Benjamin Fuller
ENES
Benjamin Fuller

Benjamin Fuller

Líder de ingeniería · Founder-CTO · Constructor nativo de IA

Founder-CTO y líder de ingeniería práctico que construye IA en producción y los equipos que la entregan.

Denver, CO y Barcelona, España · Ciudadano estadounidense con autorización de trabajo plena en la UE · Abierto a trabajo remoto (EE. UU. y UE)

Sector inmobiliario y proptech · FinTech y datos regulados · Plataformas nativas de IA

LiderazgoDirigí a más de 50 ingenieros; hice crecer equipos de 0 a 15
CumplimientoCero hallazgos de auditoría · SOC 2 · HIPAA/CLIA
Autorización de trabajoCiudadano de EE. UU. · autorización de trabajo plena en la UE

Sobre mí

He sido el primer ingeniero en la puerta, el cofundador que definió la arquitectura y el nivel de exigencia en las contrataciones, y el líder que dirigía a más de 50 ingenieros en cuatro unidades de negocio a través de sus managers. He construido plataformas desde el primer commit y he hecho crecer equipos de ingeniería de una persona a quince, llegando a miles de clientes como cofundador.

Hoy mi trabajo es nativo de IA: sistemas multiagente, RAG, llamadas a herramientas y funciones, e integraciones MCP, con la evaluación, los guardrails y la gobernanza que mantienen a la IA como multiplicador de fuerza y no como un riesgo. Me importan los resultados por encima de la actividad, me mantengo cerca del código y construyo el tipo de cultura de ingeniería donde las personas con talento dan lo mejor de sí.

Más de 15 años entre proyectos en fase inicial y organizaciones del tamaño de empresas del NASDAQ. Pienso como un product owner y me mantengo lo bastante técnico para cuestionar un modelo, investigar un incidente y conservar la confianza de los ingenieros a los que lidero.

A lo largo de mi carrera he entregado bajo exigencias reales de cumplimiento: SOC 2, infraestructura sanitaria acreditada HIPAA/CLIA con cero hallazgos de auditoría, y datos financieros e hipotecarios regulados en una empresa del NASDAQ.

Como ciudadano estadounidense residente en Barcelona con autorización de trabajo plena en la UE, puedo incorporarme a equipos a ambos lados del Atlántico sin necesidad de patrocinio.

Qué hago

Experiencia

Cofundador y CTO / Chief Automation Officer · InsidePartners.ai

2020 – Actualidad · Remoto · antes Onit Tech Solutions
  • Cofundador y líder técnico de una práctica de automatización con IA y liderazgo de ingeniería fraccional.
  • Construyo IA agéntica en producción de forma práctica: sistemas multiagente, RAG e integraciones MCP.
  • Construí un motor de decisión de ML inmobiliario (de AppFolio/QuickBooks a BigQuery, con una capa de Looker) que puntúa mantener, vender, refinanciar y reformar cada activo según DSCR, LTV, cap rate y rentabilidad sobre el efectivo invertido.
  • Definí los estándares, la gobernanza y los patrones de referencia para una adopción segura de la IA.
  • Resultados representativos: reduje un proceso de facturación clave de tres días a cuatro horas; más de 250.000 $ de ahorro anual por proyecto.
8 proyectos relacionados →

Cofundador y CTO → VP de Ingeniería · Nymblr

2022 – 2025 · Remoto · adquirida por Inunity
  • Construí toda la plataforma desde el primer commit en AWS, incluido un motor de ranking y scoring de leads en producción que sirve más de 135 millones de registros con recuperación en menos de un segundo.
  • Alcanzamos más de 3.000 clientes y 50.000 $ de MRR en 12 meses; hice crecer el equipo de 0 a 15 personas.
  • Tras la adquisición, lideré la integración técnica en una plataforma multiproducto en vivo sin interrumpir a ningún cliente.
  • Dirigí un equipo de ingeniería intercontinental (EE. UU., India, Europa) a través de sus líderes.
2 proyectos relacionados →

