Disponible para nuevos proyectos

Hola, soy Juan Sebastián

Construyo backends limpios, escalables y que perduran.

Backend Developer especializado en Java & Spring Boot. Diseño arquitecturas que resuelven los problemas difíciles —los que pocos se atreven a tocar— y crecen con el negocio. Potencio cada entrega con IA para ir más rápido sin sacrificar calidad.

Descargar CVVer proyectos
2+
años de experiencia
XP
metodología en producción
100%
enfocado en backend

Lo esencial en 10 segundos

Rol

Backend Developer · Java & Spring Boot

Stack principal

Java, Spring Boot, PostgreSQL, Docker

Experiencia

2+ años · metodología XP en producción

Disponibilidad

Presencial · remoto · reubicación · Bogotá

Con qué trabajo

Stack & habilidades

Lenguajes

  • Java
  • SQL

Frameworks & Backend

  • Spring Boot
  • Spring Security
  • Spring Data
  • Ecosistema Spring
  • REST APIs

Bases de datos

  • PostgreSQL

Cloud & DevOps

  • Google Cloud
  • Azure
  • AWS S3
  • Docker
  • Git

Testing

  • JUnit
  • Mockito

IA & Workflows

  • Claude Code
  • Cowork
  • Hugging Face
  • Fine-tuning

Mi trayectoria

Experiencia & formación

Técnico en Desarrollo de Software

Egresado

SENA · Colombia

Donde empezó todo: formación técnica en desarrollo de software que sentó mis bases en programación y buenas prácticas.

Ingeniería de Sistemas

En curso · 8.º semestre

Corporación Universitaria Minuto de Dios (Uniminuto)

Estudiante de octavo semestre, con enfoque en Java, Spring, Docker y la integración de IA en el desarrollo de software.

Ingeniero de Software

2024 — actualidad

TySE — Tecnologías y Servicios Electorales · Colombia

Desarrollo backend de plataformas críticas para procesos electorales, incluyendo las elecciones presidenciales de Colombia, bajo metodología Extreme Programming (XP).

Arquitecté un sistema de Document Intelligence open-source que reemplaza servicios de OCR costosos (Azure, AWS Textract, Google), entrenando modelos propios por departamento.

  • Diseñé y construí múltiples plataformas que salieron a producción de forma incremental según las necesidades de la campaña.
  • Arquitecté un sistema de Document Intelligence autoentrenable para extraer datos de actas E14, reemplazando servicios OCR costosos.
  • Adapté workflows de IA (Claude Code) y testing automatizado para sostener entregas urgentes sin perder calidad.
  • Guié y colaboré mano a mano con el equipo de testers según evolucionaban los flujos del producto.

Auditor de Sistemas — Nivel Nacional

2026 · Elecciones presidenciales

Auditoría electoral · Colombia · Bogotá, Colombia

Designado auditor de sistemas a nivel nacional para velar por la integridad técnica del proceso electoral, asistiendo en persona a los hitos más críticos del preconteo, el escrutinio y la digitalización de actas.

Designado auditor de sistemas a nivel nacional para las elecciones presidenciales de Colombia.

  • Audité el simulacro de preconteo nacional desde el búro, el centro de control que monitorea las votaciones en tiempo real.
  • Auditoría presencial durante el Día 1 y el Día 2 del escrutinio oficial en Corferias.
  • Verifiqué el simulacro de digitalización de actas E14 en distintas sedes de Bogotá.
  • Audité el simulacro nacional de escrutinio organizado por el CNE (Consejo Nacional Electoral).
  • Presencié el sellado del código fuente entregado por la firma contratista a la Registraduría, garantizando la integridad y la no manipulación del versionamiento.

Lo que he construido

Proyectos destacados

La mayoría de mi trabajo es propiedad de la empresa y no puede mostrarse públicamente. Aquí destaco la arquitectura y el impacto, no el código privado.

Destacado
En desarrollo · Próximamente open source

Document Intelligence para actas electorales E14

Alternativa open-source y autoentrenable a Azure Document Intelligence, AWS Textract y Google OCR

Sistema distribuido que reemplaza servicios de OCR costosos entrenando modelos propios. Orquesta el ciclo completo de extracción documental: etiquetado, fine-tuning automático, despliegue de modelos por departamento y extracción estructurada de tablas y cifras de las actas E14, con cobertura del escaneo en tiempo real. Es el proyecto más complejo que he diseñado, y planeo liberarlo como open source.

  • Pipeline de fine-tuning automático: al etiquetar datos, un nodo dedicado entrena/finetunea el modelo y lo publica en Hugging Face.
  • Modelos especializados por departamento: las actas E14 de Cámara varían por región, así que el sistema selecciona y despliega el modelo correcto leyendo la estructura de carpetas en S3.
  • Arquitectura event-driven: cuando un modelo queda listo o un acta se procesa, el resto del sistema reacciona y actualiza la cobertura de escaneo por departamento.
  • Salida estructurada en JSON persistida en base de datos, con notificación a servicios de monitoreo del porcentaje de actas escaneadas.
JavaSpring BootHugging FaceMachine LearningAWS S3PostgreSQLEvent-drivenDocker
Confidencial · Propiedad de la empresa

Plataformas para campaña electoral presidencial

Suite de sistemas desarrollados bajo metodología XP para las elecciones presidenciales de Colombia

Conjunto de plataformas que debían salir a producción a medida que avanzaba la campaña. El software se construyó incrementalmente junto al equipo de ingeniería bajo Extreme Programming, respondiendo a requerimientos urgentes y cambiantes. Adaptamos workflows de IA y testing automatizado para sostener el ritmo de entrega sin perder estabilidad.

