En un mundo donde la mayoría de los sistemas de IA dependen de la nube, Xerebria Technologies decidió tomar un camino distinto: crear inteligencia local.
El resultado fue SuperAgente, un sistema semántico capaz de comprender y responder preguntas humanas con precisión casi humana, sin depender de ningún servicio externo.

Esta arquitectura logra más de 97 % de exactitud en preguntas tipo FAQ institucionales, corriendo íntegramente sobre infraestructura propia.
Sí, sin GPUs gigantes en Silicon Valley. Solo buena ingeniería, limpieza de datos y una mente obsesionada con la precisión.

⚙️ Contexto y motivación

En la mayoría de entidades, los archivos FAQ son como un cuarto lleno de papeles desordenados: hay respuestas, pero nadie sabe dónde.
El desafío fue transformar ese caos textual en un cerebro consultable, donde cada pregunta se convierte en una unidad semántica limpia y entendible por IA.

🧪 Ingeniería de datos

1. Limpieza y normalización:
Separación de preguntas múltiples (de 358 → 1 022 filas), eliminación de duplicados y normalización para TTS con frases respirables.

2. Vectorización eficiente:
Embeddings (384 D) con consumo mínimo de CPU.
Motor en RAM (< 5 ms por consulta).

3. Hot Reindexing:
Un endpoint /reload permite regenerar el índice VECTORIAL sin reiniciar el sistema.
Todo gracias a Flask y conexiones persistentes HTTP 

4. Reranking cognitivo:
IA revisa el Top 3 de VECTORES y elige la coincidencia exacta, usando umbrales dinámicos de confianza y verificación de acrónimos (SOAT, RUNT, SIMIT).

🚀 Innovaciones clave

• Hot Re-Indexing: recarga dinámica de VECTORES vía /reload sin downtime.

• Cognitive Confidence Layer: mezcla del score coseno con validación lógica de IA.

• TTS-Ready Cleaning: respuestas limpias para voz natural en tiempo real.

• Self-Contained Stack: 100 % local, sin nube ni dependencias externas.

• Low-Latency Reasoning: < 150 ms promedio por respuesta.

  
  

  🧘 Conclusión

  
  

  SuperAgente demuestra que la IA local, bien diseñada, puede igualar o superar las arquitecturas en la nube.
  Cuando los datos se limpian, se vectorizan y se combinan con un reranker cognitivo, el resultado es magia pura: una inteligencia que obedece.

  
  

  En Xerebria no entrenamos máquinas; domamos conocimiento.
  Transformamos información institucional en un cerebro digital consultable, escalable y 100 % soberano.

  
  

  🔮 Próximos pasos

  
  

  • Implementar VECTOR-distributed para +100 k preguntas.

  • Añadir aprendizaje incremental con feedback de usuarios.

    
    

  • Publicar el paper técnico:
    “Local RAG Architecture for Semantic Governmental Knowledge Systems”.

    
    

    💬 Frase del autor

    “La IA no se entrena.
    No se estudia.
    Se doma.
    Y cuando domas los datos,
    la inteligencia obedece.”
    — Sebastián Jaramillo, fundador de Xerebria Technologies