Skip to content

jdpinetta.ink — portfolio / 2026

Jonathan “Nagui” Pinetta

Arquitecto de producto, escritor técnico y constructor de sistemas de IA.

Diseño sistemas de documentación, flujos de localización, herramientas con IA e interfaces de producto que convierten operaciones complejas en sistemas usables.

Ver trabajo Contacto
  • sistemas de IA
  • documentación
  • localización
  • herramientas para developers

01 / Trabajo seleccionado

Proyectos destacados

Nueve sistemas construidos de punta a punta — desde definir el problema y la arquitectura hasta el producto en funcionamiento. Plataformas de ejecución, motores de localización, herramientas de evaluación y consolas de operador.

Sistema de ejecución

Dark Factory

Plataforma de ingeniería de producto con IA — desde la entrevista de diseño hasta el spec, el wireframe, la corrida del pipeline y el artefacto publicado.

Problema
El trabajo de producto asistido por IA se fragmenta entre chat, docs y tickets — dejando specs sin seguimiento, corridas irrevisables y decisiones sin forma de comparar.
Qué construí
Una plataforma full-stack que cubre todo el ciclo de diseño a entrega: sesiones de entrevista, síntesis de specs, wireframes, corridas de pipeline, scoring de calidad y publicación de artefactos — todo anclado a IDs de corrida.
Por qué importa
Trata cada decisión de producto como una corrida trazable y repetible — no como un chat log. Los specs se comparan. Las corridas se comparan. Los artefactos se publican.
  • Multi-agente
  • Spec-first
  • Full-stack
Página del producto
Control de migración

Migrai

Plataforma local-first para analizar, migrar y monitorear sistemas con IA entre distintos proveedores de modelos — con evidencia de comportamiento verificada.

Problema
Las funciones de IA acoplan el código a un proveedor sin que se note — y "¿qué implicaría cambiar?" se responde por intuición en vez de evidencia.
Qué construí
Una consola local con un escáner de acoplamiento determinista (cada hallazgo citado a archivo y línea), grafo de capacidades, chequeos de compatibilidad, planificador de migración, runtime de apply/rollback reversible y un monitor de ejecución basado en eventos — 19 hitos, cada uno cerrado con specs, ADRs e informes de verificación.
Por qué importa
Trata la migración de proveedor como una operación de ingeniería: escanear → evaluar → planificar → aplicar → validar, con rollback por construcción y 450 tests más 15 escenarios e2e detrás.
  • Neutral a proveedores
  • Evidence-first
  • Local-first
Página del producto
Gobernanza de agentes

AEO Kit + AEO Console

Schema, CLI y herramientas de consola para gobernar interfaces orientadas a agentes.

Problema
Las herramientas y políticas de agentes se desalinean cuando los equipos las definen a través de prompts dispersos y archivos de configuración.
Qué construí
Un monorepo en TypeScript con schema, motor central de build/audit/policy, CLI y emisores orientados a OpenAI/MCP, junto a una consola local en SvelteKit/Tauri que usa SQLite y Drizzle.
Por qué importa
Trata las herramientas de agentes como interfaces gestionadas que se pueden validar, testear y operar localmente.
  • Schema
  • CLI
  • Local-first
Página del producto
Prototipo de plataforma

NexusAI Platform

Prototipo de alta fidelidad de una consola de operaciones de IA, con datos local-first y UI de orquestación.

Problema
Los conceptos de plataformas de IA necesitan una arquitectura de información y flujos de operador creíbles antes de invertir en el backend completo.
Qué construí
Un prototipo en SvelteKit con dashboard, logs, modelos, jobs, chat, workbench, canvas de orquestación, SQLite del lado del cliente con sql.js, sincronización opcional con Supabase y cobertura de tests.
Por qué importa
Demuestra pensamiento de plataforma, UX de operador y un camino de migración de mock a nube, sin fingir ser un backend de producción.
  • Prototipo
  • UX de operador
  • sql.js
Página del producto
Motor de localización

Omniglot

Sistemas de localización para flujos de traducción estructurados, ingesta de archivos, QA, TM y soporte de glosario.

