Continuamos explorando innovación en IA, software personalizado y trucos para optimizar procesos de desarrollo. Inspiración y conocimiento para profesionales y empresas.

Introducción Este artículo inaugura una serie donde comparto aprendizajes desde la liderazgo de IA en una FinTech y cómo utilizamos AWS Bedrock Data Automation en un producto de Intelligent Document Processing orientado al procesamiento de comprobantes de pago. En Q2BSTUDIO, empresa especializada en aplicaciones a medida y software a medida con foco en inteligencia artificial y ciberseguridad, usamos el BDA como acelerador inicial para extraer información estructurada de PDFs e imágenes de forma rápida y escalable.

Por qué elegimos BDA El Bedrock Data Automation ofrece blueprints que describen cómo extraer, normalizar y formatear datos. Hay dos formas de crear blueprints Manual vía JSON Schema donde el desarrollador define toda la estructura y Automática vía prompt escribiendo en lenguaje natural los campos a extraer. La opción automática nos permitió obtener prototipos funcionales en muy poco tiempo, lo que aceleró la entrega y permitió a equipos pequeños experimentar sin montar toda la infraestructura.

Pitfall 1 Blueprints creadas por prompt son siempre de modalidad Documento Durante el desarrollo no detectamos que toda blueprint generada por prompt se registra en BDA con la modalidad Documento, incluso si el origen es una imagen. Esa característica pasó desapercibida en pruebas pero tiene consecuencias reales en producción.

Pitfall 2 Modalidad incorrecta y efecto en costos El BDA tiene enrutamiento por modalidad Documento o Imagen y la facturación difiere ampliamente Documento USD 0,040 por página frente a Imagen USD 0,005 por imagen. Como nuestras blueprints creadas por prompt quedaron como Documento, en un mes tuvimos casi USD 1.000 adicionales en la factura. La solución fue recrear las blueprints manualmente con JSON Schema, configurar correctamente Documento o Imagen y activar el enrutamiento por modalidad. Esta experiencia nos recuerda que la documentación no siempre destaca detalles operativos críticos y que validar estos comportamientos en pruebas debería ser obligatorio.

Pitfall 3 Latencia media de 30 segundos Otro impacto observado fue la latencia por procesamiento cada solicitud tardaba alrededor de 30 segundos. Arquitectónicamente lo manejamos con flujos asincrónicos basados en eventos para no bloquear el sistema, pero desde la experiencia de usuario medio minuto se percibe como lentitud. Para mitigar, adaptamos el frontend con estados intermedios y notificaciones push, y evaluamos alternativas tecnológicas. En algunos casos pipelines combinando Textract con LLMs o soluciones de OCR con postprocesamiento alcanzan latencias menores y costes comparables.

Lo positivo del BDA Aun con limitaciones, el BDA aportó valor claro Abstracción de complejidad que evitó empezar desde cero, velocidad para lanzar un prototipo al mercado y accesibilidad para equipos reducidos que exploran IDP. En Q2BSTUDIO lo usamos como acelerador inicial mientras definíamos la arquitectura a largo plazo.

Recomendaciones prácticas 1 Validar desde pruebas que la modalidad Documento o Imagen se ajuste al origen real y no confiar ciegamente en la generación automática de blueprints. 2 Si priorizas costes, crear blueprints con JSON Schema y activar el enrutamiento. 3 Diseñar flujos asincrónicos para mitigar latencias y comparar siempre con alternativas OCR o Textract en términos de coste y experiencia de usuario. 4 Considerar el BDA para proyectos donde la rapidez de prototipado sea prioritaria y migrar o complementar con soluciones propias cuando los volúmenes o requisitos de latencia lo justifiquen.

Introducción Este artículo inicia una serie donde comparto lecciones aprendidas como líder de IA en un FinTech, y cómo estas experiencias pueden aplicarse a proyectos de desarrollo de software a medida. En los últimos meses estuve involucrado en la construcción de un producto de Intelligent Document Processing IDP enfocado en procesar recibos de pago. El objetivo fue extraer información estructurada de PDFs e imágenes de forma confiable y escalable. Para acelerar el desarrollo usamos AWS Bedrock Data Automation BDA. La herramienta entregó buenos resultados pero también reveló limitaciones inesperadas. A continuación relato tres retos que enfrentamos sin dejar de reconocer las virtudes: destacar las fortalezas de BDA y al mismo tiempo exponer los escollos que surgieron en uso real.

