Javier Sánchez Lancha es Backend Software Engineer centrado en Java y Spring sobre plataformas en producción, con SAP Commerce Cloud como especialización fuerte.
Trabajo con APIs REST, SQL, integraciones e incidencias, coordinando cambios con QA, negocio y cliente.
4+ años experiencia
Java Backend
Soporte productivo
Experto SAP Commerce
Tecnologías utilizadas: Java, Spring, SAP Commerce, Docker, GitHub, Postman, Jira, Codex, Notion.
Experiencia
De una base en SAP y B2B a un perfil backend más sólido en Java, Spring y plataformas donde cada cambio tiene contexto funcional.
Experiencia actual
2024 - ActualidadExperiencia directa en soporte productivo, evolución funcional y resolución de incidencias con impacto real sobre negocio.
Experiencia reciente
2024Consolidación de criterio backend sobre flujos de commerce sensibles para negocio y sobre cómo extender SAP Commerce Cloud con cuidado.
Base profesional
2023 - 2024Base profesional en backend Java, colaboración con equipos funcionales y trabajo sobre una plataforma SAP Commerce Cloud real.
Experiencia inicial
2022 - 2023Base técnica en software de negocio, desarrollo SAP/ABAP y primer contacto real con backend SAP Commerce.
Casos destacados
Tres casos para entender el problema, la decisión técnica y el impacto de cada intervención.
Stratesys · CaixaBank Tech · 2025
ProducciónMantener estable una plataforma crítica para negocio mientras se entregan cambios backend y se investigan incidencias con contexto funcional real.
Minsait · Claro Perú · 2024
ProducciónImplementar cambios en checkout, pricing, stock e integraciones sin degradar el comportamiento base de la plataforma.
IA aplicada al trabajo técnico
Desde mi etapa actual en Stratesys utilizo IA generativa para acelerar análisis técnico, debugging y preparación de cambios, manteniendo siempre la decisión técnica, las pruebas locales y la validación previa a QA bajo mi responsabilidad.
Ver casos realesIA como acelerador
Reviso logs, trazas, código y contexto de negocio.
La IA detecta patrones y propone hipótesis.
Obtengo resumen, causas posibles y opciones.
Yo valido y decido
Valido hipótesis con tests y revisión del código.
Reviso estándar, impacto y criterios funcionales.
Tomo la decisión final y despliego la solución.
Acelera el análisis, la búsqueda de información y la generación de opciones para ahorrar tiempo en tareas cognitivas y repetitivas.
Decido, valido, pruebo y asumo la responsabilidad técnica y del impacto en producción.
La IA no sustituye experiencia ni criterio técnico. Su mayor valor está en llegar antes al contexto útil, reducir trabajo repetitivo y dedicar más tiempo a resolver problemas complejos y tomar mejores decisiones de ingeniería.
Impacto en el día a día
Cambios complejos
~0%
menos tiempo
En análisis y preparación inicial de cambios complejos cuando el contexto es comparable.
Tareas de 1-2 jornadas
< 0
jornada
Cuando el contexto está acotado y la validación sigue siendo propia.
Incidencias
minutos
primera hipótesis
Para localizar posibles causas antes de depurar y validar.
Estimaciones basadas en métricas propias de tareas comparables realizadas antes y después de incorporar IA generativa a mi flujo de trabajo. No representan benchmarks universales, sino impacto observado en mi contexto profesional.
Sobre mí
Mi perfil se ha ido formando alrededor de sistemas reales: plataformas en producción, integraciones, incidencias, lógica de negocio y colaboración con equipos técnicos y funcionales.
Entiendo flujo, datos afectados y riesgos antes de implementar.
Analizo síntomas, logs e hipótesis antes de definir una solución.
Traduzco impacto técnico a próximos pasos claros para QA, cliente y negocio.
La utilizo como acelerador, nunca como sustituto del criterio técnico.
Hablemos de Java, Spring, integraciones y cómo puedo aportar desde el primer contexto técnico.