Head of Engineering · Onemata

2020 – 2022 · Denver, CO
  • Primera contratación de ingeniería; hice crecer el equipo de 1 a 15 personas.
  • Construí una plataforma de streaming orientada a eventos y de alto volumen en AWS (Kafka, Spark en EMR, ECS) con algoritmos propios de calidad de datos y detección de fraude y de bots.
  • Lancé un portal de entrega de autoservicio que redujo la incorporación de clientes de más de 3 meses a menos de 24 horas.
  • SOC 2; 1,2 M$ de ahorro anual.
3 proyectos relacionados →

Manager → Senior Manager, Desarrollo de Producto · Altisource (NASDAQ: ASPS)

2014 – 2020 · Denver, CO + Global · empecé en RentRange, adquirida por Altisource en octubre de 2015
  • Empecé en RentRange en 2014 y crecí, a través de su adquisición por Altisource en octubre de 2015, hasta el liderazgo de ingeniería a escala empresarial.
  • Dirigí a más de 50 ingenieros en cuatro unidades de negocio, a través de directores y managers, sobre datos financieros e hipotecarios regulados.
  • Lideré la modernización de la nube corporativa hacia AWS con reducciones de costes de varios millones de dólares.
  • Lideré cerca de 7 integraciones de M&A.
  • Lideré un Modelo de Valoración Automatizada de Alquileres patentado y una plataforma automatizada de buy-box, emparejamiento de propiedades y underwriting que encontraba, valoraba y adquiría viviendas unifamiliares para inversores a gran escala.
4 proyectos relacionados →

Ver la cronología →

Proyectos

Trabajo seleccionado, con referencias cruzadas por empresa y por habilidad. Cada entrada incluye el problema, el enfoque y el resultado.

InsidePartners.aiEn curso 2025 – Actualidad

Plataforma de evaluación y compraventa de carteras inmobiliarias

Una plataforma para evaluar y operar una cartera de viviendas unifamiliares en alquiler, construida con ingeniería autónoma y con humano en el circuito.

Resultado En desarrollo activo; el enfoque de ingeniería autónoma con humano en el circuito es en sí mismo un entregable central.

Detalles
Problema
Una operación de inversión inmobiliaria necesitaba una plataforma para evaluar propiedades y carteras y actuar sobre decisiones de comprar, vender o mantener, y quería construirla rápido, usando agentes de IA para hacer buena parte de la ingeniería con humanos en el circuito.
Enfoque
Construyendo la plataforma de evaluación y compraventa de carteras (React/TypeScript/Node sobre un pipeline de datos en la nube) a la vez que se desarrolla un flujo de ingeniería autónoma: agentes de IA que hacen ETL, análisis e implementación tras puertas de revisión con humano en el circuito, de modo que tanto el producto como la forma de construirlo son nativos de IA.

Tecnologías

InsidePartners.aiEn curso 2025 – Actualidad

Modelo operativo con IA para un distrito de mejora urbana

Una iniciativa en curso para gestionar un distrito de mejora empresarial/general de una ciudad con automatización e IA.

Resultado En desarrollo activo; una iniciativa en fase inicial, aún no lanzada.

Detalles
Problema
Los distritos de mejora empresarial y general de las ciudades funcionan con administración manual (evaluaciones, servicios, informes y comunicación con las partes interesadas). Hay una oportunidad real de gestionar uno con mucha más eficiencia mediante automatización e IA.
Enfoque
Diseñando y construyendo un modelo operativo con IA para un distrito de mejora de barrio, automatizando de principio a fin la administración, las operaciones y los flujos de trabajo con las partes interesadas.
InsidePartners.aiFinales de 2025 – Actualidad

Recepción con IA de voz y automatización de flujos para una consulta de cuidados

Una recepcionista automatizada por voz, además de herramientas de IA y automatización de tareas para los profesionales.

Resultado Flujos de recepción y administrativos automatizados, liberando tiempo de los profesionales para sus clientes.

