Buscar

Buscar páginas y entradas del diario…

Buscar

Buscar páginas y entradas del diario…

Leonardo Ferreira

Product Engineer · Río de Janeiro, Brasil

Leonardo Ferreira

Transformo los problemas de los usuarios en software, desde la primera pregunta hasta producción.

Más de 5 años en SaaS B2B, backend, ingeniería de datos, liderazgo de producto e IA aplicada.

Contacto y trabajo actual

Ingeniero de Software Sénior @Reach.ai

UTC−3 · Remoto

Portugués (nativo) · Inglés (fluido)

Social Links

Sobre mí

Soy Product Engineer, con más de 5 años entre ingeniería de backend y datos, gestión de producto y liderazgo técnico. Conecto las necesidades de usuarios y del negocio con software práctico, acompañando los problemas desde el descubrimiento hasta las decisiones técnicas, implementación, lanzamiento e iteración.

La adaptabilidad conecta mi trayectoria. Me gusta aprender un dominio nuevo, escuchar a quienes lo conocen y trabajar con la ambigüedad para entender qué merece la pena construir. Me muevo entre conversaciones con clientes, decisiones de producto y los detalles técnicos que hacen funcionar una solución en la práctica.

Aporto una base sólida en backend y criterio de producto, con experiencia en APIs, pipelines de datos, integraciones y sistemas orientados a eventos. Más recientemente, aplico esa experiencia a agentes de IA, centrándome en cómo se conectan con flujos reales, funcionan de forma fiable y pueden evaluarse y mejorarse. Trabajo mejor cerca del problema, asumiendo responsabilidad tanto por la ingeniería como por la experiencia que genera.

Experiencia

REACH.ai

Actualidad
Tipo de contrato
Contrato de servicios
Tiempo total en la empresa
1 a
  • Desarrollo APIs Python/FastAPI y flujos de mensajería orientados a eventos para un SaaS multitenant con más de 20 millones de SMS y emails al mes y 99,9% de fiabilidad de entrega. El sistema conecta AWS SQS, Lambda, API Gateway, Aurora/RDS, MongoDB, Redis y proveedores de mensajería.
  • Mejoré el procesamiento de colas e introduje idempotencia con Redis, reduciendo el riesgo de envíos duplicados y permitiendo una capacidad 50 veces mayor en los picos.
  • Estoy construyendo un agente de citas por voz y SMS con conversaciones de varios turnos, con Python, LangGraph, orquestación ReAct, tool calling de OpenAI y RAG sobre conocimiento del negocio. Integro APIs de disponibilidad, reserva, reprogramación y cancelación.
  • Diseñé evaluaciones de comportamiento, guardrails contra respuestas sin fundamento y observabilidad con LangSmith y registros internos de auditoría, para investigar y mejorar conversaciones y llamadas a herramientas.
  • Optimicé la latencia mediana de voz a aproximadamente 2 segundos en pruebas internas. El agente está en pruebas previas al lanzamiento; todavía no se han medido la adopción ni los resultados operativos con clientes.
  • Python
  • FastAPI
  • AWS Lambda
  • SQS
  • Redis
  • MongoDB
  • LangGraph
  • RAG
  • Evaluaciones
Tipo de contrato
Jornada completa
Tiempo total en la empresa
4 a
  • Lideré a cinco ingenieros, con responsabilidad sobre prioridades, decisiones técnicas y entregas durante la evolución del SaaS B2B veterinario.
  • Mantuve la continuidad técnica de la plataforma, reduciendo costes de infraestructura y operación mediante automatización.
  • Impulsé mejoras importantes del módulo de Historiales Clínicos: integré referencias de medicamentos, construí un portal de dispensación farmacéutica con validación externa, plantillas de recetas personalizables (registros diarios más rápidos) y flujos documentales personalizables.
  • Reestructuré la generación de PDFs de varias páginas y el procesamiento asíncrono en Guiavet, reduciendo el tiempo de aproximadamente 90 a 15 segundos (alrededor del 83%) en un flujo de documentos usado por equipos veterinarios.
  • Entregué cambios de producto de extremo a extremo en backend Python/Django, frontend Vue.js y operaciones AWS, coordinando con ingenieros séniores bajo prácticas ágiles.
  • Python
  • Django
  • PostgreSQL
  • AWS
  • Vue.js
  • SaaS
  • Generación de PDFs
  • Agile
  • Gestión de producto
  • Roadmap
  • UX
  • B2B
  • SEO
  • Agile
  • Python
  • Django
  • PostgreSQL
  • AWS
  • SQS
  • ETL
  • SQL
  • nginx
  • DDD