  • Desarrollo incremental bajo presión real con entregas críticas contra reloj.
  • Adopción de workflows de Claude Code + testing para escalar la capacidad del equipo.
JavaSpring BootSpring SecurityPostgreSQLJUnitMockitoDockerXP
En uso continuo

Workflows de IA + testing para desarrollo a escala

Procesos que integran Claude Code y testing automatizado al ciclo de desarrollo

Diseño de flujos de trabajo que combinan agentes de IA (Claude Code, Cowork) con testing automatizado para aumentar la velocidad y la confiabilidad de las entregas del equipo, manteniendo el control humano sobre la calidad y la arquitectura.

  • Aceleración de entregas sin sacrificar revisión humana ni estándares de código.
  • Testing automatizado como red de seguridad para iterar rápido.
Claude CodeCoworkJUnitMockitoJavaSpring Boot

Arquitectura en profundidad

Cómo funciona el Document Intelligence E14

Un pipeline distribuido y event-driven que entrena sus propios modelos por departamento y extrae datos estructurados de las actas, en lugar de pagar por servicios de OCR de terceros.

01AWS S3

Ingesta de actas

Las actas E14 se almacenan en S3, organizadas en carpetas por departamento. El nombre de la carpeta es la clave del enrutamiento.

02Routing

Selección de modelo

Las actas de Cámara varían por región, así que el sistema lee el departamento y decide qué modelo especializado se necesita.

03Labeling

Etiquetado de datos

Los operadores etiquetan tablas, números y campos. Ese conjunto etiquetado dispara el entrenamiento.

04Fine-tuning

Entrenamiento / fine-tuning

Un nodo dedicado se levanta, entrena o finetunea el modelo con esas etiquetas y, al terminar, lo publica.

05Hugging Face

Registro de modelos

El modelo finetuneado se aloja en Hugging Face. Quedar 'listo' emite un evento que el resto del sistema escucha.

06Inference

Extracción

Se instancia el modelo correcto, que interpreta el acta y extrae tablas y cifras con precisión cercana a un Document Intelligence comercial.

07PostgreSQL

Salida estructurada

Los datos se devuelven como JSON parseado y se persisten en base de datos, listos para consumir.

08Events

Notificación & cobertura

Al persistir, se notifica a un servicio que actualiza en tiempo real el porcentaje de actas escaneadas por departamento.

Quién soy

Sobre mí

Soy un desarrollador backend colombiano obsesionado con la arquitectura limpia y los sistemas que duran. Mi terreno es Java y el ecosistema Spring, donde disfruto convertir requisitos ambiguos en arquitecturas claras, interoperables y listas para escalar.

Lo que me mueve son los desafíos poco comunes: esos problemas difíciles de resolver que la mayoría prefiere evitar. He trabajado bajo presión real —entregando features críticas contra reloj— y he aprendido que la calidad no se negocia, se diseña desde el principio.

No trabajo solo: colaboro codo a codo con mi equipo, desde guiar a testers en tiempo real hasta alinear ingeniería con las necesidades del producto. Y mantengo una constante: seguir aprendiendo. Integré la IA (Claude Code, Cowork) a mi flujo para entregar más y mejor, sin quedarme atrás.

Arquitectura limpia

Diseño sistemas mantenibles, interoperables y pensados para el largo plazo.

Bajo presión

Entrego features críticas a tiempo sin sacrificar la calidad del código.

Trabajo en equipo

Guío y colaboro mano a mano con desarrolladores y testers.

IA en el flujo

Potencio cada entrega con IA para acelerar sin perder control.

Mi forma de trabajar

Principios que guían mi código

Arquitectura primero

Antes de escribir código, entiendo el problema y diseño límites claros. Un buen diseño hace que el código correcto sea el más fácil de escribir.

Calidad no negociable

Tests con JUnit y Mockito, revisiones y estándares. La velocidad no puede costar la confiabilidad de un sistema crítico.

IA con criterio

Uso IA (Claude Code, Cowork) para acelerar, pero el diseño y la revisión final siguen siendo humanos. La herramienta amplifica, no decide.

Equipo sobre ego

Documento, explico y guío a compañeros y testers. El mejor código no sirve si el equipo no puede mantenerlo.

Iteración bajo presión

Con metodología XP entrego valor en incrementos pequeños y seguros, incluso cuando los plazos aprietan.

Aprendizaje constante

Cada proyecto me deja algo nuevo. Mantenerme actualizado no es opcional: es parte del oficio.

Contacto

Trabajemos juntos

¿Tienes un reto difícil de resolver o buscas un backend developer comprometido? Escríbeme y te respondo pronto.

[email protected]GitHubLinkedIn
Descargar CV