Detalles
Problema
Una consulta profesional de cuidados perdía tiempo en la recepción telefónica, la programación manual, la gestión del correo y una carga administrativa que alejaba a los profesionales de sus clientes.
Enfoque
Construí una recepcionista automatizada por voz y un conjunto de herramientas de IA para los profesionales: automatización de las llamadas de admisión y de programación, gestión del correo y de las tareas, y la administración rutinaria, con supervisión humana donde importaba.
InsidePartners.aiFinales de 2025 – Actualidad

IA conversacional y RAG en un producto SaaS

Integré un asistente de IA y respuestas con recuperación aumentada en un producto de software existente.

Resultado Asistencia de IA lanzada en el producto en producción, basada en el propio contenido del producto.

Detalles
Problema
Una empresa de software quería un asistente de IA dentro de su producto para que los usuarios pudieran hacer preguntas y obtener respuestas precisas basadas en los datos del propio producto, sin alucinaciones.
Enfoque
Integré un asistente conversacional con generación aumentada por recuperación sobre los datos del dominio del producto, con anclaje, guardrails y evaluación para que las respuestas se mantuvieran precisas y centradas en el tema.
InsidePartners.ai2025 – Actualidad

Motor de decisión de ML inmobiliario

Puntuación por activo de mantener, vender, refinanciar y reformar, alimentada desde AppFolio y QuickBooks hacia BigQuery con una capa de Looker.

Resultado Puntúa cada activo según DSCR, LTV, cap rate y rentabilidad sobre el efectivo invertido.

Detalles
Problema
Los inversores y operadores inmobiliarios deciden si mantener, vender, refinanciar o reformar cada propiedad con datos dispersos entre sistemas de gestión de propiedades y de contabilidad, por lo que el análisis es lento, manual e inconsistente de un activo a otro.
Enfoque
Construí un pipeline que extrae datos de AppFolio y QuickBooks hacia BigQuery, calcula las cifras financieras de cada activo y puntúa el mejor siguiente paso de cada propiedad, presentado a través de una capa de Looker sobre la que el equipo puede actuar.

Tecnologías

InsidePartners.ai2025 – Actualidad

IA agéntica para la facturación

Un sistema multiagente que asumió de principio a fin un proceso de facturación clave.

Resultado Redujo el proceso de tres días a cuatro horas.

Detalles
Problema
Un proceso de facturación clave era manual y de varios pasos, requería unos tres días de trabajo humano en cada ciclo y dejaba margen para el error.
Enfoque
Construí un sistema multiagente (con RAG e integraciones MCP) que ejecuta el flujo de facturación de principio a fin, con controles con humano en el circuito en los puntos que importan.
InsidePartners.ai2025 – Actualidad

Gobernanza y habilitación de IA responsable

Patrones de referencia, guardrails y programas de habilitación para una adopción segura de la IA, alineados con NIST AI RMF.

Resultado La evaluación, el acceso de mínimo privilegio y la revisión con humano en el circuito se convirtieron en el patrón por defecto; más de 250.000 $ de ahorro anual por proyecto.

Detalles
Problema
Los equipos que adoptan herramientas de IA avanzan rápido pero sin guardrails compartidos, lo que pone en riesgo la calidad, la seguridad y la consistencia de los resultados a medida que crece la adopción.
Enfoque
Establecí patrones de referencia, guardrails y programas de habilitación alineados con NIST AI RMF: evaluación dentro del flujo de trabajo, acceso de mínimo privilegio para los agentes y revisión con humano en el circuito.

Tecnologías

InsidePartners.ai2022 – 2024

Plataforma de ad-tech sobre el paquete (Elteve)

Una plataforma de ad-tech sobre el paquete que convirtió las etiquetas de envío del e-commerce en superficies de marketing direccionables, basadas en códigos QR.

Resultado Pilotos en vivo en 3 centros logísticos/3PL con 5 marcas de consumo, con alianzas de integración con ShipStation y USPS, antes de una adquisición por parte de un fondo de capital privado.

Detalles
Problema
Cada paquete que salía de un almacén era una oportunidad de marketing perdida: las marcas de e-commerce no tenían forma de convertir la etiqueta de envío física en un canal propio y direccionable.
Enfoque
Cofundé la empresa y lideré la ingeniería como CTO, construyendo el stack completo (una app de Shopify para la incorporación de marcas y las campañas, una extensión de Chrome, una integración de escritorio con ShipStation para centros 3PL y un panel de anunciantes en NextJS/React) sobre una tecnología de etiquetas con QR patentada, y dirigí las integraciones de los pilotos en vivo con ShipStation y USPS.

