Desde 2013 trabajo en ingeniería de software, seguridad web y soporte de producción; hoy construyo las partes poco glamorosas que hacen confiables las plataformas SaaS y de e-commerce: sistemas backend, pagos y suscripciones, y los pipelines de prueba y despliegue que los protegen. Seis de esos años fueron dentro del ecosistema WordPress, en el equipo detrás de WPML. Me gustan los sistemas que siguen funcionando después de entregarlos.
CV General ·Backend ·WordPress y PHP
Los equipos de soporte no tenían una visión común de qué clientes importaban más. Construí el sistema que los puntúa y ordena automáticamente, del repositorio vacío a producción en AWS como único ingeniero: motor de scoring, tarea diaria de clasificación, alertas en el chat y un panel con modo de vista previa para que perfiles no técnicos pudieran ajustar los umbrales por su cuenta. Luego escribí la guía, formé a los responsables y lo entregué.
El pipeline diario de extremo a extremo de una gran plataforma de e-commerce pasaba 4 de 24 jobs; una suite inestable que bloquea los merges frena a todo el equipo. Reescribí las pruebas para las nuevas interfaces, hice determinista la preparación de datos, arreglé el checkout con Stripe y PayPal en clones efímeros de CI y repartí la etapa entre ejecutores en paralelo. 24/24 en verde, casi el doble de rápido, y así se mantuvo.
Load shedding en la capa de aplicación: limita cuántos visitantes navegan a la vez y pone al resto en una cola por orden de llegada, con posición en vivo y admisión automática. El núcleo es la admisión atómica bajo un named lock de MySQL, diseñada para fallar hacia la cola y nunca más allá del límite, y una suite e2e que demuestra que 20 visitantes en paralelo con límite 5 producen exactamente 5 admisiones. Reconstruido en 2026 a partir de mi versión de 2023; el repositorio documenta cada defecto original y su corrección. Publicado en el directorio oficial de plugins de WordPress.org tras la revisión del Plugins Team. Código en GitHub.
Los equipos de métricas pagan por miles de series que nadie mira, porque borrar cualquiera sin evidencia parece peligroso. wallflower audita lo que Prometheus o Mimir ingiere frente a lo que los dashboards y alertas de Grafana consumen realmente, analizando cada expresión PromQL con el propio parser de Prometheus, clasifica el desperdicio por cardinalidad y costo, y genera las reglas de descarte para recuperarlo. Funciona como gate de CI que solo falla ante regresiones y produce un informe HTML autocontenido; un entorno de demostración determinista con Mimir + Grafana sirve también como fixture de e2e, así que la CI comprueba que la auditoría encuentra exactamente el desperdicio plantado.
Una CLI en Go que analiza white papers públicos de negocio en busca de dolores recurrentes y clasifica candidatos a oportunidades de SaaS con citas a las fuentes: un pipeline de 13 etapas entre descubrimiento, ingesta, embeddings y análisis con LLM. Deliberadamente compliance-first: respeta el robots.txt, nunca elude los muros de pago y almacena resúmenes en lugar de los documentos.