Caso de producto
LOGTIA Licita: de datos públicos de SECOP a oportunidades accionables
Una plataforma SaaS que combina ingestión de datos, matching, análisis documental, automatización y software para ayudar a empresas a identificar oportunidades de contratación pública relevantes.
El reto
- Las oportunidades de contratación pública están distribuidas en grandes volúmenes de datos y documentos.
- La búsqueda manual consume tiempo y dificulta priorizar qué procesos realmente encajan con el perfil de una empresa.
- La información relevante cambia constantemente y requiere ingestión, actualización y seguimiento.
- La viabilidad no depende solo de palabras clave: también intervienen objeto contractual, experiencia, requisitos, documentos y contexto competitivo.
La solución
- Pipeline de ingestión y normalización de oportunidades provenientes de datos públicos de SECOP.
- Motor de matching que compara el perfil de cada empresa con oportunidades abiertas y accionables.
- Análisis de documentos y requisitos para aportar contexto antes de decidir si una licitación merece revisión humana.
- Alertas y recomendaciones para reducir la necesidad de búsqueda manual.
- Producto SaaS con autenticación, planes, pagos y experiencia multiempresa.
Arquitectura
Datos y procesamiento
PostgreSQL/Supabase centraliza oportunidades, empresas, resultados de matching, documentos y estados de procesamiento.
Workers y automatización
Railway y workflows asíncronos procesan ingestión, matching, documentos, recuperaciones y tareas programadas.
Orquestación
n8n coordina flujos operativos y disparadores programados donde conviene separar integración de lógica de producto.
Producto y pagos
Una aplicación web conecta resultados, alertas, favoritos, análisis y planes comerciales con Stripe.
Diseño para confiabilidad operativa
- Separación entre ingestión, matching, documentos y presentación para evitar que una falla bloquee todo el flujo.
- Procesamiento asíncrono para trabajos pesados y recuperación de fallos.
- Observabilidad y registros de integración para detectar inconsistencias de datos.
- Controles de seguridad y permisos en base de datos y funciones.
- Versionamiento de migraciones y despliegues para reducir riesgo en producción.
Aprendizajes
- La calidad de un producto de IA depende tanto del dato y la arquitectura como del modelo.
- Los procesos asíncronos necesitan estados claros, reintentos y recuperación para ser confiables.
- El matching mejora cuando combina múltiples señales en lugar de una sola coincidencia textual.
- Una experiencia útil debe explicar por qué una oportunidad es relevante y qué falta por validar.