/
SupportXDR
Ontario, Canadá
Software (IA empresarial / SaaS)
Amazon Bedrock, AWS Lambda, Amazon API Gateway, Amazon Aurora PostgreSQL (Serverless), Amazon S3 Vectors, Amazon S3, Amazon CloudFront, Amazon EventBridge, Amazon CloudWatch, Amazon ECR, AWS IAM
SupportXDR está desarrollando Metarri, una plataforma nativa de IA que extrae insights respaldados por evidencias a partir de datos empresariales fragmentados. En un proyecto de cuatro semanas, Avahi construyó un prototipo funcional de la capa de insights de la plataforma: tres agentes de IA especializados que operan sobre datos organizativos unificados y alimentan un panel de validación donde los revisores ven hallazgos trazables y con puntuación de confianza. El sistema utiliza modelos fundacionales de Amazon Bedrock orquestados por AWS Lambda, con los datos indexados en Amazon S3 Vectors y almacenados en Amazon Aurora PostgreSQL Serverless. La entrega se cerró con una puntuación de satisfacción del cliente de 5 sobre 5, y el cliente pasó directamente a definir el alcance de un proyecto de producción posterior.
SupportXDR desarrolla software impulsado por IA que ayuda a los equipos empresariales a abrirse paso entre herramientas fragmentadas, paneles caóticos y fuentes de información dispersas. Su plataforma Metarri está diseñada para ofrecer a las organizaciones una visión única e inteligente de la actividad en los sistemas donde realmente se trabaja, desde herramientas de ticketing y colaboración hasta bases de conocimiento y CRM. La empresa opera en el ámbito del software empresarial, centrada en convertir señales organizativas desconectadas en inteligencia estructurada y accionable.
Los equipos empresariales generan cada día grandes volúmenes de señales en Jira, Slack, Confluence, Google Drive, CRM y sistemas de calendario. Esa señal contiene evidencias tempranas de riesgos, oportunidades y lagunas de conocimiento, pero permanece aislada en silos entre herramientas, ninguna de las cuales revela patrones entre sistemas. Los equipos dependen del conocimiento tribal o de revisiones manuales para detectar los problemas que importan, lo que significa que la mayoría de las señales débiles solo se perciben después de que escalen.
SupportXDR se propuso crear Metarri para resolver esto a escala, pero primero se enfrentó a una cuestión de validación: ¿puede la IA generativa producir de forma fiable insights de alta calidad, fundamentados en evidencias, a partir de datos empresariales reales, o se degrada en resultados de bajo valor y alucinaciones? La confianza en esa respuesta era un requisito previo para seguir invirtiendo. Sin ella, no se podía apostar por la propuesta de valor central de la plataforma —precisión y trazabilidad por encima del volumen— y cualquier desarrollo posterior del producto se apoyaría en una base no probada.
SupportXDR eligió AWS para desarrollar y validar la capa de insights de Metarri porque AWS ofrecía los componentes listos para usar de IA generativa y búsqueda vectorial de los que dependía la arquitectura, sin arrastrar al equipo a trabajo de infraestructura. Amazon Bedrock proporciona acceso directo a modelos fundacionales líderes mediante una API coherente, lo que permite iterar la lógica de los agentes sobre prompts y modelos sin gestionar el hosting de modelos. Amazon S3 Vectors y Amazon Aurora PostgreSQL Serverless gestionan la similitud semántica y el almacenamiento estructurado en servicios administrados que escalan con el uso, y AWS Lambda ofrece al equipo un entorno de ejecución orientado a eventos que encaja tanto con los patrones de invocación por lotes programados como bajo demanda que requiere la carga de trabajo.
AWS también proporciona a Metarri una base sobre la que ampliar a medida que la plataforma madura, desde alternar entre modelos fundacionales adicionales de Bedrock y perfiles de inferencia, hasta incorporar más conectores de fuentes, ampliar la búsqueda vectorial y desplegar en varias regiones. La plataforma puede crecer dentro de un único ecosistema en lugar de coser proveedores dispares.
Avahi es un socio AWS Premier Tier con un historial de llevar conceptos de IA generativa desde el alcance hasta un producto funcional en AWS en semanas, en lugar de meses. SupportXDR eligió Avahi para validar la capa de insights de Metarri porque el proyecto requería tanto experiencia aplicada en GenAI (diseño multiagente, ingeniería de prompts, fundamentación en evidencias, puntuación de confianza) como entrega nativa en AWS (Bedrock, Lambda, S3 Vectors, API Gateway) bajo un único equipo de entrega.
La prioridad del cliente era la precisión por encima del volumen: un sistema que mostrara un número reducido de insights validados y respaldados por evidencias, o que informara claramente de que los datos eran insuficientes, en lugar de generar ruido con apariencia de certeza. Esa disciplina de diseñar para la fiabilidad y la trazabilidad encajaba con la forma en que Avahi estructura los proyectos de GenAI.
Como este era el segundo proyecto de SupportXDR con Avahi, el equipo también aportó continuidad de la colaboración anterior a la definición del alcance, el arranque y el ritmo de entrega.
Avahi entregó un sistema funcional de insights multiagente, que abarca la ingesta, la ejecución de agentes, una capa de validación de insights y un panel de revisión, desplegado en AWS en la cuenta del cliente.
