A/IAALQUIM IASELECTED WORK · CASE 10
← Volver al portafolio

CASE 10 · TECHNICAL PILOT MULTIMODAL ASSISTANT · DETERMINISTIC CORE

Lía

El LLM interpreta; la aplicación decide.

Lía es un asistente personal por WhatsApp que convierte notas de voz, documentos y fotos en memoria estructurada con procedencia: decisiones, preguntas y compromisos. Un motor determinista gobierna estados, permisos y cobros, mientras dos modelos —un intérprete y un evaluador— trabajan con límites de autoridad explícitos.

ROLFOUNDER · PRODUCT · AGENTIC ENGINEERING2026
Ver recorrido en video Conectar en LinkedIn
134/134user journeys validados
7/7GO adversarial, cero críticos
39/39evaluaciones JEV reales
6contenedores en staging

VIDEO DEL CASO

Recorrido narrado del caso Lía: enfoque, retos y resultado (3:33, inglés).

PROJECT CARD / RECRUITER VIEW

Ficha técnica del proyecto.

ESTADO EXPLÍCITO TECHNICAL PILOT
USUARIO OBJETIVO

Personas y equipos que reciben compromisos, fechas y documentos por WhatsApp y necesitan memoria confiable con confirmación humana.

QUÉ CONSTRUÍ YO

Diseñé y construí el sistema completo: motor determinista, pipeline multimodal resumible (Whisper + OCR con regiones de evidencia), capa de evaluación JEV, multi-tenant con RLS, portal magic-link y el loop de facturación en sandbox.

AI ENGINEERING SIGNAL / RECRUITER VIEW

Backend, APIs, despliegue, pruebas y controles.

DEPLOYMENT
Staging en Oracle Cloud: api, worker, web, media, nginx y postgres; health gates, backups offsite y rollback drills.
BACKEND / APIS
Meta WhatsApp Cloud API con webhooks firmados (HMAC), portal magic-link y canales opcionales (Telegram, Google).
AI LAYER
DeepSeek interpreta; JEV audita con opciones cerradas y confianza, con modos off/shadow/enforce por flujo y presupuesto con ledger propio.
DATA / SECURITY
Aislamiento por cuenta y workspace con RLS, cinco roles con scopes explícitos e identidad vinculada por challenge de un solo uso (huella HMAC).
BILLING
Pricebook COP/USD versionado, quotes inmutables, webhooks idempotentes verificados con HMAC sobre los bytes, dedupe de replays, trial de 14 días sin tarjeta y entitlements reconciliados.
TESTING
134/134 user journeys, GO adversarial 7/7 sin hallazgos críticos o altos, y 434/434 pruebas locales en la integración de JEV.
ARQUITECTURA RESUMIDA
  1. 01WhatsApp Cloud API + webhooks firmados
  2. 02Worker: audio resumible + Whisper + OCR con evidencia
  3. 03Memoria con procedencia · búsqueda aislada por cuenta/workspace/owner
  4. 04PostgreSQL multi-tenant con RLS · cinco roles
  5. 05Portal magic-link + billing sandbox
QUÉ FUNCIONA HOY
  • Staging en Oracle Cloud: 6 contenedores healthy y readyz 200
  • 134/134 user journeys validados
  • JEV: 39/39 evaluaciones reales (p50 448 ms)
  • Billing loop completo en sandbox, apagado a propósito
DECISIONES TÉCNICAS DIFÍCILES
  • El modelo nunca gobierna estado, permisos ni dinero
  • Frontera dura en código y tests entre interpretación y decisión
  • Pipeline resumible e idempotente: nada perdido, nada doble-cobrado
  • Apagar el cobro comercial hasta que existan aprobaciones externas
MEDIA Y DEMO
VIDEO
Recorrido narrado de 3:33 (inglés)
DEMO
Piloto privado en staging
CAPTURAS
Compartidas con acceso coordinado
QUÉ QUEDA PENDIENTE
  • El piloto vive en staging: el cobro comercial está apagado hasta que existan aprobaciones externas —una decisión explícita, no un pendiente olvidado.
  • JEV es un evaluador probabilístico: audita, ordena y baja confianza; la autoridad permanece en el código.
  • No se publican credenciales ni datos de tenants; la demo se comparte de forma coordinada.

01 / PROBLEMA

La conversación es donde la información muere.

Compromisos, fechas y decisiones viven enterrados en notas de voz y documentos. La solución obvia —dejar que un LLM lo maneje— es peligrosa: los modelos alucinan y no deberían tocar tu dinero ni tus permisos.

02 / DECISIÓN DE DISEÑO

Un núcleo determinista con LLMs en el borde.

El LLM interpreta y extrae; la aplicación gobierna estados, permisos y cobros. JEV audita cada interpretación con opciones cerradas y confianza, bajo límites de autoridad duros.

SYSTEM / END TO END

El producto como flujo explícito.

Cada fase tiene una responsabilidad distinta. Esa separación hace posible observar el sistema, probarlo y corregirlo sin depender de intuición.

  1. 01

    Capturar

    Voz, documentos y fotos entran por WhatsApp con webhooks firmados.

    CAPTURE
  2. 02

    Interpretar

    DeepSeek lee la intención; JEV la audita con opciones cerradas y confianza.

    AUDIT
  3. 03

    Confirmar

    Cada campo espera revisión humana; nada se ejecuta sin confirmación.

    CONFIRM
  4. 04

    Recordar

    Memoria canónica con procedencia y búsqueda aislada por cuenta, workspace y owner.

    MEMORY
  5. 05

    Facturar

    Loop de billing en sandbox: quotes inmutables, webhooks idempotentes y entitlements.

    BILLING

PROOF / WHAT IS ACTUALLY SHOWN

Evidencia, no decoración.

Las etiquetas indican si el dato fue observado, proviene del artefacto o corresponde al registro profesional del caso.

EVIDENCIA DE STAGING · SEP 2026134 / 134user journeys en la validación final
GO ADVERSARIAL7 / 7revisión adversarial sin críticos ni altos
MEDICIÓN OBSERVADA39 / 39evaluaciones JEV reales · p50 448 ms
SALUD OBSERVADA6 / 6contenedores healthy · readyz 200

SCOPE / HONEST BOUNDARIES

Lo demostrado y lo que aún requiere validación.

Un portafolio técnico también debe mostrar dónde termina la evidencia disponible.

  • El piloto vive en staging: el cobro comercial está apagado hasta que existan aprobaciones externas —una decisión explícita, no un pendiente olvidado.
  • JEV es un evaluador probabilístico: audita, ordena y baja confianza; la autoridad permanece en el código.
  • No se publican credenciales ni datos de tenants; la demo se comparte de forma coordinada.

CASE 10 / LÍA

El LLM interpreta; la aplicación decide.

Ver recorrido en video Ver todo el portafolio