Inteligencia documental multiagenteIAEn vivo
AgentFlow
Plataforma multiagente que convierte archivos de negocio complejos en informes ejecutivos citados y verificables.
Resultado
85 % menos tiempo de revisión documental
El problema
Los directivos pierden horas sintetizando a mano archivos CSV, Excel, PDF y DOCX complejos hasta convertirlos en resúmenes accionables.
Lo que construí
Se construyó un DAG orquestado de cinco agentes LLM especializados (Orchestrator, Ingest, Retrieval, Verifier, Summarizer) con LangGraph, más búsqueda semántica híbrida y RAG.
El resultado
Cada informe queda anclado automáticamente en los documentos fuente, con citas estrictas y riesgos señalados.
Cómo funciona
- 01
Los archivos llegan a Ingest, que normaliza CSV, Excel, PDF y DOCX en una única representación troceada y vectorizada.
- 02
El Orchestrator decide qué agentes se ejecutan para esta petición en lugar de recorrer el grafo completo cada vez.
- 03
Retrieval hace búsqueda híbrida sobre los fragmentos: embeddings densos para el significado, coincidencia de palabras clave para la cifra o la cláusula exacta.
- 04
El Verifier contrasta cada afirmación del borrador con el pasaje recuperado y descarta o señala todo lo que no puede anclar.
- 05
El Summarizer redacta el informe con las citas adjuntas, y los riesgos que no pudo verificar se exponen en lugar de suavizarse.
La capa de IA
Cinco agentes en un DAG de LangGraph con responsabilidades diferenciadas, porque una sola indicación encargada de ingerir, recuperar, verificar y resumir hace mal las cuatro cosas. El Verifier es la pieza que sostiene el conjunto: existe para que ninguna frase sin respaldo llegue al informe.
La capa de ingeniería
Alrededor, un servicio FastAPI con análisis documental por formato, tareas en segundo plano para todo lo bastante lento como para agotar una petición, y un almacén vectorial del que lee el paso de recuperación. Las citas se guardan como rangos que apuntan al archivo fuente, no como texto que el modelo repitió.
Decisiones técnicas clave
Un agente verificador en lugar de una indicación severa.
Decirle a un modelo que solo afirme lo que puede respaldar no aguanta a lo largo de un documento extenso. Una pasada aparte que contrasta cada afirmación con un pasaje recuperado sí aguanta, porque es otra pregunta con una respuesta comprobable.
Recuperación híbrida, no solo embeddings.
La búsqueda densa es buena con el significado y poco fiable con los tokens exactos. Los informes financieros dependen de tokens exactos: una cifra, una fecha, un número de cláusula.
Un DAG, no una conversación entre agentes.
La charla libre entre agentes es difícil de depurar y no tiene techo de coste. Un grafo explícito hace cada ejecución reproducible y cada paso inspeccionable.