Tecnologías

Nymblr2022 – 2025

Motor de ranking y scoring de leads

El motor en producción detrás de la búsqueda de prospectos de Nymblr, construido desde el primer commit en AWS.

Resultado Sirvió más de 135 millones de registros con recuperación en menos de un segundo.

Detalles
Problema
Una plataforma de prospección es tan buena como su búsqueda: los usuarios tienen que encontrar y ordenar los contactos B2B adecuados entre cientos de millones de registros, al instante.
Enfoque
Construí el motor de ranking y scoring de leads en producción desde el primer commit en AWS, optimizado para recuperar en menos de un segundo sobre todo el conjunto de datos, de modo que la búsqueda de prospectos se sintiera instantánea.

Tecnologías

Nymblr2022 – 2025

Integración en la plataforma de Inunity

Integré un producto en vivo en la plataforma multiproducto del adquirente mientras los clientes seguían trabajando.

Resultado Completada sin interrumpir a ningún cliente, con un equipo repartido entre EE. UU., India y Europa.

Detalles
Problema
Tras la adquisición, un producto en vivo con clientes de pago tuvo que integrarse en la plataforma multiproducto del adquirente sin caídas ni interrupciones.
Enfoque
Lideré la integración de forma incremental para que los clientes siguieran trabajando en todo momento, coordinando un equipo intercontinental (EE. UU., India, Europa) a través de sus líderes.

Tecnologías

Onemata2020 – 2022

Plataforma de streaming orientada a eventos

Una plataforma de streaming de alto volumen para datos de ubicación móvil, construida en AWS.

Resultado Kafka, Spark en EMR y ECS; SOC 2; 1,2 M$ de ahorro anual.

Detalles
Problema
Los datos de ubicación móvil de alto volumen llegan de forma continua y hay que ingerirlos, procesarlos y entregarlos a escala, de manera fiable y rentable.
Enfoque
Construí una plataforma de streaming orientada a eventos en AWS (Kafka, Spark en EMR, ECS) diseñada para alto rendimiento, fiabilidad y control de costes, bajo SOC 2.

Tecnologías

Onemata2020 – 2022

Calidad de datos, detección de fraude y de bots

Algoritmos propios que mantenían limpio el flujo de datos a escala.

Resultado Calidad, detección de fraude y de bots integradas en el pipeline en lugar de añadidas después.

Detalles
Problema
Los datos de ubicación a escala son ruidosos: el fraude, el tráfico de bots y las señales de baja calidad degradan el producto si llegan a los clientes.
Enfoque
Construí algoritmos propios de calidad de datos y detección de fraude y de bots directamente en el pipeline de streaming, detectando los datos defectuosos antes y no después de la entrega.

Tecnologías

Onemata2020 – 2022

Portal de entrega de autoservicio

Un portal que permitía a los clientes incorporarse y obtener datos sin un plan de proyecto.

Resultado La incorporación de clientes pasó de más de 3 meses a menos de 24 horas.

Detalles
Problema
Incorporar a un nuevo cliente de datos requería más de 3 meses de trabajo manual gestionado como proyecto, lo que limitaba el crecimiento y acaparaba al equipo.
Enfoque
Lancé un portal de autoservicio que permitía a los clientes configurarse, incorporarse y obtener datos por sí mismos, eliminando el plan de proyecto manual del camino crítico.

Tecnologías

Altisource2014 – 2020

Modernización de la nube corporativa hacia AWS

Migré a AWS plataformas de datos financieros e hipotecarios regulados en cuatro unidades de negocio.

Resultado Reducciones de costes de varios millones de dólares.

Detalles
Problema
Las plataformas de datos financieros e hipotecarios regulados de cuatro unidades de negocio funcionaban sobre infraestructura envejecida, costosa y difícil de escalar.
Enfoque
Lideré la modernización y el cambio de plataforma a AWS en todas las unidades de negocio, manteniendo la entrega en marcha en todo momento, con una plantilla cloud-first que escaló a toda la organización.

