Fuente única de conocimiento para agentes de IA
Centralicé el conocimiento disperso de una institución pública y lo distribuyo automáticamente, casi en tiempo real, a todos sus agentes de IA.
El punto de partida. La información de la institución estaba repartida entre webs, FAQs, aplicaciones y wikis distintas. Sobre ese conocimiento funcionaban varios agentes de IA, y cada uno se alimentaba por su propio flujo. Cada agente nuevo añadía otro flujo que mantener, y la misma información podía estar actualizada en un canal y desfasada en otro.
La solución obvia no bastaba. La primera idea fue unificar las FAQs en una wiki y publicarlas en las webs mediante una API. Eso resolvía la dispersión, pero no el problema de fondo: los agentes seguían dependiendo de flujos paralelos.
Lo que construí. Primero reuní y normalicé en una única base de datos la información de todas las fuentes. Sobre ella monté un sistema que detecta cada cambio y una API parametrizable que entrega el contenido con los filtros que necesita cada canal. Entre la API y los agentes añadí una capa de ingesta que recoge los cambios y actualiza solo a los agentes afectados.
Cada agente, a su manera. La capa de ingesta es modular: cada agente tiene su propia configuración y su propio proceso. En LEZ4ALL, el agente de la Zona de Bajas Emisiones de Barcelona, una IA enriquece cada FAQ con palabras clave y reformulaciones antes de indexarla. Otros agentes indexan el contenido tal cual, y otros lo combinan con fuentes propias. Lo que hace uno no afecta a los demás, y añadir o retirar un agente no detiene el sistema.
El resultado. La información se edita en un único sitio y llega en cascada, casi en tiempo real, a todos los agentes que dependen de ella. Incorporar un agente nuevo ha dejado de ser un proyecto: ahora es cuestión de minutos.
¿Tienes un reto parecido?
Hablemos sobre tu proyecto