AI Engineer que shippea el sistema entero: agentes, RAG, evals y la economía para correrlos.

Soy Nicolás Mastakas (Nico), AI Engineer. Construyo el sistema alrededor del modelo, no solo los prompts: agentes que hacen trabajo autónomo real, retrieval que se mantiene fundamentado, evals que gatean la calidad, fine-tuning cuando rinde, y la economía de tokens para correr todo eso en producción. Lo encaro como ingeniero de producto, no de features: me quedo con cómo se siente la cosa (el timing, el caso borde, la línea que nadie lee), porque es respeto por quien usa lo que hago. Más de seis años shipeando en solitario de punta a punta, autodidacta en un campo que se mueve cada semana.

Decido dónde termina el código determinista y dónde empieza un modelo, y después hago al modelo responsable: medido con evals, acotado en costo, y honesto con un humano en el loop donde la confianza importa.

• Monorepos, un solo sistema de tipos: mobile, web y backend comparten tipos, así un contrato cambia en un solo lugar.
• Gates deterministas: typecheck, lint, test, build. Innegociable, antes de que algo salga.
• Observabilidad desde el día uno: tablas de errores y estados de UI honestos, no un 'desconocido' caja negra pegado después.
• Integraciones que sobreviven al mundo real: los syncs externos tratan cada webhook como un ping para releer el estado, así un evento reintentado o fuera de orden converge en lugar de duplicarse (LedgerBridge).
• IA agnóstica de proveedor: gratis y local por defecto, frontera cuando se lo gana, con el trade-off medido (shoebox: ~90% de la nube a $0).
• Agentes en los que confío: loops de tool-use acotados con topes duros de costo, input no confiable marcado como dato, y un eval que gatea el PR (rubric: κ 0.81). No a ojo.
• Humano en el loop por diseño: el modelo muestra probabilidad; una persona decide donde la confianza importa de verdad.