Plataforma de generación de dashboards con IA
Construimos un sistema de IA que convierte datos Excel en bruto en dashboards HTML con la marca del cliente en 5 verticales. Mediante ingeniería inversa de los outputs existentes descubrimos un único esquema universal de datos y cuatro patrones de procesamiento detrás de la variación superficial. A partir de ahí diseñamos un pipeline escalable de seis etapas con routing de modelos por tier de coste, de forma que añadir un nuevo vertical es configuración y no código a medida.
Horas
Producción
5
Verticales
4
Patrones
6
Etapas
Contexto
Makam entregaba dashboards de datos a medida a clientes de seguros, automoción, legal, servicios financieros e inmobiliario. Cada dashboard requería un esfuerzo manual considerable. Querían automatizar el proceso con IA, pero no sabían cómo arquitecturar un sistema que pudiera absorber a escala la aparente diversidad de sus outputs.
Reto
Makam tenía una cartera de outputs de demostración en distintos verticales, pero ninguna arquitectura escalable. Cada dashboard parecía único en estructura y contenido, lo que hacía poco claro cómo construir una plataforma capaz de absorber nuevos verticales sin desarrollo a medida. El reto era encontrar los patrones universales ocultos bajo esa variación superficial y diseñar después un pipeline capaz de producir, de forma fiable y a escala, outputs con marca y validados, manteniendo el coste por dashboard predecible.
Enfoque
Hicimos ingeniería inversa de los outputs de demostración existentes, documentando cada componente, fuente de datos y transformación
Descubrimos un único esquema universal de Excel compartido por todos los verticales pese a las diferencias visuales
Identificamos cuatro patrones de procesamiento que mueven cada componente: Count, Classify, Select y Synthesize
Mapeamos los 17 componentes distintos de dashboard a sus patrones de procesamiento subyacentes
Diseñamos un pipeline de seis etapas: ingesta, interpretación del brief, clasificación fila a fila, ensamblado de componentes, validación de QA y renderizado HTML
Implementamos un routing de modelos por tier de coste, de forma que la clasificación masiva corre sobre modelos rápidos y baratos y los modelos caros se reservan para la síntesis
Construimos un sistema de configuración de componentes que convierte el alta de un nuevo vertical en un cambio de configuración en lugar de un proyecto de desarrollo
Entregables
Documentación del esquema universal de datos describiendo la estructura de columnas común a todos los verticales
Especificaciones de los patrones de procesamiento con ejemplos de cómo transforma los datos cada patrón
Arquitectura del pipeline de seis etapas, desde la ingesta del Excel hasta el renderizado HTML con marca pasando por la validación de QA
Estrategia de routing de modelos por tier de coste con la asignación por etapa y las proyecciones de presupuesto
Etapa de validación de QA que comprueba cada output contra el brief antes de publicarlo
Sistema de 'vertical como configuración' que permite añadir nuevas industrias sin tocar código
Resultados
La producción por dashboard pasó de días de trabajo manual a horas de ejecución automatizada del pipeline
Seguros, automoción, legal, servicios financieros e inmobiliario soportados por el mismo pipeline
Patrones de procesamiento universales (Count, Classify, Select, Synthesize) que mueven los 17 componentes
Ingesta, interpretación del brief, clasificación fila a fila, ensamblado de componentes, validación de QA y renderizado
Impacto
La producción por dashboard pasó de días a horas, y añadir un nuevo vertical industrial se convirtió en un cambio de configuración en lugar de un proyecto de desarrollo. Es un cambio de fondo en la unit economics, que permite a Makam escalar su entrega sin escalar el equipo en la misma proporción.