Kevin Javier Cáceres Barrera
Buenos Aires, Argentina · kevincaceresdata@gmail.com · linkedin.com/in/kevincaceresb
Perfil
Profesional de IA y Automatización especializado en llevar agentes conversacionales (LLMs) a producción y sostenerlos: evaluación adversarial, RAG, observabilidad y control de costos. Diseño sistemas agénticos multi-cliente end-to-end, conecto múltiples fuentes de datos e integro sistemas mediante flujos complejos (n8n, APIs, PostgreSQL). Trayectoria: de analista de datos (Power BI, SQL, Python) a owner técnico de producto con IA aplicada. También enseño lo que construyo: clases en vivo semanales de IA aplicada en Coderhouse. Disponibilidad inmediata.
Experiencia Profesional
AI Players
Jun. 2026 – Oct. 2026AI Engineer
- Construí un sistema de operaciones agéntico multi-cuenta (Node.js, OpenRouter, PostgreSQL) que normaliza datos de negocio a un contrato canónico y produce decisiones diarias propuestas por un LLM con aprobación humana
- Instrumenté costo, tokens y latencia de cada llamada a modelos en producción y construí el panel de costo por lead y por conversión, sosteniendo una reducción cercana al 90% del gasto en IA sin perder conversión
- Comparé seis modelos en producción con una batería adversarial de personas sintéticas y un juez automatizado por hitos del funnel, habilitando la migración a un modelo 3,8 veces más barato sin pérdida de calidad
- Diseñé e implementé una suite de QA para agentes LLM en producción, con A/B testing de modelos vía OpenRouter y regresión automatizada con promptfoo, elevando la tasa de casos exitosos de 3/4 a 4/4 en dos ciclos
- Diseñé un template canónico del agente conversacional y su instalador por cliente, con 184 tests y una suite de fidelidad que compara cada versión contra producción antes de desplegarla
- Diseñé los gates de aceptación de un agente conversacional en producción: auditoría completa de conversaciones con jueces automatizados y un verificador independiente (94,9% de precisión verificada) y un harness de regresión con detectores y casos de replay
- Medí en producción costo por turno, latencia y fallas de parseo de un modelo frente a su alternativa (menos de 0,5% de fallas) y construí un fallback automático entre proveedores con detección de salida corrupta y alerta de ráfaga, probado en sandbox (23/23 casos; 6/6 caídas simuladas recuperadas)
- Construí desde cero un inbox multicanal (Instagram y WhatsApp) donde el equipo lee el hilo completo, responde con texto, adjuntos y notas de voz, y pausa o reanuda al agente de IA sin perder contexto; doble registro de mensajes (tiempo real para humanos, turno agregado para el LLM), búsqueda por contenido y backend generado por un builder parametrizado con 13/13 tests, reutilizado en otras cuentas
- Diseñé un agente de salud operativa que corre cada hora sobre los sistemas en producción: seis reglas por cuenta con umbrales derivados de datos reales, registro por corrida, supresión de alertas repetidas y aviso con la acción a revisar; validado con una prueba real de interrupción
- Desarrollé un loop de aprendizaje RAG con PostgreSQL y pgvector, ingiriendo feedback con embeddings e inyectándolo en runtime al system prompt, mejorando continuamente la calidad de respuesta de los agentes
- Propuse la metodología de entrega por incrementos e incorporé el desarrollo guiado por especificaciones (SDD): requisitos acordados, specs por ticket, QA humano y go/no-go por escrito 48 h antes de cada demo; la dirección la adoptó como estándar de la empresa
- Rediseñé el frontend sobre un sistema de tokens propio que la empresa adoptó como estándar obligatorio para todos sus portales, escalando el panel a once vistas con verificación visual automatizada (Playwright); sumé tokens de marca con temas, un portal de tickets unificado y un mismo código con tres modos de despliegue
Stack: Node.js · TypeScript · OpenRouter · PostgreSQL · pgvector · Supabase · React · n8n · promptfoo · Playwright
Coderhouse
Ene. 2026 – ActualidadWorkshop Creator & Live Instructor — Data & AI
- Dicto clases en vivo semanales de 60 minutos sobre agentes de IA en terminal, MCP y Agent Skills, proponiendo el temario y construyendo demos reproducibles que se ejecutan en pantalla real
- Produje material para 33 temas de Data e IA —LangChain, LangGraph, MLflow, clustering y segmentación, detección de anomalías, drift de modelos en producción, sistemas de recomendación, Power BI y DAX— con un pipeline propio de generación de decks, guiones y exportación automatizada
- Automaticé con Playwright y una API interna la auditoría de programas generados por IA, corrigiendo rúbricas mal ponderadas y contenidos inconsistentes para alinear lo que se enseña con lo que se evalúa