Problema
Los flujos de localización se rompen por formatos desordenados, pérdida de contexto, QA inconsistente y traspasos basados en planillas.
Qué construí
Omniglot Wrapper para flujos de importación/exportación intensivos en archivos y validación, más Omniglot Next Gen como plataforma spec-driven para proyectos, keys, documentos, TM/glosario, QA y asistencia de IA supervisada.
Por qué importa
Conecta la experiencia en localización con ingeniería de producto asistida por IA y diseño de flujos operativos.
  • Localización
  • Spec-driven
  • ETL
Página del producto
MLOps local

TuneKit

Plataforma local de fine-tuning — corridas de entrenamiento, registro de adaptadores, suites de evaluación y analítica de eficiencia en una sola UI de operador.

Problema
El fine-tuning local está disperso entre scripts, logs de terminal y notebooks improvisados — lo que hace difícil trackear, comparar o transferir las corridas.
Qué construí
Una UI full-stack de MLOps con kits iniciales, recetas de datasets, historial de corridas de entrenamiento, métricas en vivo, un registro versionado de adaptadores, suites de evaluación y un chat lab para validar modelos.
Por qué importa
Lleva estructura de MLOps de producción a la experimentación local con LLMs — cada corrida es reproducible, cada adaptador está versionado, cada resultado es inspeccionable.
  • Fine-tuning
  • Adaptadores
  • Local-first
Página del producto
Inteligencia de señales

Noise Distiller

Plataforma de agregación de feeds e inteligencia — clustering de eventos correlacionados, briefings con IA y un pipeline de síntesis para investigación con mucha señal.

Problema
El monitoreo de señales e investigación está fragmentado entre decenas de feeds, sin una capa que correlacione eventos, revele patrones o genere briefings estructurados.
Qué construí
Una plataforma de inteligencia full-stack con ingesta de feeds multi-fuente, análisis de clusters correlacionados, briefings generados por IA, un pipeline de síntesis para generar artefactos, y flujos de advisor y monitoreo.
Por qué importa
Convierte un torrente de fuentes en inteligencia estructurada — clusters correlacionados, briefings con linaje de fuentes, y artefactos de síntesis replayables y comparables.
  • Agregación de feeds
  • Inteligencia
  • Síntesis
Página del producto
Evaluación de LLMs

Benchy

Plataforma de benchmarking de código para LLMs — corpus de producción reales, evaluación multi-tarea y análisis por modelo con métricas de recall, alucinación y decaimiento.

Problema
Los benchmarks de LLMs se basan en datasets sintéticos que no reflejan cómo se comportan los modelos en código de producción real y denso — lo que vuelve la selección de modelos para tareas de ingeniería mayormente una apuesta.
Qué construí
Un runner de benchmarks y plataforma de análisis que usa corpus de código de producción real para evaluar modelos en tareas de recall-verbatim, composición, simplificación, generación de docs y reparación — con leaderboards, drill-down por función, tracking de alucinaciones y análisis de curvas de decaimiento.
Por qué importa
Fundamenta la evaluación de modelos en tareas de código del mundo real. La capa de análisis muestra no solo la precisión, sino la tasa de alucinación, el recall según la posición y los modos de falla por función.
  • Benchmarking
  • Corpus de código
  • Multi-modelo
Página del producto
Herramienta para developers

Night Loop

Sistema operativo de proyecto spec-first para desarrollo agéntico — ciclo de vida de tareas, sesiones de trabajo, visibilidad operativa y métricas de entrega en una TUI synthwave.

