
Mi equipo IA: cómo organizo agentes, subagentes y QA para construir producto real
Cómo organizo agentes de IA con roles, contexto, límites, QA independiente y criterios de cierre para trabajar sobre Enolisa como producto real.

Cómo organizo agentes de IA con roles, contexto, límites, QA independiente y criterios de cierre para trabajar sobre Enolisa como producto real.
El proceso que sigo en Enolisa para transformar ideas, feedback y problemas técnicos en documentos de trabajo detallados antes de desarrollar.
Una mirada práctica a cómo utilizo instrucciones locales, subagentes, documentación viva y skills para trabajar con IA sobre un producto real sin perder control técnico.
Una reflexión práctica sobre cómo trabajar con IA, qué habilidades profesionales ganan valor y por qué el criterio, la validación y la capacidad end-to-end serán cada vez más importantes.
Un caso de estudio técnico-producto sobre cómo evolucioné la Vinoteca de Enolisa con control de stock, auditoría de movimientos, analítica local y una UX pensada para el uso real.
Una reflexión técnico-producto sobre cómo convertí el escaneo de etiquetas de vino en una línea monetizable, equilibrando coste variable, experiencia de usuario, negocio, arquitectura y QA.
Cómo convertí la publicación de Enolisa en iOS en un proceso de producto, documentación, QA y trazabilidad, usando IA para ordenar contexto, revisar criterios y preparar una entrega más sólida.
Un vistazo técnico al orquestador de engagement de Enolisa: un sistema totalmente serverless, modular y basado en eventos que coordina reglas, estados de usuario y notificaciones push.
Enolisa integra un sistema de IA aplicado basado en Genkit y Google Gemini para generar recomendaciones y maridajes de vino personalizados, con arquitectura orquestada en Firebase y gobierno operat...
Tras múltiples iteraciones, Enolisa logra integrar correctamente el flujo de notificaciones push en iOS con Firebase Cloud Messaging y APNs, consolidando un modelo estable y multiplataforma para me...