.jpg)
Desarrollar un asistente de salud con capacidad real de comprensión de datos personales no consiste en añadir un chat a una API. El reto es combinar precisión clínica, control sobre los cálculos y una experiencia fluida. Partiendo de esa premisa, construí un agente de IA de código abierto usando Laravel 12 en el backend y una interfaz React con Typescript e InertiaJS, apoyado por Gemini para el razonamiento y la búsqueda en archivos. El objetivo fue claro: un sistema útil en la práctica, sin depender de una base de datos de vectores, con foco en seguridad, trazabilidad y facilidad de despliegue.
En salud, los errores cuestan. Por eso diseñé el flujo para que el modelo no sea quien valide su propio resultado. El servidor impone un contrato estructurado y el agente devuelve un objeto bien definido, con campos obligatorios y límites de negocio. El backend recalcula métricas numéricas con lógica determinística y, ante inconsistencias, descarta la propuesta y solicita una nueva iteración. Así el componente creativo de la inteligencia artificial queda contenido por reglas verificables, un enfoque que reduce al mínimo las alucinaciones y aporta explicabilidad.
La recuperación de conocimiento prescindió de una base de vectores. En su lugar, aproveché la capacidad nativa de Gemini para explorar archivos cargados en su contexto. Para un dominio con grandes catálogos nutricionales y guías clínicas, esta opción simplifica la arquitectura: no hay que trocear documentos, ni mantener índices, ni lidiar con relevancias cambiantes. La consecuencia práctica fue un tiempo de puesta en marcha muy corto y menos superficie operativa. ¿Cuándo consideraría un motor vectorial? En escenarios con millones de documentos dinámicos, necesidad de deduplicación semántica a gran escala o requisitos de latencia ultrabaja con caché especializada. Mientras tanto, un enfoque file centric con buena ingeniería de prompts y validación de servidor es suficiente para numerosos casos de uso de agentes IA.
La arquitectura se organiza en tres capas. Orquestación con Laravel 12 para autenticación, control de sesiones, políticas de acceso y cálculo. Interfaz PWA con React, Typescript e InertiaJS para una experiencia sin fricciones, con almacenamiento local de preferencias y sincronización selectiva. Y un módulo de inteligencia que empaqueta herramientas, memoria acotada por caso y reglas de conversación. La comunicación se firma, se versiona y se audita. Si el usuario actualiza parámetros personales, el sistema ajusta recomendaciones sin exponer identificadores fuera del perímetro permitido.
La ciberseguridad no es un añadido posterior. Se aplican principios de mínima exposición de datos, cifrado en tránsito y en reposo, rotación de secretos, aislamiento de espacios de ejecución y registro de eventos sensibles. El usuario puede elegir proveedor de modelos o clave propia, lo que mejora la gobernanza de la información. Para organizaciones con políticas estrictas, el agente se integra con vaults corporativos y escáneres SAST y DAST en el pipeline. Este patrón es extensible a otros dominios que requieran cumplimiento y auditoría continua.
En cuanto a despliegue, contenedores livianos permiten escalar por componentes y optimizar costos. En entornos productivos recomiendo balanceadores gestionados, colas para tareas de larga duración y métricas de saturación por tipo de consulta. Q2BSTUDIO acompaña este tipo de proyectos con servicios cloud aws y azure, automatizando infraestructura como código, observabilidad y cumplimiento, y garantizando continuidad operativa. Si su organización planea una plataforma similar, puede conocer cómo abordamos estos escenarios en nuestros servicios cloud en AWS y Azure.
Medir impacto es tan importante como construir. Paneles de seguimiento con servicios inteligencia de negocio y power bi permiten analizar adherencia, calidad de recomendaciones y uso por segmento. La combinación de telemetría de la app, registros del orquestador y resultados validados alimenta un cuadro de mando que guía mejoras de producto y evidencia valor clínico y operativo.
Este proyecto demuestra que se puede lanzar un agente de salud robusto sin infraestructura excesiva. La clave está en un backend que haga cumplir contratos, un motor de búsqueda en archivos eficaz y una interfaz que reduzca fricción. Para empresas que desean acelerar casos de ia para empresas con agentes IA, Q2BSTUDIO diseña y entrega aplicaciones a medida con estándares de seguridad y gobernanza, integradas con ecosistemas existentes y analítica corporativa. Si busca un socio para crear software a medida que combine inteligencia artificial, cumplimiento y enfoque de negocio, visite nuestra propuesta de inteligencia artificial para empresas y explore cómo podemos transformar su hoja de ruta de innovación.
