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.
Cómo puede ayudar Q2BSTUDIO En Q2BSTUDIO combinamos experiencia en desarrollo de aplicaciones a medida y servicios cloud AWS y Azure con competencias en inteligencia artificial, ciberseguridad y servicios inteligencia de negocio para diseñar soluciones IDP eficientes y seguras. Si necesitas optimizar un pipeline de extracción de documentos o explorar agentes IA y soluciones Power BI para visualizar resultados, podemos ayudarte a elegir la arquitectura adecuada y a implementar mejoras concretas. Conoce nuestros servicios cloud en servicios cloud AWS y Azure y nuestras capacidades en inteligencia artificial en inteligencia artificial para empresas.
Conclusión Después de tres meses de uso estos fueron los aprendizajes clave Blueprints por prompt son siempre Documento Modalidad mal configurada puede disparar los costos Latencia de 30 segundos afecta la experiencia de usuario La práctica mostró impactos que la documentación no explicaba. Liderar proyectos de IA exige entusiasmo por nuevas herramientas y criterio técnico para evaluar trade offs. El BDA tiene valor como acelerador pero no es una solución universal. Saber cuándo adoptarlo y cuándo reemplazarlo forma parte de la madurez técnica. En próximos artículos compartiré más experiencias de proyectos de IA en el sector financiero con recomendaciones prácticas para evitar estas y otras trampas.