Por qué elegimos BDA BDA es un servicio de AWS diseñado para automatizar la extracción de datos de documentos e imágenes. Una característica clave para nuestro caso es la creación de blueprints artefactos que definen cómo se debe extraer, normalizar y formatear la información. BDA ofrece dos enfoques para crear blueprints Manual mediante JSON Schema donde los desarrolladores definen explícitamente la estructura Automático mediante prompt describiendo en lenguaje natural los campos a extraer y cómo manejarlos. La segunda opción fue muy atractiva y casi de inmediato tuvimos blueprints con salidas prometedoras para extracción de recibos de pago. Esa conveniencia junto con las actualizaciones frecuentes de AWS durante el desarrollo nos convenció de seguir ese camino.

Todo parecía bien al principio. La funcionalidad se lanzó en producción y las extracciones funcionaban como se esperaba. Pero con el tiempo apareció una anomalía de costos y tras un análisis más profundo descubrimos comportamientos que pasaron desapercibidos durante el desarrollo.

Problema 1 Blueprints creados vía prompt son siempre tipo Document Una cosa que nos costó entender fue que cada blueprint creado vía prompt se clasifica como Document incluso si el contenido base es una imagen. Durante las pruebas esto no pareció afectar la precisión de extracción, pero más adelante se convirtió en un problema de costos.

Problema 2 Modalidad incorrecta y su impacto financiero BDA incluye una función de modality routing que define si un archivo se procesa como documento o imagen. Aunque parece un detalle técnico menor esta configuración impacta directamente los costos Document USD 0.040 por página Image USD 0.005 por imagen Al tener todos los blueprints creados vía prompt todo se trató como Document. En pruebas tempranas no notamos la diferencia pero en pocos meses apareció una factura inesperada por casi USD 1000 en cargos extra. Tras investigar entendimos la causa los blueprints auto generados no respetan la modalidad imagen. La solución fue recrearlos manualmente usando JSON Schema configurando correctamente Document vs Image y habilitando el routing. Asumo parte de la responsabilidad nosotros podríamos haber validado este comportamiento antes pero también es criticable la documentación de AWS que no destaca claramente esta limitación y puede provocar errores costosos.

Problema 3 Latencia promedio de 30 segundos El tercer problema fue la latencia cada proceso en BDA tomó alrededor de 30 segundos en promedio. Arquitectónicamente era manejable porque diseñamos un flujo asincrónico y basado en eventos por lo que el backend soportó la demora. Desde la experiencia de usuario 30 segundos resulta muy lento. Cuando un cliente sube un recibo esperar medio minuto por resultados degrada la experiencia. Adaptamos la aplicación para mitigar el impacto y, naturalmente, comparamos alternativas. En varios casos pipelines con Textract más LLMs u OCR más post procesamiento ofrecieron resultados similares con menor latencia y costos comparables.

El lado positivo de BDA A pesar de estos desafíos BDA aportó ventajas reales Abstrae complejidad no tuvimos que construir un pipeline IDP desde cero Entrega inicial rápida desplegamos un prototipo funcional con velocidad Barrera de entrada baja equipos pequeños pueden experimentar con IDP sin una gran inversión en infraestructura En nuestro caso BDA fue un acelerador inicial sin el cual lanzar la primera versión hubiera llevado más tiempo. La clave es saber cuándo tiene sentido apoyarse en BDA y cuándo optar por enfoques alternativos.

Conclusiones tras tres meses con AWS Bedrock Data Automation estas fueron nuestras conclusiones principales Blueprints creados vía prompt son siempre tipo Document Configuraciones de modalidad incorrectas pueden generar sobrecostos importantes La latencia de 30 segundos perjudica la experiencia de usuario Estas limitaciones no están claramente descritas en la documentación y solo el uso en producción las expuso. Para mí esto refuerza una lección importante el liderazgo en IA requiere no solo entusiasmo por nuevas soluciones sino pensamiento crítico para sopesar trade offs. BDA aporta valor pero no es una solución universal. Saber cuándo adoptarla y cuándo reemplazarla forma parte de la madurez técnica.

Hola, estoy trabajando para estar listo para el mercado laboral en la industria y he estado mejorando mi README de GitHub. Agradecería que personas con experiencia lo revisaran y me dieran feedback sobre cómo mejorarlo para destacar mis habilidades y proyectos.