QDOIS - Data Intelligence

Tipo de contrato
Prácticas y jornada completa
Tiempo total en la empresa
1 a y 2 m.
  • Azure Data Factory
  • Azure Databricks
  • PySpark
  • ETL
  • Azure DevOps
  • Git

Proyectos destacados

Todos los proyectos
Football, Visualized: campo interactivo, estimación de expected goals y variables del modelo

Proyecto público · oct 2026

Football, Visualized

Una app interactiva de análisis de fútbol que hace tangible el expected goals: mueve el disparo, inspecciona las variables y explora el modelo que genera la estimación.

El campo interactivo permite cambiar las condiciones de un tiro e inspeccionar ocho variables junto a una estimación de goles esperados. Conecté un pipeline reproducible de StatsBomb Open Data con entrenamiento y evaluación de XGBoost, y llevé la inferencia al navegador con Next.js/React.

El playground está disponible en cinco idiomas e incluye metodología y resultados de evaluación. Reúne datos, ML aplicado, integración con la interfaz y trabajo de producto: los visitantes exploran el comportamiento del modelo y el repositorio muestra cómo se construyó el resultado.

  • Next.js
  • React
  • TypeScript
  • Python
  • XGBoost
  • StatsBomb Open Data

Competencias y herramientas

Producto y entrega

Conecto entrevistas y datos de uso con el diseño de flujos, la priorización y el alcance técnico. En Guiavet, adapté un producto veterinario a distintos segmentos B2B y lideré a cinco ingenieros en las entregas.

Backend y cloud

Python es mi principal lenguaje de backend. Uso FastAPI para APIs, Django para productos con reglas de dominio, PostgreSQL y MongoDB para persistencia, y Redis y colas de AWS para procesamiento asíncrono e idempotencia.

Ingeniería de datos

Construyo pipelines ETL y modelos que conectan sistemas operativos con informes y ML. En consultoría, integré bases de datos, APIs y fuentes SFTP con Azure Data Factory, Databricks y PySpark.

IA aplicada

Uso LangGraph para orquestar agentes, tool calling de OpenAI para actuar mediante APIs y RAG para recuperar conocimiento del negocio. Evaluaciones, guardrails, trazas de LangSmith y registros permiten investigar comportamiento y fallos.

Frontend

También trabajo en la interfaz cuando el producto lo requiere: Vue.js en SaaS veterinario y React, Next.js y TypeScript en Football, Visualized. El objetivo es hacer comprensible el comportamiento del backend y de los modelos.

Formación

  • Grado en Ingeniería de Control y Automatización.
  • Base sólida en matemáticas, programación e ingeniería de sistemas, con énfasis en control, automatización y desarrollo de software.
  • Sistemas de control
  • Automatización
  • Ingeniería de software
  • Matemáticas
  • Mecatrónica
  • Robótica
  • Automatización

Publicaciones(1)

Investigación sobre alternativas de acción algorítmicas en salud mental, con un marco de clasificación que incluye variables observadas y latentes.

Diario

Todavía no hay publicaciones. Aquí compartiré decisiones, notas de versión, experimentos y las evidencias que los respaldan.

Explorar el diario