Team Leader, 6 equipos y más de 15 personas: arquitectura y dirección técnica, coordinación entre desarrollo, QA, soporte y despliegue e infraestructura, y con el operador y el ministerio. Pagos integrados, controles contra la reventa, colas automáticas y la app Android migrada de Java a Kotlin sin parar el servicio.
- Java / Spring Boot
- Kotlin
- PHP
- Python
- Android