Imagina una IA que no solo escucha una interpretación musical, sino que además observa cada gesto del intérprete. Las actuales algoritmos de IA musical son impresionantes, pero suelen limitarse al audio. Al dotar a la máquina del contexto visual de la interpretación se abre la puerta a una comprensión mucho más profunda y matizada de cómo se produce el sonido.

El núcleo de la idea es crear un conjunto de datos multimodal compuesto por flujos sincronizados de audio, vídeo y datos de rendimiento como señales MIDI y trazas de movimiento. Entrenada con ese conjunto rico, la IA aprende a correlacionar pistas visuales como el movimiento de los dedos y la posición de las manos con los sonidos resultantes, entendiendo el porqué detrás de las notas y no solo el qué. Es similar a enseñar música a un niño: además de reproducir la melodía, le mostramos cómo funciona el instrumento y cómo la técnica del músico genera timbre y expresión.

Desde la ingeniería de datos esto implica retos concretos: sincronización precisa entre audio, vídeo y datos de sensores, alineación por fotograma, corrección de desfasajes entre equipos de grabación y gestión eficiente de señales en serie temporal. Recomendamos el uso de bases de datos optimizadas para series temporales y pipelines que normalicen marcas temporales. El preprocesado de vídeo para mejorar la visibilidad de manos y dedos potencia notablemente los modelos de estimación de pose manual y reduce la tasa de error al inferir la relación gesto-sonido.

Las aplicaciones prácticas son enormes. Entre los beneficios destacan una transcripción musical más exacta capaz de capturar matices expresivos, análisis de interpretación que detecta rubatos, articulaciones y errores técnicos, generación de música por IA más verosímil que respete limitaciones físicas del intérprete, y herramientas educativas interactivas que ofrecen retroalimentación visual y técnica al alumno. Además, con modelos entrenados en datos multimodales se puede mejorar el reconocimiento de piezas y estilos interpretativos mediante huellas digitales sonoras y de performance.

De ASTs a RakuAST a ASTQuery: una guía práctica para búsqueda y transformación precisa de código

Un AST es un árbol tipado y estructurado que representa el código después del análisis sintáctico, con nodos como llamada, aplicación de operador o variable. Trabajar sobre ASTs permite a compiladores, linters y herramientas de refactorización entender la semántica del código y no solo el texto, lo que hace posibles búsquedas robustas y transformaciones seguras.

RakuAST es la representación estructurada de código Raku que expone tipos de nodo como RakuAST::Call, RakuAST::ApplyInfix o RakuAST::Var. Se puede acceder al AST de una cadena con la propiedad AST o al AST del unit de compilación actual desde un phaser CHECK. RakuAST sigue siendo experimental y algunos campos pueden no ser mutables en todas las versiones de Rakudo, por lo que a veces es necesario reconstruir o reemplazar nodos contenedores para aplicar cambios.

ASTQuery añade una capa de consulta compacta y expresiva sobre RakuAST para localizar nodos por forma, atributos y relaciones, capturarlos y, si se desea, impulsar reescrituras en tiempo de compilación. Sus casos de uso van desde búsquedas precisas tipo codemod hasta pases estilo macro que modifican el AST antes de la ejecución.

Flujo típico para pases macro en tiempo de compilación: activar experimental RakuAST en un phaser CHECK, obtener el unit de compilación, ejecutar consultas con ASTQuery y mutar o reconstruir nodos según sea necesario. Un ejemplo típico consiste en localizar todas las llamadas say y añadir texto al final de sus argumentos mediante una pasada CHECK que modifica el AST antes de runtime.

Lenguaje de selectores de ASTQuery: cada parte describe tipo de nodo opcionalmente con su nombre de clase, alias de grupo, comparación por id, filtros de atributos, capturas nombradas y funciones reutilizables. Las relaciones entre partes usan operadores de recorrido que suelen resumirse como mayor que simple, mayor que doble o triple para hijos y descendientes, y las versiones inversas para padres y ancestros. También existen reglas para saltar nodos ignorables como bloques o listas de sentencias cuando se usan los recorridos que omiten solo nodos ignorable.

Los filtros de atributo permiten iniciar la comparación desde el valor del atributo cuando es otro nodo AST y usar operadores como contiene, empieza con, termina con o coincidencia mediante expresiones regulares. ASTQuery conoce para cada tipo de nodo cuál es su campo id que se usa en comparaciones cortas por id, y en declaraciones de variables las id desnudas quitan el sigil para facilitar la coincidencia.

