Sistemas construídos.
Problemas resolvidos.

O que é

Uma plataforma SaaS que constrói websites empresariais completos, para qualquer tipo de negócio, através de um sistema de orquestração de IA multiagente. A plataforma coordena mais de 23 agentes de IA especializados em 9 departamentos funcionais; cada agente tem um papel, um domínio e uma personalidade definidos, e em conjunto executam 31 fluxos de trabalho automatizados de ponta a ponta, do brief ao site publicado.

O problema interessante

Construir uma demo com 5 agentes é simples. Construir um sistema onde mais de 23 agentes se coordenam de forma fiável em produção é um problema completamente diferente. Exige gestão de estado idempotente, processamento por filas que evita contenção de locks sob concorrência, ciclos de automelhoria controlados por ambientes de staging e degradação controlada quando os modelos a montante se comportam de forma imprevisível.

Os modos de falha dos sistemas multiagente não são os que as pessoas esperam. Os agentes raramente falham com estrondo. Falham ao produzir output plausível a partir de uma premissa errada, e esse erro propaga-se em silêncio por todos os agentes a jusante. Detetar essa propagação antes de chegar ao utilizador é a maior parte da engenharia.

Resultado

Em produção, em funcionamento. Custo médio de produção de ponta a ponta de 0,08 $ por website empresarial terminado.

Tecnologias (seleção)

Python, TypeScript, Node.js, LangChain, LangGraph, PostgreSQL, bases de dados vetoriais, múltiplos fornecedores de LLM, processamento em segundo plano orientado a eventos, WebSockets em tempo real.

O que é

Um desenho de arquitetura completo para um sistema de trading algorítmico dirigido aos mercados de derivados cripto. O sistema articula-se em torno de um pipeline de dados em tempo real que vai dos feeds binários de mercado a uma base de dados de séries temporais, e daí ao feature engineering e à inferência de ML, com um quadro de pontuação por convergência que combina 6 sinais de mercado em paralelo.

O problema interessante

Orçamentos de latência de 10 a 50 microssegundos para o hot path exigem decisões de arquitetura que a maioria dos engenheiros nunca enfrenta: desserialização zero-copy, deployment cloud bare-metal e uma camada de inferência de ML que não pode pagar uma pausa do garbage collector.

O quadro de convergência (cascata de liquidações, divergência entre exchanges, desequilíbrio do livro de ordens, funding rate, VPIN, exposição gamma) foi desenhado para reduzir sinais falsos preservando a sensibilidade a deslocações genuínas do mercado. Qualquer sinal isolado produz ruído. O problema de engenharia é pontuar o acordo entre seis sinais depressa o suficiente para que a resposta ainda importe quando chega.

Tecnologias (seleção)

Rust (hot path), Python (feature engineering e ML), LightGBM, base de dados de séries temporais, parsing de feeds binários em tempo real.

O que é

Uma plataforma full-stack para o mercado imobiliário que usa IA generativa para automatizar o estudo de mercado; a geração de conteúdo imobiliário em texto, imagem e vídeo; o matching inteligente de imóveis; e a publicação multicanal em mais de 4 plataformas.

O problema interessante

O conteúdo imobiliário é muito repetitivo à superfície. Todos os anúncios têm uma descrição, fotografias e um público-alvo. Mas exige inteligência contextual ao nível do detalhe: dinâmica do mercado local, imóveis comparáveis, o perfil do comprador-alvo.

O sistema tinha de ser suficientemente assertivo para produzir bom output por defeito e suficientemente flexível para lidar com a variação genuína entre tipos de imóvel e mercados. Estes dois requisitos puxam em direções opostas, e a maioria dos sistemas de geração de conteúdo resolve a tensão a produzir output tecnicamente correto e comercialmente inútil.

Tecnologias (seleção)

Next.js, React, Node.js, PostgreSQL, múltiplos fornecedores de IA generativa (texto, imagem, vídeo), WhatsApp Business API, processamento em segundo plano orientado a eventos.

O que é

Um motor de fusão multimodal de biomarcadores para a deteção precoce e não invasiva do risco de doença. O sistema ingere sinais fisiológicos estruturados de sensores já certificados (ECG, glicose, imagem dermatológica) e correlaciona-os entre domínios, em vez de pontuar cada um isoladamente, para revelar padrões de risco que as ferramentas de uma só modalidade não veem.

O problema interessante

Os sinais cardiovasculares, metabólicos e dermatológicos continuam a ser captados e lidos isoladamente. Os padrões de alerta precoce que só emergem entre estes domínios são os que nenhum teste de modalidade única foi desenhado para detetar.

A arquitetura de fusão tem de lidar com sinais com estruturas de dados, frequências de amostragem e níveis de relevância clínica fundamentalmente diferentes, e produzir uma pontuação de risco compósita que um clínico consiga interpretar e usar. Uma pontuação em que ninguém confia é pior do que nenhuma, por isso a interpretabilidade é uma restrição dura e não uma feature.

Estado atual

TRL 4. Viabilidade de ponta a ponta demonstrada em datasets sintéticos modelados a partir de distribuições de biomarcadores publicadas. Os dados sintéticos provam o pipeline, não o sinal, e é exatamente por isso que a próxima fase corre sobre dados reais.

Essa fase compara as camadas de fusão cardiovascular e metabólica com datasets públicos, primeiro o PhysioNet e o MIMIC-IV como teste de esforço, reconhecendo que a sua população de cuidados intensivos não é a coorte-alvo. A modalidade dermatológica, para a qual não existe dataset público emparelhado, será validada através de um piloto clínico, com a procura de um parceiro clínico português a decorrer em paralelo.

O que é

Contribuí para produtos digitais lançados comercialmente, do conceito ao deployment em produção, sob acordos de confidencialidade. Ciclo de vida completo do produto: desenho de arquitetura, desenvolvimento, testes, deployment e operação com utilizadores reais à escala.

O que pode ser partilhado

Trabalhei em equipas multidisciplinares, entreguei funcionalidades críticas sob restrições de produção e fiz contribuições diretas e mensuráveis para resultados comerciais. Os produtos em si ficam sob NDA, e posso aprofundar os problemas de engenharia numa chamada.