Perfil profesional
Ingeniero de prompts júnior con formación en lingüística y experiencia en el diseño, calibración y evaluación de instrucciones para modelos de lenguaje. Especializado en reducir respuestas espurias, estructurar salidas complejas y perfeccionar la precisión en sistemas de generación aumentada por recuperación.
Experiencia laboral
Nexora Cognitive Labs
Londres, Reino Unido
Ingeniero de Prompts Júnior
ene 2025 – Actualidad
- Diseño y ajuste de cadenas de instrucciones para agentes de atención al cliente basados en modelos de lenguaje de gran tamaño (LLM), reduciendo las respuestas anómalas en un 18%.
- Elaboración de baterías de pruebas sistemáticas y conjuntos de datos de evaluación comparativa para medir consistencia semántica y adherencia a directrices operativas.
- Colaboración estrecha con desarrolladores de backend para integrar plantillas de prompts versionadas en sistemas RAG internos.
- Documentación de guías de estilo de instrucciones y taxonomías de fallos recurrentes para el equipo de desarrollo de producto.
Vanguard Content Solutions
Londres, Reino Unido
Especialista en Contenido y Lingüística Aplicada
mar 2022 – dic 2024
- Redacción y curación de directrices terminológicas aplicadas a la generación asistida de textos para comercio electrónico.
- Revisión cualitativa de respuestas generadas por herramientas de IA generativa para garantizar tono corporativo y exactitud fáctica.
- Estructuración de casos de prueba lingüísticos para clasificar discrepancias en resúmenes automatizados de catálogos.
Educación
University College London
Grado en Lingüística · Lingüística y Comunicación Digital · Londres, Reino Unido · 2:1 · sept 2015 – jun 2018
Formación orientada al análisis sintáctico, pragmática computacional y semántica formal, con proyectos de investigación sobre procesamiento semántico en interfaces conversacionales.
Proyectos destacados
Marco de Evaluación de Consistencia Semántica
jul 2024 – nov 2024
- Diseño de un marco modular de evaluación de prompts en Python para contrastar tasas de alucinación entre distintas familias de modelos.
- Construcción de un conjunto de datos sintético de 500 pares de preguntas y respuestas anotadas según criterios de precisión y formato JSON.
Habilidades técnicas
Diseño de prompts
Modelos de lenguaje (LLM)
Few-shot prompting
Chain-of-thought prompting
Evaluación de modelos de lenguaje
Sistemas RAG
Python básico
Control de alucinaciones
Formateo estructurado JSON
Pruebas de regresión semántica
Idiomas
Inglés
C2
Español
C1
Certificaciones
Prompt Engineering for Developers
DeepLearning.AI · abr 2025
Voluntariado
London Community Literacy Initiative
Londres, Reino Unido · feb 2024 – sept 2025
- Tutor voluntario de alfabetización tecnológica
- Organización de sesiones quincenales sobre aplicaciones prácticas y mejores prácticas de consulta con modelos de lenguaje para estudiantes y docentes locales.