Especialista en IA y constructor de producto. Monto la infraestructura, los agentes y los flujos que usa todo un equipo — y cuento lo que el titular se deja fuera.
// Lo que el titular no te cuenta
Orquesto equipos de IA con método.
Decido con datos, no con hype.
Construir el producto es solo el principio. Me ocupo del «y ahora qué»: alojarlo, mantenerlo, escalarlo.
Con lo que más choco en la IA es con la memoria. Me cansé de ese muro y me monté mi propia solución.
Producto propio bajo alphaweb.es. De la idea al despliegue mantenido.
Mi gestor de finanzas personales, llevo años con él. La IA lee tus recibos por foto, saca comercio, importe y conceptos, y aprende a categorizar tus gastos. Fue el primero de todos.
Mi propia PaaS autoalojada: crea apps, gestiona repos Git y despliega backend y front con backup y rollback automático. Incluye un servidor MCP propio, así que una IA opera la plataforma con mis mismos permisos. En producción, y la mantengo yo.
Una nueva versión de Aurora, reconstruida desde la base para que la IA gestione el DevOps de forma nativa. La idea: subes tu proyecto y el despliegue, el HTTPS y el mantenimiento dejan de ser tu problema; te centras en construir. Pronto abierta al público.
El cooperativo Hanabi con tres niveles de IA: heurística, convenciones avanzadas y Reinforcement Learning (Double DQN sobre el entorno de DeepMind). Descarté el bot «avanzado» con datos: no superaba al simple.
Nutrición por foto: fotografías lo que comes y la IA identifica alimentos y calcula calorías. Capa multi-proveedor (Anthropic / OpenAI / Gemini) para no depender de nadie, con prompts versionados aparte.
Gestor de contraseñas zero-knowledge. El cifrado ocurre en tu navegador con Web Crypto (PBKDF2 600k + AES-GCM); el servidor nunca ve tus datos. Si olvidas la clave maestra, no la recupera nadie. Tampoco yo: así está diseñado.
Por confidencialidad hablo de rol y capacidades, no de sistemas internos ni del nombre de la empresa.
Como especialista en IA, diseño y mantengo la infraestructura de IA de toda la empresa: las herramientas, los agentes y las integraciones con las que trabaja el resto.
Servidores MCP propios, mensajería entre agentes y un catálogo de skills internas que cualquiera puede usar.
Sistemas multi-agente: reparto de trabajo, relevos de contexto entre sesiones y patrones de paralelo, pipeline y debate.
Paneles y monitorización: estado de servidores, métricas de uso de IA y revisión de las sesiones de trabajo.
IA aplicada al negocio de moda y ecommerce: catálogo, soporte multimarca, stock e integraciones con los sistemas existentes.
Con lo que más choco en la IA es con la memoria. Me monté mi propia solución: cada sesión se cierra en un documento y la siguiente lo lee para reconstruir el contexto donde lo dejé.
Despliegue, gestión de secretos y autenticación centralizada para todas las apps. La capa menos vistosa, y la que decide si algo aguanta en producción.
Pruebo modelos locales y nuevas integraciones antes de meterlas en producción. La mayoría no entra, y para eso está el banco de pruebas.
De la idea al despliegue que luego hay que mantener. Si no llega a producción y aguanta, para mí no cuenta.
Benchmarks reproducibles, mismas semillas. Si no rinde, lo descarto —como el bot «avanzado» de Hanabi, que no superaba al simple.
MCPs, agentes con permisos acotados, relevos entre sesiones. La IA ejecuta de verdad sobre la plataforma.
Un equipo de agentes con roles: explorar, diseñar, implementar, auditar. Paralelo, pipeline o debate según el problema.
Marco lo que no he verificado y señalo riesgos. No halago. La confianza se gana contando también lo que falla.
Front vanilla sin build cuando no hace falta tooling. Elijo la herramienta según el problema que tengo delante.
Soy José Moya. Llevo toda mi vida desarrollando software y, durante diez años, formé parte del equipo que expandía un API bancario. Cuando la IA dejó de ser un juguete y empezó a construir software de verdad, reorienté todo mi trabajo hacia ahí.
Bajo la marca alphaweb.es han salido todos mis proyectos personales. La IA no me quita el criterio: me acelera la ejecución. El qué y el cómo siguen siendo decisión mía, y así han ido saliendo en paralelo más de diez productos propios.
Hoy soy especialista en IA en una empresa de moda: construyo la infraestructura para que todo el mundo pueda trabajar con IA. MCPs, agentes, dashboards e integraciones metidos en procesos internos reales.
Notas sobre IA aplicada: qué funcionó, qué descarté y por qué. Pronto.