Tecnologías

Altisource2014 – 2020

Modelo de Valoración Automatizada de Alquileres (RentRange)

El Modelo de Valoración Automatizada de Alquileres de RentRange, que valora viviendas unifamiliares en alquiler a escala. El modelo es el producto.

Resultado Patentado.

Detalles
Problema
Valorar con precisión y a escala viviendas unifamiliares en alquiler exige convertir datos brutos del mercado de alquiler en valoraciones fiables y defendibles.
Enfoque
Lideré el desarrollo del Modelo de Valoración Automatizada de Alquileres en RentRange, donde el modelo es el producto; el método era lo bastante novedoso como para patentarse.
Altisource2014 – 2020

Plataforma de buy-box, emparejamiento y underwriting (Investability)

Investability: buy-box, emparejamiento de propiedades y underwriting automatizados que encontraban, valoraban y adquirían viviendas unifamiliares para inversores.

Resultado Operó a gran escala, comprando viviendas para inversores de principio a fin.

Detalles
Problema
Los inversores institucionales que compran viviendas unifamiliares necesitan encontrar, valorar y hacer el underwriting de propiedades según un buy-box definido, mucho más rápido y de forma más consistente de lo que permite el análisis manual.
Enfoque
Lideré Investability, una plataforma automatizada de buy-box, emparejamiento de propiedades, scoring de operaciones y underwriting que encontraba, valoraba y adquiría viviendas unifamiliares de principio a fin.

Tecnologías

Altisource2014 – 2020

Integraciones de M&A

Integración técnica de empresas adquiridas en la plataforma corporativa.

Resultado Lideré cerca de siete integraciones.

Detalles
Problema
Una empresa del NASDAQ que crece mediante adquisiciones tiene que integrar la tecnología y los equipos de las empresas adquiridas en la plataforma corporativa sin romper ninguna de las dos partes.
Enfoque
Lideré la parte técnica de cerca de siete integraciones de M&A: due diligence, integración y separación, incorporando a la plataforma los sistemas adquiridos y los equipos distribuidos.

Tecnologías

Habilidades

Abre un grupo para ver la lista completa. Cada habilidad enlaza con los proyectos que la usaron.

Liderazgo 6Diseño de organizaciones de ingeniería, escalar equipos a través de managers, contratación y coaching, equipos distribuidos y globales.
Ingeniería nativa de IA 16Sistemas multiagente, RAG, MCP, llamadas a herramientas/funciones, búsqueda vectorial; IA conversacional y de voz, automatización de flujos de trabajo, ingeniería autónoma con humano en el circuito; herramientas de código con IA; habilitación de adopción y gobernanza (NIST AI RMF).
Plataformas y escala 7Sistemas orientados a eventos y casi en tiempo real, Kafka, Spark/EMR, recuperación en menos de un segundo, alta disponibilidad, observabilidad.
Nube y datos 15AWS (serverless, S3, ECS y ECS Spot, EMR, Redshift) y Google Cloud, Elasticsearch, CI/CD, FinOps y optimización de costes, BigQuery y Looker.
Lenguajes y frameworks 8Python, TypeScript/React, Node.js, Next.js, SQL; apps de Shopify y extensiones de Chrome.
Regulado y seguro 4SOC 2, HIPAA/CLIA, datos financieros regulados.
Producto y negocio 9Economía unitaria, roadmaps, colaboración transversal, sector inmobiliario y proptech, tecnología cívica y urbana.

Cómo trabajo

¿Cómo lideras?

Como player-coach. Marco la dirección técnica y los estándares, y me mantengo lo bastante cerca del trabajo como para revisar las implementaciones difíciles, desbloquear a las personas e intervenir en un problema de producción cuando ayuda. A medida que un equipo crece, lidero a través de managers: desarrollo líderes en lugar de canalizarlo todo a través de mí, pero nunca me alejo tanto del código como para perder el criterio que distingue las buenas decisiones técnicas de las caras.

¿Cómo usas realmente la IA con un equipo?