Capturas y funciones: se pueden nombrar partes de la consulta para recuperar nodos específicos y registrar funciones reutilizables que actúan como predicados compuestos. ASTQuery ofrece una API programática para compilar selectores, registrar funciones, ampliar grupos de nodos y ajustar qué campo actúa como id para cada clase. También dispone de una herramienta de línea de comandos para escanear proyectos y exportar coincidencias.

Ejemplos prácticos resumidos: localizar aplicaciones infix con operando izquierdo igual a 1 y derecho igual a 3, capturar un ancestro condicional y un literal entero, o encontrar llamadas que bajo su lista de argumentos contienen alguna expresión entera. Todo esto se describe con selectores compactos que combinan grupos, filtros y operadores de relación.

Depuración: activar la variable de entorno de depuración de ASTQuery imprime un árbol coloreado de decisiones del matcher con fragmentos de nodo descompilados y el paso a paso de validadores para entender por qué coincidió o no un nodo.

Limitaciones y recomendaciones: RakuAST es experimental y su grado de mutabilidad sigue en discusión. Algunos literales de expresiones regulares en filtros de atributo no soportan aún todas las banderas. Además, conviene preferir los operadores explícitos de relación en lugar del antiguo operador espacio.

Aplicaciones prácticas en desarrollo profesional: en Q2BSTUDIO implementamos soluciones de software a medida y aplicaciones a medida que se benefician de técnicas como el análisis y transformación de AST para automatizar migraciones de API, auditorías de seguridad y generación de código. Si busca un socio para crear aplicaciones robustas y escalables, ofrecemos servicios de desarrollo de software a medida y consultoría técnica. Con experiencia en inteligencia artificial, ciberseguridad y servicios cloud aws y azure, podemos integrar automatizaciones basadas en IA y pipelines de despliegue seguros para su proyecto.

Vision Stock -Financial es un applet creado para transformar la gestión operativa de pequeños comercios mediante visión por computadora e inteligencia artificial. Resuelve la tarea ardua y lenta de llevar inventarios y registros financieros de forma manual permitiendo que el usuario tome una foto de un estante para actualizar existencias o capture un ticket para registrar un gasto o ingreso en segundos.

La experiencia de uso es simple e intuitiva. Al apuntar la cámara y hacer una foto, el sistema identifica visualmente los productos, cuenta unidades por artículo y extrae datos clave de recibos como importe total, fecha, nombre del proveedor y conceptos desglosados. La información queda estructurada y lista para integrarse en sistemas contables o paneles de control.

En el desarrollo aprovechamos Google AI Studio como herramienta principal para prototipar y afinar la inteligencia del applet. Empleamos el modelo Gemini 2.5 Flash por su capacidad multimodal y rapidez. En AI Studio diseñamos y optimizamos los prompts para que el modelo analice imágenes de estantes y recibos, identifique productos, contabilice unidades y extraiga campos relevantes con alta precisión, lo que aceleró considerablemente nuestro ciclo de desarrollo.

Las ventajas prácticas para los dueños de negocio son evidentes: gestión más rápida al reducir minutos de ingreso manual a segundos con una foto, mayor precisión al minimizar errores humanos por tipeo o recuentos y mayor accesibilidad gracias a una interfaz natural para usuarios sin experiencia en software complejo.

La inferencia privada de LLM permite ejecutar modelos de lenguaje a gran escala sin sacrificar la privacidad del usuario gracias a cálculos sobre datos cifrados. En lugar de descifrar la información sensible para procesarla, las técnicas criptográficas avanzadas como el cifrado homomórfico y la computación multi parte segura posibilitan operar directamente sobre datos encriptados, manteniendo el texto original inaccesible durante toda la inferencia.

El reto principal es que los LLM son muy exigentes en recursos, por lo que la clave está en una coingeniería entre modelo y criptografía. Adaptando la arquitectura del modelo, seleccionando parámetros y mecanismos de atención más compatibles con los esquemas de cifrado, y encajando operaciones de refresco de ciphertext dentro de los procesos existentes, es posible reducir drásticamente la sobrecarga. Pensemos en una línea de ensamblaje optimizada que integra controles de calidad sin frenar la producción; ese es el enfoque aplicado a la inferencia segura.

Entre las técnicas concretas figuran optimizaciones de atención, compresión de activaciones, y el uso de bootstrapping criptográfico insertado en operaciones núcleo para mitigar el ruido inherente a ciertos esquemas de cifrado. Esto permite mantener precisión del modelo mientras se conserva el rendimiento y se controla el coste computacional.