Problema
Los flujos de desarrollo agéntico se fragmentan entre terminales, docs y chat — no hay una superficie unificada para trackear tareas, sesiones, specs y señales de riesgo en un solo lugar.
Qué construí
Un sistema operativo de proyecto spec-first con una TUI synthwave — tareas, sesiones de trabajo, specs, contexto, visibilidad, métricas de entrega, inteligencia de revisión y scoring de riesgo operativo — todo local, respaldado en el sistema de archivos.
Por qué importa
Trata el ciclo de desarrollo agéntico como infraestructura: cada sesión queda registrada, cada tarea es trazable, y la TUI da estado operativo en tiempo real sin salir de la terminal.
  • TUI
  • Spec-first
  • Local-first
Página del producto

Patrones recurrentes

Decisiones de arquitectura que se repiten a través de estos sistemas.

  • Desarrollo spec-first

    Specs y planes guían el trabajo: las corridas de Dark Factory, los artefactos de interfaz de AEO y el árbol de specs autoritativo de Omniglot Next Gen.

    Dark Factory · Omniglot · AEO Kit + AEO Console

  • Arquitectura agnóstica al modelo

    Corridas en seco, LLMs locales y opciones de proveedor intercambiables donde están implementadas — sin atar todo el stack a un solo proveedor.

    Dark Factory · NexusAI Platform · TuneKit · Migrai

  • Local-first + híbrido con nube

    Estaciones de trabajo y rutas local-first con SQLite, con sincronización u hosting en la nube opcional donde el repo realmente lo conecta.

    TuneKit · NexusAI Platform · AEO Kit + AEO Console

  • Validación humana en el loop

    Flujos orientados a la revisión: QA en contexto de Omniglot, revisión de segmentos y chequeos estilo experto de dominio.

    Omniglot

  • Flujos deterministas

    Modo dry, chequeos de CLI y pipelines orientados a artefactos, para que los resultados sean inspeccionables en vez de un chat aislado.

    Dark Factory · AEO Kit + AEO Console · Migrai

  • UI como superficie operativa

    Consolas y prototipos construidos como superficies de operador — dashboards, jobs, tuning, configuración — no narrativas solo de slides.

    NexusAI Platform · AEO Kit + AEO Console · TuneKit

02 / Capacidades

Con qué construyo

  • Diseño de producto con IA

    Diseño funciones de IA a partir de flujos reales — agentes, copilotos y pipelines que se ganan su lugar en el producto.

  • Sistemas de documentación técnica

    Docs como infraestructura: arquitectura de la información, pipelines de contenido y bases de conocimiento que se mantienen precisas mientras el producto avanza.

  • UX writing y microcopy

    Lenguaje de interfaz que transmite el modelo del sistema — estados, errores, pantallas vacías y las palabras entre clics.

  • Arquitectura de localización

    Flujos de traducción, sistemas de glosario y pipelines por lotes que escalan contenido entre idiomas sin perder el control.

  • Prototipado de producto en SvelteKit

    De la idea a una superficie de producto funcional, rápido — tipado, componentizado y listo para ponerlo frente a usuarios reales.

  • Automatización de flujos

    Bots, programadores e integraciones que eliminan el ciclo manual entre herramientas que la gente ya usa.

  • Diseño de agentes y sistemas RAG

    Recuperación, fundamentación y orquestación de agentes diseñadas para la trazabilidad — respuestas que podés auditar, no solo generar.

03 / Filosofía

Cómo trabajo

  1. Sistemas antes que pantallas.

  2. La documentación es infraestructura del producto.

  3. La IA debería reducir la fricción operativa, no sumar abstracción.

  4. Las interfaces deberían exponer la verdad, no complejidad decorativa.

04 / Sobre mí

Detrás de los sistemas

Trabajo entre producto, documentación, localización y herramientas de IA. Mi enfoque es convertir flujos desordenados en sistemas estructurados: bases de conocimiento, pipelines de traducción, herramientas de automatización, interfaces de agentes y productos para developers.

  • Arquitectura de producto
  • Escritura técnica
  • UX writing
  • Localización
  • Herramientas de IA
  • Automatización

05 / Contacto

Construyamos un sistema

Disponible para trabajo de producto, herramientas de IA, sistemas de documentación y arquitectura de localización.