Fig. 01 — AI Engineer · Lima, Perú

Llevo modelos de lenguaje a producción y ahí siguen.

Diseño el sistema entero: el retriever, la API que lo sirve, la infraestructura donde vive y la interfaz donde alguien lo usa todos los días. Prototipar es fácil; sostenerlo es el trabajo.

Disponible para remoto y freelance
rol
Head of Fullstack Development & AI Engineer · VentIA
stack
Python · FastAPI · React · Next.js · LangChain · AWS
Cómo trabajoFig. 02
problema delnegociodiseño de laarquitecturabackend, modelosy datosinfraestructuracomo códigointerfaz dondealguien lo usasistema enproducciónacá es dondela mayoríade losprototiposse quedan

// el trabajo de IA no termina en el notebook — termina cuando alguien lo usa un martes cualquiera

80%

de las consultas resueltas sin intervención humana

Servinetwork
−60%

de manejo manual tras desplegar agentes con LLMs

VentIA
15s

de rotación del QR con validación por geolocalización

Qore
¿Necesitas esto para tu empresa?Lo mismo, explicado sin tecnicismos →
01

Servinetwork

Una empresa de servicios respondía a mano las mismas consultas todos los días sobre documentación que ya existía. Construí un sistema de recuperación que la lee y responde solo — con validación explícita de cada salida, porque una respuesta inventada cuesta más que no responder.

RolDiseño, backend y despliegueAño2024 — presenteEstadoEn producción
Fig. 03 — Arquitectura del sistema de recuperaciónazul = el paso que hace la diferencia
INGESTA · UNA VEZCONSULTA EN TIEMPO REALMEDIDO SOBRE EL VOLUMEN REAL DE SOPORTE DEL CLIENTEdocumentacióndel clientechunkingembeddingsíndicevectorialpregunta delusuariorecuperaciónrerankingsemánticoLLMvalidaciónde la salidaordena por relevancia real,no por cercanía del vectorsi no hay respaldoen la fuente, no responde80% de las consultas resueltas sin que un humano intervenga
paso estándar paso crítico del diseño— — — el índice se construye una vez y se consulta siempre
PythonLangChainOpenAI APIbúsqueda vectorialrerankingprompting avanzadoAWS
02

Agentes conversacionales · VentIA

El equipo comercial atendía a mano cada conversación de WhatsApp, incluidas las que solo pedían un precio o una fecha. Diseñé una capa de agentes que clasifica la intención, consulta los sistemas del negocio y responde con datos reales — y que devuelve la conversación a una persona en cuanto deja de estar seguro.

RolDiseño de los agentes, backend e integraciónAño2025 — presenteEstadoEn producción
Fig. 04 — Capa de agentes sobre los sistemas del negocioazul = donde se decide todo
CONVERSACIÓN EN WHATSAPPHERRAMIENTAS DEL NEGOCIOMEDIDO SOBRE EL VOLUMEN DE CONVERSACIONES DE VENTIAmensajeentranteclasificaciónde intenciónorquestadorde agentesrespuestaal clientecatálogoy precioscotizadoragendade visitasescala auna personasolo cuando el modelono tiene certeza suficiente−60% del manejo manual del equipo comercial
paso estándar paso crítico del diseño— — — el camino de escape hacia una persona
PythonFastAPILangChainMastraorquestación de agentesWhatsApp Business APIPostgreSQL
03

Qore · control de asistencia

Las marcas de asistencia se prestaban entre compañeros: bastaba con una foto del código. Construí un sistema donde el código se vuelve a firmar cada quince segundos y cada marca valida la ubicación contra el perímetro del local.

RolProducto, backend y aplicaciónAño2024EstadoEn producción
Fig. 05 — Marca de asistencia con código rotativoazul = la validación que lo sostiene
CADA 15 SEGUNDOSSISTEMA DE CONTROL DE ASISTENCIA EN OPERACIÓNel servidorfirma un tokenla pantallamuestra el QRel colaboradorescaneatoken vigente+ geolocalizaciónasistenciaregistradaintentorechazadose firma uno nuevocada 15 segundosel token vence a los 15 s;el radio se validacontra el localfuera del radio o conel token vencido, no marca15 segundos de vigencia por código, con el perímetro validado en cada marca
paso estándar la validación doble— — — el intento que el sistema rechaza
Next.jsTypeScriptPostgreSQLgeolocalizaciónJWT
También construí

ERP para una empresa textil

Producción, inventario y facturación vivían en hojas de cálculo distintas que nadie cuadraba a fin de mes. Construí el sistema que las unificó, con facturación electrónica integrada.

Next.jsTypeScriptPostgreSQLfacturación electrónica

Pronóstico de ventas

Las compras se decidían por intuición y el inventario lo pagaba. Entrené modelos sobre el histórico real para anticipar la demanda por producto.

PythonXGBoostRandom Forestpandas
—
Renzo Lenes en su escritorio de trabajo
Fig. 06Lima, Perú · 2026

Ingeniero de sistemas, liderando el área de desarrollo en VentIA.

Empecé como full stack y terminé en IA por el camino largo: primero construyendo los productos, después dándome cuenta de que los modelos solo sirven cuando alguien puede usarlos sin pensar en ellos. Hoy hago las dos cosas y por eso mis sistemas llegan a producción.

Trabajo en remoto desde Lima y tomo proyectos freelance cuando el problema es interesante. Si tienes un proceso que se hace a mano y no debería, probablemente pueda ayudarte.

2026 — presenteHead of Fullstack Development & AI EngineerVentIA · remoto
2025 — 2026AI Engineer · pipelines RAG y orquestación de agentesVentIA · remoto
2025Analista de datos · pipelines sobre datos financierosENTEL
2024 — presenteFreelance · sistemas de gestión, RAG, facturación electrónicaindependiente
2026Ingeniería de Sistemas de InformaciónUPC
Contacto

Hablemos.

Si estás armando algo con IA que tiene que funcionar todos los días, o tienes un proceso manual que ya no da más, escríbeme y lo vemos.

correo
lenesrenzoalberto@gmail.com
whatsapp
+51 904 890 457
linkedin
renzo-alberto-lenes
github
RenzoLenes
cv
CV — AI Engineer (PDF)
CV — Full Stack (PDF)