Beneficios prácticos para desarrolladores y empresas: mayor privacidad con garantías criptográficas incluso en cálculos complejos; eficiencia que hace viable la inferencia segura en aplicaciones reales; reducción de costes de infraestructura; democratización del acceso para organizaciones pequeñas y medianas; e integración simplificada en flujos de trabajo existentes, abriendo casos de uso en sectores sensibles como salud, finanzas y administración pública.

En Q2BSTUDIO combinamos esta visión con servicios de desarrollo y despliegue. Somos especialistas en aplicaciones a medida y software a medida, y ofrecemos soluciones integrales en inteligencia artificial y ciberseguridad. Si busca llevar modelos privados y seguros a producción, podemos ayudarle a diseñar e implementar pipelines de inferencia cifrada y arquitecturas optimizadas para la nube. Con experiencia en servicios cloud aws y azure ofrecemos despliegues escalables y seguros, monitorización y optimización de costes.

Nuestros equipos integran capacidades de servicios inteligencia de negocio y Power BI para explotar salidas de modelos de forma responsable, y desarrollamos agentes IA y soluciones de ia para empresas que requieren privacidad y cumplimiento normativo. Con enfoque práctico y experiencia en pentesting y ciberseguridad, Q2BSTUDIO asegura que las implementaciones de IA sean robustas y confiables.

Aprender a programar es duro por muchas razones y reconocerlas es el primer paso para superarlas. El salto desde la teoría hasta construir algo real exige dominar abstracciones, sintetizar lógica compleja, gestionar errores confusos y mantener la motivación ante fallos constantes. Además intervienen factores externos como recursos de aprendizaje dispersos, expectativas poco realistas y la sensación de imposter syndrome que hace que muchos abandonen antes de desarrollar soltura.

Conceptos abstractos y carga cognitiva: Cuando se empieza, estructuras de datos, algoritmos y patrones de arquitectura parecen ideas abstractas sin aplicación inmediata. Entender por qué una solución funciona requiere práctica deliberada y exposición a casos reales, no solo lectura pasiva.

Depuración y feedback lento: Los errores y bugs son maestros severos. Sin buenas estrategias de debugging y sin acceso a revisión de código o mentores, el aprendizaje se vuelve frustrante. La retroalimentación rápida acelera el proceso de aprendizaje porque permite corregir hábitos incorrectos y afianzar buenas prácticas.

Gemini Bots para la humanidad presenta una visión práctica de cómo la inteligencia artificial puede cerrar brechas en salud global mediante agentes IA multimodales. En este artículo describimos Gemini HealthBot, un applet médico impulsado por Gemini que ofrece consultas accesibles y confiables a personas de todo el mundo, pensado especialmente para zonas con acceso limitado a atención presencial.

Gemini HealthBot combina análisis de imagen, transcripción y análisis de audio, y procesamiento de texto para generar diagnósticos preliminares, análisis de síntomas y recomendaciones preventivas. El sistema aplica comprobaciones internas de veracidad y bucles de retroalimentación de usuarios para mejorar su precisión con el tiempo, lo que lo hace un ejemplo claro de cómo los agentes IA pueden ser autoverificables y escalables.

Entre las características clave están reconocimiento y anotación de imágenes clínicas para evaluar erupciones cutáneas, heridas y otros signos visibles; transcripción y análisis emocional de grabaciones de voz para captar urgencia y estado anímico; y fusión multimodal que integra imagen, audio y texto en un solo análisis coherente. Todo esto facilita una experiencia empática que se asemeja a una consulta por telemedicina, y que puede ahorrar tiempo y recursos en entornos remotos.

Desde el punto de vista técnico, el applet fue prototipado y desplegado rápidamente con Google AI Studio, aprovechando capacidades de razonamiento multimodal y la API Live para sesiones de chat en tiempo real. La lógica se organizó en cadenas de prompts para parsing de entrada, análisis multimodal y generación de respuesta con referencias a fuentes médicas. El despliegue se realizó sobre Cloud Run para acceso sencillo y escalado, demostrando cómo una solución integral puede entregarse con mínima infraestructura personalizada.

Este enfoque no reemplaza la atención profesional sino que democratiza el acceso a información clínica preliminar, orienta sobre urgencias y sugiere pasos de seguimiento. Además, la arquitectura está diseñada para evolucionar hacia una red de bots especializados, por ejemplo un bot de dermatología o un bot de salud mental, que aprenden con datos comunitarios y potencian un ecosistema de salud proactivo y asistido por IA.