El reto
El proyecto tenía como objetivo diseñar una plataforma empresarial preparada para evolucionar de forma continua, reduciendo la dependencia de aplicaciones monolíticas y facilitando la incorporación de nuevas capacidades tecnológicas sin afectar a la operación del negocio.
La solución debía soportar una arquitectura escalable, facilitar la integración entre dominios funcionales y establecer una base sólida para incorporar Inteligencia Artificial Generativa dentro de los procesos corporativos.
Arquitectura de la solución
Se diseñó una arquitectura basada en Arquitectura Hexagonal y Domain-Driven Design (DDD), separando claramente el dominio de negocio de la infraestructura mediante puertos y adaptadores.
Esta aproximación permitió desarrollar componentes desacoplados, fácilmente testeables y preparados para evolucionar independientemente conforme crecían las necesidades funcionales de la plataforma.
Microservicios y APIs
La plataforma se estructuró mediante microservicios desarrollados con Spring Boot, definiendo contratos REST utilizando OpenAPI para facilitar la integración entre equipos y garantizar la compatibilidad entre versiones.
Los distintos dominios de negocio podían evolucionar de forma independiente, reduciendo el riesgo asociado a los despliegues y mejorando la velocidad de entrega de nuevas funcionalidades.
Cloud e integración
La solución fue diseñada con una orientación cloud-native utilizando contenedores Docker y plataformas Kubernetes para facilitar despliegues automatizados, escalabilidad horizontal y alta disponibilidad.
La comunicación entre servicios se apoyó en eventos y mensajería asíncrona, reduciendo el acoplamiento entre componentes y favoreciendo una arquitectura preparada para crecer de forma progresiva.
Inteligencia Artificial Generativa
La plataforma incorporó capacidades de Inteligencia Artificial Generativa mediante Spring AI y modelos LLM empresariales, permitiendo construir asistentes inteligentes capaces de consultar documentación técnica, procedimientos internos y conocimiento corporativo.
Para mejorar la precisión de las respuestas se diseñó una arquitectura Retrieval-Augmented Generation (RAG), utilizando bases de datos vectoriales y embeddings para proporcionar contexto adicional antes de cada consulta.
Observabilidad y calidad
Desde las primeras fases del proyecto se definió una estrategia de observabilidad basada en OpenTelemetry, Micrometer y Prometheus, complementada con dashboards en Grafana para monitorizar el comportamiento de toda la plataforma.
La calidad del software se aseguró mediante pruebas unitarias, integración continua, análisis estático de código y pipelines CI/CD automatizados que garantizaban despliegues repetibles y seguros.
