AdvAI

El problema

Revisar un contrato frente al Código Civil, el Código de Comercio y la jurisprudencia boliviana toma horas, y los LLMs "inventan" artículos. AdvAI separa el contrato en cláusulas y, para cada una, devuelve riesgo, análisis y citas literales verificables.

Lo destacado

1. 01Búsqueda híbrida BM25 (SQLite FTS5) + embeddings bge-m3 fusionados por RRF sobre 3.267 artículos y 971 autos supremos: el acierto de recuperación (acierto@8) subió de 42,9 % a 80 %.
2. 02El modelo solo elige claves de las fuentes mostradas y el texto citado lo inserta el sistema: 82,9 % de citas correctas y 94,6 % de cláusulas sin error grave en la evaluación interna.
3. 03Anonimización de datos personales antes de enviar texto a la nube; LLM local (Ollama, qwen3.5 9B) y proveedores gratuitos con respaldo automático.
4. 04Trabajador en segundo plano reanudable, progreso en vivo por SSE, comparación entre versiones e informe DOCX/PDF.
5. 05Backend con 69 tests y cobertura ≥ 90 % exigida en CI; frontend en Next.js 16 + React 19 con visor PDF y cláusulas resaltadas por riesgo.

Lo que aprendí

• → 01Medir antes de optimizar: sin un set de evaluación habría seguido "ajustando prompts" a ciegas. Con métricas, cada cambio se volvió una decisión.
• → 02Un LLM no es una base de datos: la solución a las citas inventadas no fue un mejor prompt, fue una arquitectura donde el modelo no puede escribir la cita.
• → 03Privacidad por diseño: anonimizar antes de enviar texto a la nube cambió desde el esquema de datos hasta los prompts.
• → 04Diseñar para que falle bien: proveedores con respaldo y un trabajador que se reanuda tras un reinicio.