Ingesta, normalización, confianza: alimentar con datos de profesionales a un asistente de IA

Un asistente de IA para abogados y clínicos suena a un problema de modelos. En la práctica, buena parte es un problema de datos. El asistente necesita los registros propios de cada práctica: clientes y pacientes, notas, resultados de pruebas, casos. Esos registros viven en sistemas que nunca se diseñaron para hablar entre sí, y mucho menos con una IA.

Hemos hecho exactamente ese trabajo en una plataforma de IA en producción para profesionales legales y de salud: integración de APIs, ingesta y normalización de datos, dentro de un producto más grande construido por un equipo más amplio.

Llamar a la API es la parte fácil

Las fuentes incluían sistemas de gestión de casos legales y sistemas de gestión de prácticas de salud, cada uno con su propia idea de qué es un “contacto”, una “nota” o un “resultado”. También hablaban dialectos distintos: REST aquí, SOAP y XML allá, OAuth2 en un lugar, claves de API o webhooks en otro.

El problema real nunca fue llegar a los datos. Fue hacer que datos de origen incompatibles fueran confiables y utilizables por todo lo que viene después.

Un adaptador por fuente, un modelo para todos

• Los adaptadores hablan el idioma de cada sistema externo, con su autenticación y sus manías, y nada más.
• Modelos tipados y validados en la frontera. Prácticas, contactos y pacientes, notas y resultados tienen cada uno una sola forma, revisada al entrar, para que un registro mal formado falle de forma visible en vez de contaminar en silencio el contexto del asistente.
• Los repositorios y servicios por encima nunca necesitan saber de qué sistema vino un registro.

Supón que el otro lado va a fallar

Los sistemas legales y de salud externos limitan peticiones, se demoran, devuelven datos inconsistentes y cambian sin aviso. La capa de integración se construyó para eso desde el inicio:

• reintentos y tiempos límite en cada llamada;
• patrones de corte de circuito y límite de peticiones, para que una fuente que falla no tumbe al resto;
• registros estructurados con identificadores de correlación, para seguir un solo registro desde la fuente hasta el asistente.

Los datos regulados suben la vara

Los expedientes de clientes y los registros de pacientes están entre los datos más sensibles que existen. El control de acceso, el manejo de credenciales, la separación entre prácticas y el movimiento trazable de datos fueron requisitos de ingeniería, no trámites, bajo las expectativas de SOC 2, HIPAA y GDPR.

Cinco etapas

El trabajo nos dejó un modelo simple para cualquier sistema de IA que funcione con datos de otros:

Ingesta → Normalización → Confianza → Valor → Producción

El modelo solo puede aportar valor cuando las tres primeras son ciertas. Ahí vive la mayor parte del esfuerzo, y del riesgo.