Procesamiento de documentos con GenAI en AWS
Cómo Datup migró su plataforma de IA desde OpenAI hacia AWS Bedrock y escaló SuplAI con una arquitectura RAG segura
Las cadenas de suministro impulsadas por inteligencia artificial requieren más que modelos. Necesitan infraestructura escalable, costos predecibles y una gestión segura de los datos.
Datup trabajó junto a binbash para migrar su plataforma SuplAI a AWS, implementando una arquitectura Retrieval-Augmented Generation (RAG) basada en Amazon Bedrock. El resultado fue una plataforma GenAI más escalable, eficiente en costos y lista para producción, diseñada para acompañar el crecimiento real del negocio.
El crecimiento acelerado de la IA generó presión en costos y escalabilidad
La solución SuplAI de Datup experimentó un incremento del 200% en su uso, lo que volvió insostenible la arquitectura anterior tanto en términos económicos como operativos.
Principales desafíos:
Aumento de costos operativos impulsado por APIs externas de IA
Necesidad de infraestructura escalable para acompañar el crecimiento
Requerimientos estrictos de seguridad y privacidad de datos sensibles
Mejora en los tiempos de respuesta y reducción de procesos manuales
El objetivo no era simplemente migrar modelos, sino reconstruir la base para una escalabilidad sostenible en el largo plazo.
Una plataforma GenAI Well-Architected construida con AWS Bedrock y binbash Leverage™
binbash implementó una arquitectura 100% nativa en AWS, diseñada para optimizar performance, gobernanza y eficiencia del equipo de desarrollo.
Componentes principales:
AWS Landing Zone multi-cuenta para control de costos y gobierno
Clusters Kubernetes EKS con nodos administrados y spot instances
Arquitectura RAG impulsada por Amazon Bedrock
Base vectorial OpenSearch para recuperación semántica
Frontend basado en Streamlit para interacción fluida con usuarios
Este enfoque permitió mantener capacidades avanzadas de IA mejorando el control de infraestructura y la eficiencia económica.
De la dependencia externa a una infraestructura GenAI escalable
La nueva arquitectura introdujo:
Modelos fundacionales y embeddings mediante Bedrock
Búsqueda vectorial con OpenSearch
Orquestación segura sobre workloads en Kubernetes
Pipelines automatizados para despliegue de servicios de IA containerizados
El flujo RAG conecta Bedrock, el motor de búsqueda vectorial y los servicios de aplicación, logrando respuestas más rápidas y análisis más precisos.
Seguridad y gobernanza desde el diseño
El manejo de datos de supply chain requería una base sólida de seguridad.
La implementación incluyó:
CloudTrail, GuardDuty e IAM Access Analyzer para monitoreo continuo
Encriptación con AWS KMS
Arquitectura multi-cuenta segura
Políticas restringidas en S3 para proteger información sensible
La seguridad fue parte del diseño inicial, no un agregado posterior.
Automatización y aceleración DevOps
Para reducir fricción operativa, binbash incorporó:
Pipelines CI/CD para despliegues en EKS
Infrastructure as Code con Terraform y ArgoCD
Provisionamiento automatizado alineado con binbash Leverage™
Esto permitió que el equipo de Datup entregue mejoras de IA más rápido sin aumentar la complejidad técnica.
Mejor performance, menores costos y crecimiento escalable de la IA
Resultados alcanzados:
35% de reducción en costos operativos tras la migración a Bedrock
Infraestructura preparada para soportar un crecimiento del 200%
Precisión de respuestas aumentada al 90%
Tiempos de respuesta reducidos a 30 segundos
Mejor acceso a datos y toma de decisiones para clientes
Datup transformó su plataforma de IA de un desafío de escalabilidad en una ventaja estratégica.
