Saltar al contenido
Noel Barral
EN
Menú

Abierto a vacantes · Remote/Hybrid en Granada, España

Noel Barral .md Senior AI Solutions & Automation Engineer

Arquitectura de sistemas de IA aplicada, pipelines deterministas de automatización e infraestructura resiliente de producción. Más de 20 años integrando la ingeniería de sistemas con la resolución de cuellos de botella de negocio.

Contacto directo · [email protected]
Noel Barral
  • Python
  • n8n
  • Supabase
  • Qdrant
  • Docker
  • Linux Debian
  • Nginx
  • Git
  • Tailscale
  • Cloudflare
  • Redis
  • Firecrawl
  • Zammad
  • Mistral OCR
  • Gemini Vision
  • JEV (TypeSafe)
Ingeniería de sistemas e infraestructura
20+ años
Servidores Linux dedicados en producción
11+ años
Arquitecturas desplegadas, descritas abajo
4

Engineering Pillars

Tres pilares, una sola pila

No colecciono tecnologías: diseño sistemas donde el modelo, el flujo y el servidor que los sostiene se piensan juntos.

01

Applied AI & Knowledge Retrieval

  • Diseño e implantación de arquitecturas RAG (Retrieval-Augmented Generation) de grado productivo.
  • Desacoplamiento de bases de conocimiento en capas (estática, contextual, dinámica) y bases vectoriales (pgvector, Qdrant).
  • Integración de flujos de supervisión humana en bucle (Human-in-the-Loop) para mitigación de alucinaciones y evolución continua del contexto.

02

Process Automation & Data Pipelines

  • Orquestación de flujos de misión crítica con n8n, scripts en Python y consumo/exposición de APIs RESTful.
  • Pipelines de extracción masiva de datos (web scraping distribuido), normalización métrica y estructuración JSON/XML.
  • Automatización orientada a eventos (event-driven) mediante webhooks asíncronos y colas de mensajes.

03

Platform Infrastructure & DevSecOps

  • Administración y bastionado (hardening) de entornos dedicados Linux (Debian/Ubuntu) acumulada durante más de una década.
  • Despliegue de arquitecturas contenerizadas sobre Docker e interconexión segura punto a punto mediante malla Tailscale.
  • Protección perimetral con Cloudflare (WAF, DNS, DDoS) y observabilidad/auditoría continua con Wazuh SIEM y Grafana.

Case Studies

Arquitecturas en producción

Cuatro sistemas que están funcionando ahora mismo. No son ejercicios: cada uno resolvió un cuello de botella medible.

Caso 01

Sistema RAG & triaje operativo multicanal

Plataforma operativa de soporte y resolución de incidencias en mensajería low cost, con atención escrita y telefónica.

El problema

Saturación de canales de soporte por consultas repetitivas de seguimiento, cotización y gestión de incidencias logísticas con alta variabilidad contextual, tanto por escrito como por teléfono.

La solución técnica

  • Despliegue de mesa de ayuda conectada bidireccionalmente con un motor de orquestación y un almacén de datos relacional y vectorial para los casos, las conversaciones y el estado del triaje.
  • Arquitectura RAG híbrida: búsqueda densa en bases vectoriales combinada con reglas heurísticas de triaje directo.
  • Extracción de texto y datos desde imágenes, albaranes y facturas mediante flujos de visión: OCR para documentos y comprensión visual, de modo que el triaje dispone del contenido aunque el cliente solo envíe una foto.
  • Atención de voz: sistema que vigila los buzones telefónicos, transcribe los mensajes, los clasifica con el mismo motor de triaje y responde de forma automática cuando el caso no exige un operador humano.
  • Protocolo Human-in-the-Loop: patrones de evaluación determinista con umbrales de confianza, de modo que los casos que quedan por debajo se enrutan a operadores humanos con borradores pregenerados, retroalimentando la base vectorial con cada validación.