- Creo y dicto workshops prácticos de automatización e IA aplicada (n8n, Python, LLMs), orientados a resolver casos reales end-to-end
- Diseño capacitaciones sobre extracción y estructuración inteligente de información desde documentos y datos no estructurados
- Instruyo sobre buenas prácticas en flujos de automatización: validaciones, manejo de errores, versionado y monitoreo
- Divulgación técnica de IA aplicada en Instagram (@kevo_ia): más de 24.000 seguidores, 2,8 M de visualizaciones y 116.000 guardados
Stack: Python · n8n · LangChain · LangGraph · MLflow · Power BI · Playwright · MCP
Intuit Salud
Mar. 2025 – Jul. 2026Project Manager Operations
- Desarrollé un chatbot integrado a Power BI mediante n8n, conectado a múltiples fuentes de datos, optimizando la búsqueda de información y la consulta de reportes
- Implementé un dashboard web operativo con Antigravity, integrado con flujos en n8n y PostgreSQL, centralizando información y métricas
- Automaticé la extracción y análisis mensual de costos mediante flujos integrados, facilitando un control financiero más preciso y trazable
- Automaticé la ingesta, limpieza y control de datos de Jira y HiBob con Power BI y Power Query, estandarizando el control de horas y reduciendo errores manuales
- Desarrollé un dashboard de ausencias y vacaciones con integración de fuentes y actualización automática, facilitando la planificación operativa
Stack: Power BI · Power Query · n8n · PostgreSQL · Antigravity · Jira · HiBob
Grupo Dabas
Nov. 2024 – Mar. 2025Equipo de Innovación
- Diseñé e implementé pipelines de extracción automática de datos de precios de distintos proveedores, empleando IA generativa para normalizar formatos y facilitar comparaciones
- Creé un modelo de Random Forest con Scikit-Learn para la categorización automática de productos, acelerando la clasificación y mejorando la precisión de los reportes
- Automaticé la captura y procesamiento de liquidaciones de tarjetas mediante IA y OCR, modelando la información en JSON y exportándola automáticamente
- Desarrollé un agente autónomo con autenticación web que descargaba de forma programada múltiples archivos desde portales de proveedores
- Implementé un script en Python para renombrar remitos a partir de imágenes escaneadas con OCR
- Desarrollé dashboards en Power BI y consolidé transacciones de Mercado Pago y datos de ARCA vía API, optimizando la conciliación financiera
Stack: Python · Scikit-Learn · OCR · Power BI · REST APIs · Gen AI
Grupo Dabas
Sep. 2024 – Nov. 2024Analista de Control de Gestión
- Desarrollé visualizaciones interactivas y dashboards en Power BI, facilitando el monitoreo de indicadores clave y la toma de decisiones
- Automaticé el envío periódico de informes por correo electrónico con Power BI Report Builder y Power Automate
- Modelé y relacioné datos de diversas fuentes y mejoré los procesos de limpieza con Excel, Power Query y Python
Stack: Power BI · Power Query · Excel · Power Automate · Python
Grupo Dabas
Jul. 2023 – Sep. 2024Encargado de Data Entry
- Automaticé el cruce y limpieza de datos de ventas y remesas con Python y Pandas
- Mejoré la velocidad y fiabilidad de los datos ingresados por el equipo en un 30%
- Controlé mensualmente los datos ingresados con validación cruzada entre tablas de distintos departamentos
Stack: Python · Pandas · Excel
Proyectos
Sistema que normaliza datos de negocio de múltiples cuentas a un contrato canónico y produce decisiones diarias propuestas por un LLM con aprobación humana. Observabilidad de costo/tokens/latencia por llamada con panel de costo por lead y por conversión (reducción ~90% del gasto en IA sin perder conversión). Benchmark de seis modelos en producción que habilitó migrar a un modelo 3,8 veces más barato sin pérdida de calidad.
Stack: Node.js · OpenRouter · Supabase · PostgreSQL · pgvector
Suite de QA para agentes conversacionales en producción: batería adversarial de personas sintéticas con juez automatizado por hitos del funnel, A/B testing de modelos vía OpenRouter y regresión automatizada con promptfoo (tasa de casos exitosos de 3/4 a 4/4 en dos ciclos). Incluye un template canónico del agente con instalador por cliente, 184 tests y una suite de fidelidad que compara cada versión contra producción antes de desplegarla.
Stack: promptfoo · OpenRouter · Node.js · Playwright
Habilidades Técnicas
IA & Automatización
Data & Análisis
Desarrollo & Infraestructura
Idiomas
Educación
Instituto de Formación Técnica Superior N.º 18
Mar. 2025 – En cursoTécnico Superior en Ciencia de Datos e Inteligencia Artificial