Todos los días y de forma deliberada. Construyo yo mismo sistemas agénticos en producción (orquestación multiagente, RAG, llamadas a herramientas, MCP), así que sé dónde la IA se gana su sitio y dónde un flujo determinista es la mejor opción. Con un equipo, la adopción es más un problema de personas que de herramientas: busco a un impulsor, trabajo en pareja, formo y mido según el tiempo de ciclo y la calidad, no según las líneas de código. Y pongo primero las barreras (evaluación, disciplina de revisión, acceso de mínimo privilegio, humano en el circuito) para que la IA siga siendo un multiplicador y no un generador de limpieza.

¿Cómo contratas y haces crecer a los ingenieros?

Fijo un listón claro y lo protejo, y luego invierto a fondo en las personas que incorporo. He hecho crecer equipos de uno a quince ingenieros y he dirigido a más de 50 a través de sus managers, así que he aprendido a desarrollar managers y líderes senior, no solo a colaboradores individuales. Doy feedback directo y concreto, creo espacio para que las personas asuman cosas un poco por encima de su nivel actual y trato la retención como un problema de diseño: reducir los silos de conocimiento para que un equipo se mantenga resistente durante el crecimiento y el cambio.

¿Cómo modernizas una plataforma sin detener el negocio?

De forma incremental y con un plan visible. He liderado modernizaciones a la nube, consolidaciones de sistemas heredados e integraciones de productos adquiridos en las que el negocio tenía que seguir funcionando todo el tiempo. Mapeo la deuda técnica, secuencio el trabajo para que cada paso aporte valor y nada se quede a oscuras, y soy honesto sobre cuándo ampliar, cuándo refactorizar y cuándo reemplazar. El objetivo es fortalecer la plataforma a medida que escala sin entregar nunca una interrupción a los clientes.

Has sido fundador: ¿por qué aceptar un puesto en lugar de crear otra empresa?

Porque el trabajo que más disfruto es construir el producto y el equipo, y puedo hacerlo dentro de una empresa en la que creo sin necesitar ser dueño del cap table para sentir la propiedad. Como fundador me senté en la mesa de dirección y asumí directamente los resultados y la economía unitaria, así que aporto esa mentalidad de operador a un puesto. Simplemente puedo dirigir todo eso a una sola misión en lugar de llevar todo el negocio a la vez.

¿Cómo trabajas como líder remoto y distribuido?

Es como llevo trabajando años: equipos repartidos entre EE. UU., India y Europa, liderados a través de sus líderes. El trabajo remoto premia la claridad: buena comunicación escrita, procesos ligeros para la planificación y los incidentes, y confianza con responsabilidad, en lugar de la presencia como indicador del progreso. Soy ciudadano estadounidense residente en Barcelona con autorización de trabajo plena en la UE, así que puedo incorporarme a equipos a ambos lados del Atlántico sin patrocinio.

¿Qué buscas en tu próximo puesto?

Un puesto de liderazgo real en el que pueda seguir con las manos en el código, en una empresa donde la IA forme parte genuina de cómo se construyen el producto y el equipo. Rindo mejor en ámbitos regulados u operativamente complejos (fintech, proptech, afines a la salud, plataformas de datos) y en la etapa en la que el crecimiento tensiona cómo trabaja el equipo y alguien tiene que construir el ritmo operativo de lo que viene. Lo que más me importa es la misión, las personas y poder hacer el trabajo, no el título.

¿Por qué sigues con las manos en el código siendo líder?

Porque es como mantengo un criterio honesto y mi credibilidad. Construir cosas yo mismo es como distingo entre la IA que compra apalancamiento real y la que crea en silencio un trabajo de limpieza para más adelante, cómo me mantengo al día en lo que cambia más rápido y cómo conservo la confianza de los ingenieros a los que lidero. Un líder que se ha alejado del trabajo pierde la capacidad de tomar las decisiones que más importan.

Prensa

Formación

B.S. en Gestión de Sistemas Informáticos
University of Wisconsin-Whitewater, 2011

Contacto

La mejor forma de contactarme es por LinkedIn.

Descargar currículum (PDF, en inglés)

Idiomas: inglés (nativo), español (B2)