Caso 02

Ingesta inversa de catálogos & generación visual de reformas

Automatización de presupuestos técnicos para CID Construcciones.

El problema

Dispersión y heterogeneidad de catálogos técnicos de proveedores de construcción, cotas no estandarizadas y lentitud en la generación de presupuestos visuales para clientes.

La solución técnica

  • Desarrollo de pipelines de extracción sistemática mediante scraping para captura masiva de imágenes, cotas y fichas técnicas.
  • Normalización métrica e ingesta de metadatos en esquemas de base de datos relacionales.
  • Conexión con modelos generativos de visión para proyectar modificaciones sobre planos y generar presupuestos técnicos automatizados.
  • Stack:
  • Python
  • BeautifulSoup / Playwright
  • Next.js
  • REST APIs
  • Computer Vision

Caso 03

Ingesta unificada de leads & filtrado heurístico de spam

Infraestructura de captación para Mudanzas Go.

El problema

Fragmentación de solicitudes provenientes de múltiples landings independientes y saturación operativa por leads basura o spam automatizado.

La solución técnica

  • Centralización de webhooks asíncronos en n8n.
  • Capa intermedia de filtrado determinista anti-spam y validación de entidades (teléfono, código postal, volumen de carga).
  • Integración con base de conocimiento corporativa para disparar respuestas operativas asistidas y sincronización en tiempo real con CRM.
  • Stack:
  • n8n
  • Cloudflare Workers/WAF
  • Webhooks
  • OpenAI API

Caso 04

Ontología industrial B2B & grafo de compatibilidades Stealth mode

Plataforma SaaS industrial en fase de desarrollo.

El problema

Extrema fragmentación en códigos de repuestos OEM frente a marcas alternativas (aftermarket), provocando errores de compra y catálogos desconectados.

La solución técnica

  • Diseño de un modelo ontológico y base de datos relacional/vectorial optimizada para mapear referencias cruzadas.
  • Pipeline de ingesta masiva con resolución semántica de equivalencias entre fabricantes.
  • Motor de búsqueda semántica tolerante a errores tipográficos y jerga técnica del taller.
  • Stack:
  • FastAPI / Python
  • Qdrant
  • Docker
  • Tailscale

The Trajectory

De la máquina física a los sistemas de IA

La ingeniería de soluciones moderna no se sostiene en un vacío de librerías en la nube. Mi trayectoria técnica comenzó hace más de dos décadas en Estados Unidos montando redes LAN y configurando servidores Windows NT y Mac en Montachusett Regional Vocational Technical School (Monty Tech).

Esa base física se consolidó trabajando directamente en la infraestructura crítica y conmutación de datos en los Data Centers de ONO y Orange, y administrando durante más de 11 años servidores dedicados Linux en producción bajo DoctorSEO. Cuando diseño una solución con LLMs o automatizo un flujo con n8n, no solo entiendo la llamada a la API: comprendo la memoria del contenedor, el túnel cifrado de red, la seguridad del puerto y la viabilidad del modelo de negocio.

  1. 2002 — 2003 Monty Tech · IT Shop

    Redes LAN, Windows NT y Mac. La base física de todo lo que vino después.

  2. Data Centers ONO / Orange

    Infraestructura crítica y conmutación de datos en sala.

  3. 11+ años DoctorSEO · Linux en producción

    Administración de servidores dedicados, bastionado y continuidad de servicio.

  4. Actualidad IA aplicada y automatización

    Arquitecturas RAG, orquestación con n8n y plataformas contenerizadas en producción.

Fuera de la Oficina

Fuera del teclado

Esquí, motociclismo, fotografía, ciclismo, Magic: The Gathering y seguridad ofensiva: lo que explico en seis fotos.

Ver mis aficiones

Contact

Hablemos de sistemas

Abierto a contratos remotos y posiciones sénior de ingeniería (España / UE).

Email [email protected] LinkedIn linkedin.com/in/noel-barral