Debanjan Mazumdar

Built an AI Studio for SMBs and scale-ups on cold outbound, AI automation and mobile POCs. Activity carried out in parallel with a salaried position at Wiser (evenings, weekends, 1 flexible day/week).

Main achievements:

- outbound-engine: autonomous cold outbound system (Cloudflare Worker + Gemini + Cal.com), deployed open-source

- deb-mobile-template: Expo framework + Claude Code + EAS Cloud, 98 automated tests, 2-pass security audit, from zero to TestFlight in 3 weeks

- ring: audit-loop adversarial for code generated by LLM, multi-provider (Anthropic + OpenRouter), 11 rounds CLEAN on its own codebase

- humanize: 4-stage voice-matched pipeline, 107 tests, 11 rounds CLEAN adversarial audit

- Designed and delivered a large-scale, autonomous cold email pipeline (24,000 emails/month, ~800/day across 32 warmed inboxes) with AI personalization (Claude), response classification, and contextual auto-reply → 4% response rate, 3-hour hot-lead SLA via Telegram and Slack

- Architected a serverless event-driven stack (Cloudflare Workers + KV cron, Instantly.ai webhooks, GoHighLevel CRM V2 API, Modal scheduled jobs) with idempotency keys, dedup KV TTL 60 days and LLM safeguards (limits, voice, fallbacks)

- Productized monitoring & governance: operator dashboard (Vercel), /api/health endpoint, --dry-run modes on each paid path, synthetic canary → silent drift detected before impact on API credits

Stack:

- AI & LLM: Claude Code, Claude API, GPT-5, Gemini

- Automation: n8n, Make.com, Cloudflare Workers, Modal

- Mobile: React Native, Expo, EAS Build

- Code: Next.js, Python, TypeScript, Supabase

Conçu et déployé des capacités IA génératives en production (triage, recommandation, support client RAG, alertes intelligentes)

avec OpenAI Assistants, Claude et systèmes multi-agents (MCP, A2A) → −40 % latence, +25 % précision, +25 % adoption

• Défini la vision IA et la roadmap de capacités avec hypothèses de valeur, critères go/no-go et plans de rollback ; aligné 5

équipes cross-BU (Data/AI, MLOps, architecture, sécurité, métier) sur une vision commune

• Rédigé des PRDs orientés IA (contrats API/données, seuils d’évaluation, gestion du non-déterminisme,

RGPD/privacy-by-design) et piloté les revues de faisabilité technique avec les équipes Data/AI

• Orchestré le déploiement GTM mondial avec plans d’enablement et playbooks terrain → +40 % adoption BU, +30 % adoption

utilisateur, +20 % CSAT

• Mis en place des dashboards analytics (usage/couverture/qualité) et signaux opérationnels (drift, incidents) → +25–30 %

précision de livraison, −25 % ambiguïté en sprint via DoR/DoD et QA pré-prod

Product Discovery: Dirigé des sprints de discovery pour 3 clients B2B, en instaurant une méthodologie structurée d'entretiens utilisateurs et de cartographie Jobs-to-be-Done (JTBD), réduit les cycles d'itération de 35 % et amélioré l'adéquation solution-besoin de 25 % après lancement. Optimisation des workflows: Optimisé les flux de livraison produits pour deux clients SaaS en concevant des templates de backlog modulaires et des rituels agiles, augmentant la vélocité de 40 % et la coordination inter-équipes de 30 %. Conseil en Préparation IA: Conseillé les parties prenantes internes et les clients sur l'intégration d'automatisations légères basées sur l'IA comme support par règles, préparant des améliorations produit adoptées dans deux roadmaps clients.