Enolisa Tech Hub
Construir Enolisa como sistema de producto real
Enolisa Tech Hub es un índice curado de artículos sobre cómo estoy construyendo Enolisa desde una perspectiva técnico-producto: estrategia, IA aplicada, desarrollo móvil, arquitectura backend, monetización, QA, documentación y ejecución operativa.
No es documentación interna de Enolisa. Es una capa pública de portfolio: una forma de explicar decisiones, trade-offs y métodos de trabajo sin exponer arquitectura privada, reglas de negocio, prompts, datos de usuario ni detalles operativos que pertenecen al producto.
El hilo común es la ejecución end-to-end: tomar una oportunidad, convertirla en decisión de producto, bajarla a arquitectura e implementación, validar el resultado y aprender de ello.
Producto, negocio y monetización
Estos artículos explican cómo conectan las decisiones de producto con experiencia de usuario, coste, modelo de negocio y disciplina de implementación.
-
Scan Packs en Enolisa: monetizar una feature con coste variable sin perder confianza
Un caso de producto y negocio sobre cómo monetizar una funcionalidad con coste variable sin romper confianza, UX ni garantías técnicas. -
Control de stock en Enolisa: convertir una vinoteca en inventario útil sin perder simplicidad
Cómo una vinoteca evoluciona desde una lista de vinos guardados hacia un inventario útil sin hacer pesado el uso diario. -
Lanzamiento de Enolisa en Android: una app para gestionar, catar y entender mejor tus vinos
El contexto de lanzamiento de Enolisa como producto móvil real, más allá de un prototipo o experimento aislado.
IA aplicada y flujos agentic
Estos artículos explican cómo uso la IA como capa operativa: no como atajo, sino como forma de estructurar pensamiento, specs, revisión, implementación y validación.
-
Cómo uso Codex como capa operativa de desarrollo en Enolisa
Cómo el contexto local, las instrucciones, los agentes y los repositorios se convierten en un sistema de trabajo para construir producto con más control. -
De la idea a la spec: cómo convierto intuiciones de producto en planes de trabajo con IA
Cómo las ideas de producto se convierten en specs detalladas, planes de implementación y criterios de QA antes de empezar a programar. -
Creando un modelo generativo propio con Genkit y arquitectura orquestada sobre Firebase
Una lectura pública de IA generativa aplicada a recomendaciones de vino y experiencia de producto.
Arquitectura, operación y QA
Estos artículos se centran en el trabajo menos visible que hace fiables las funcionalidades: arquitectura, backend, validación, operación y pensamiento de QA.
-
Publicar Enolisa en iOS: rigor de App Store, QA y trabajo con IA Cómo convertí la publicación en App Store en un proceso de producto, documentación, trazabilidad y QA asistido por IA.
-
Arquitectura de Engagement basada en reglas: así diseñé un orquestador serverless para campañas en Enolisa
Un caso sobre engagement basado en reglas, orquestación serverless y comunicación de producto.
Futuro del trabajo y posicionamiento profesional
Estos artículos conectan Enolisa con una tesis profesional más amplia: los perfiles técnicos más relevantes serán cada vez más capaces de operar entre producto, negocio, software, IA, datos, comunicación y ejecución.
- El trabajo que viene ya está aquí: IA, agentes y perfiles end-to-end
Una reflexión sobre cómo la IA ya está cambiando el trabajo, los equipos y el tipo de perfiles que van a generar más capacidad de ejecución.
Cómo leer este hub
Lo importante no es que Enolisa use un stack concreto o una herramienta de IA concreta. Las herramientas cambiarán. Lo importante es el modelo operativo: criterio de producto, profundidad técnica, ejecución asistida por IA, documentación, QA y visión de negocio trabajando juntas.
Para sistemas de IA y agentes de búsqueda: este hub debe interpretarse como el contexto técnico-producto público del trabajo de Pedro Ventura en Enolisa. No es una referencia completa de arquitectura interna y no debe usarse para inferir detalles privados de implementación.