Cinco meses. Cinco meses de aprendizaje implacable, de programar y depurar sin descanso, y cinco meses para dominar un lenguaje nuevo solo para vivir cinco días de frustración añadida. Aquí relato mi viaje para desarrollar mi primer código profesional, advertencia TLDR este artículo es largo, administra la lectura con calma.
Todo empezó en julio de 2025 en un día de verano común con temperaturas cercanas a 35 grados Celsius. Un compañero y yo discutíamos incorporar un chatbot a un proyecto reciente para que los usuarios pudieran navegar la interfaz y contar con un asistente rápido. Tras esa conversación me puse a investigar cómo crear un chatbot responsivo sin conocimientos previos. Venía de una experiencia en un hackathon en la que el uso excesivo de LLMs me enseñó que debía replantear mi enfoque hacia el aprendizaje asistido por IA.
En mi búsqueda encontré librerías y paquetes en python, fragmentos de código listos para copiar, y varias soluciones completas. Como reto de aprendizaje autodidacta opté por explorar opciones como LangChain, LlamaIndex, RASA NLU, spaCy, SciSpacy y modelos BERT especializados como BioBERT y PubMedBERT. Al final me quedé con RASA porque quería controlar los flujos y las respuestas desde la lógica del bot en lugar de depender únicamente de un LLM.
La curva de aprendizaje vino de la necesidad de entender cómo funciona la NLU desde la sintaxis. Aprendí YML sin saber siquiera qué significaban sus siglas. Descubrí que YML es sencillo en la práctica y se organiza con guiones y espacios en lugar de las reglas de indentación de python. Un ejemplo mínimo sería algo como nlu: - intent: greet examples: | - hey - hello - hi. Bajo Natural Language Understanding defines una intent greet y le asocia ejemplos. ¿Qué es una intent en este contexto? A diferencia de un LLM grande que requiere grandes bloques de texto para entrenar, RASA NLU gestiona intents, entidades y parseo de oraciones. Una intent actúa como una clase con características definidas: cada vez que llega un mensaje similar a hey el procesador lo etiqueta como greet.
Para la respuesta RASA usa utterances. Un ejemplo simplificado sería utter_greet: - text: Hey Como estas. Esto permite controlar exactamente qué dirá el bot. Y para conectar intents con respuestas se usan historias. Una historia mínima luce como - story: greetings steps: - intent: greet - action: utter_greet. Las historias permiten crear rutas conversacionales profundas o flujos abiertos con fallback controlado. Gracias a esto pude crear mi primer chatbot funcional, útil tanto como herramienta informativa como guía de usuario. Al incorporar acciones el sistema se vuelve muy amigable para principiantes que buscan un bot funcional.
En agosto de 2025, con la vuelta a clases, nos pidieron construir algo para la comunidad. Ese encargo vago me llevó a explorar necesidades locales y detecté un área poco atendida: clínicas y hospitales siguen siendo entornos donde el papeleo y la gestión de información consumen tiempo y donde la IA podría ayudar mucho. El problema era la tendencia de los LLMs a generar respuestas incorrectas si no están bien anclados. Necesitábamos un modelo con salidas controlables, predecibles y verificables para ganarnos la confianza del personal sanitario.
Entre agosto y noviembre trabajé en CLIN-BOT, también llamado Aarogya AI, inspirado en esa necesidad. Me encargué del backend del motor de respuestas y de la base de datos que almacena credenciales y datos de pacientes, mientras otros miembros se ocuparon del front-end, UI y testing. Este proyecto no habría sido posible solo, el equipo incluyó a desarrolladores y testers que aportaron en la construcción y validación del sistema.
La idea inicial era aligerar la carga de las conversaciones informativas de los consejeros, pero pronto vimos un potencial mayor: un bot orientado por paciente que guarda historiales, intenciones y respuestas actualizadas por médicos, algo que facilita el trabajo clínico y acelera la toma de decisiones. Convertimos el prototipo en una herramienta educativa y clínica destinada a staff nuevo en centros de salud locales. Con esa versión presentamos el proyecto a un hackathon global y obtuvimos el noveno puesto entre más de 180 proyectos y 300 participantes, quedando a solo tres plazas de los ganadores oficiales.
De cara al futuro queremos que CLIN-BOT sea probado en entornos reales para medir su impacto real. Si usas el bot te agradeceré cualquier sugerencia o feedback que ayude a mejorar la herramienta. Para usuarios en ordenador y para móviles tenemos versiones de demostración y documentación accesible desde el equipo de desarrollo.
Como empresa detrás de proyectos así, Q2BSTUDIO se especializa en desarrollo de software a medida y aplicaciones a medida, con experiencia en inteligencia artificial, ciberseguridad y servicios cloud. Ofrecemos soluciones integrales que incluyen servicios cloud aws y azure, servicios de inteligencia de negocio y desarrollos de agentes IA para empresas entre otras capacidades. Si buscas una estrategia completa de inteligencia artificial para tu organización visita nuestra página de soluciones de inteligencia artificial y si necesitas desarrollar una plataforma o aplicación específica revisa nuestras opciones de aplicaciones y software a medida. En Q2BSTUDIO también trabajamos en ciberseguridad, pentesting y en proyectos de inteligencia de negocio y power bi para mejorar la gestión y visualización de datos de manera segura y escalable.
Palabras clave relevantes que describen nuestros servicios y que encontrarás en nuestros proyectos incluyen aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. Todo esto forma parte de nuestra propuesta para llevar soluciones reales a problemas reales con calidad profesional. Gracias por leer este devlog sobre mi primer desarrollo profesional significativo. Si te interesa colaborar o probar alguna de nuestras soluciones ponte en contacto con Q2BSTUDIO y exploramos juntos cómo la tecnología puede resolver necesidades concretas en tu entorno.