Ingesta de datos y capa de contexto compartido. Los datos empresariales que abarcan Jira, Slack, Confluence, Google Drive, CRM y la actividad del calendario se normalizan en un esquema unificado y se almacenan en Amazon Aurora PostgreSQL Serverless. Los registros se almacenan en PostgresDB, se extraen y construimos un paquete de evidencias. Los insights se incrustan para evitar duplicidades. Los registros están en la BD, ya que la mayoría no son lenguaje natural e incluyen metadatos útiles para filtrarlos cuando sea necesario.
Tres agentes especializados en Amazon Bedrock. Una única función de AWS Lambda orquesta tres agentes (Silent Failure Detection, Opportunity Archaeologist y Knowledge Gap Mapper) que se ejecutan de forma concurrente sobre el mismo paquete de evidencias. Cada agente hereda la lógica compartida y aporta únicamente su propio nombre, tipo de insight y prompt del sistema. Cada llamada de agente pasa por la API Converse de Amazon Bedrock contra un modelo fundacional Claude Sonnet, produciendo hallazgos estructurados etiquetados como insights de riesgo, oportunidad o brecha. La Lambda puede ejecutarse en modo batch contra todos los proyectos activos (programado por Amazon EventBridge) o contra un único proyecto bajo demanda.
Evaluación “evidence-first” y puntuación de confianza. Después de que los agentes generen insights candidatos, una fase de juez se ejecuta contra Bedrock para verificar las evidencias de soporte de cada insight frente a la base de datos, descartar los insights cuya evidencia no pueda trazarse y volver a puntuar la confianza de los supervivientes con razonamiento. La deduplicación semántica frente a insights anteriores en S3 Vectors garantiza que los nuevos insights no sean casi duplicados de los que el revisor ya vio. Este diseño hace cumplir directamente el requisito del cliente de precisión por encima del volumen.
Backend, API y panel de validación. Un backend FastAPI, empaquetado como imagen de contenedor y desplegado como función de AWS Lambda detrás de Amazon API Gateway, sirve las API de dominio para clientes, proyectos, insights, ejecuciones de agentes y cada tipo de registro de origen. Un panel web, alojado en Amazon S3 y servido a través de Amazon CloudFront, permite a los revisores filtrar por tipo de insight (riesgo, oportunidad, brecha), ordenar por confianza, profundizar en las evidencias citadas, ejecutar la generación de insights por proyecto y por agente, y marcar los insights como abiertos, en curso o completados. El panel se autentica mediante una capa JWT, y todas las imágenes de contenedor se almacenan en Amazon ECR con una política de ciclo de vida que conserva las compilaciones más recientes.
Refinamiento posterior a la demo. Tras la demo a mitad del proyecto, el equipo incorporó los comentarios del cliente en la entrega, incluyendo soporte para insights etiquetados con más de un tipo, una columna de estado del insight con filtrado de activos e inactivos, recomendaciones estructuradas (responsable, acción, motivo, plazo) y mejoras en la visualización del razonamiento de confianza y de las evidencias.
El proyecto produjo un prototipo funcional de extremo a extremo de la capa de insights de Metarri en un plazo de cuatro semanas, se cerró en el calendario acordado y proporcionó a SupportXDR las evidencias necesarias para avanzar hacia una implementación en producción sobre la misma base de AWS. El cliente completó la aprobación formal y abrió de inmediato conversaciones para llevar la plataforma a producción con Avahi.
SupportXDR
Ontario, Canadá
Software (IA empresarial / SaaS)
Amazon Bedrock, AWS Lambda, Amazon API Gateway, Amazon Aurora PostgreSQL (Serverless), Amazon S3 Vectors, Amazon S3, Amazon CloudFront, Amazon EventBridge, Amazon CloudWatch, Amazon ECR, AWS IAM
SupportXDR está desarrollando Metarri, una plataforma nativa de IA que extrae insights respaldados por evidencias a partir de datos empresariales fragmentados. En un proyecto de cuatro semanas, Avahi construyó un prototipo funcional de la capa de insights de la plataforma: tres agentes de IA especializados que operan sobre datos organizativos unificados y alimentan un panel de validación donde los revisores ven hallazgos trazables y con puntuación de confianza. El sistema utiliza modelos fundacionales de Amazon Bedrock orquestados por AWS Lambda, con los datos indexados en Amazon S3 Vectors y almacenados en Amazon Aurora PostgreSQL Serverless. La entrega se cerró con una puntuación de satisfacción del cliente de 5 sobre 5, y el cliente pasó directamente a definir el alcance de un proyecto de producción posterior.
SupportXDR desarrolla software impulsado por IA que ayuda a los equipos empresariales a abrirse paso entre herramientas fragmentadas, paneles caóticos y fuentes de información dispersas. Su plataforma Metarri está diseñada para ofrecer a las organizaciones una visión única e inteligente de la actividad en los sistemas donde realmente se trabaja, desde herramientas de ticketing y colaboración hasta bases de conocimiento y CRM. La empresa opera en el ámbito del software empresarial, centrada en convertir señales organizativas desconectadas en inteligencia estructurada y accionable.
Los equipos empresariales generan cada día grandes volúmenes de señales en Jira, Slack, Confluence, Google Drive, CRM y sistemas de calendario. Esa señal contiene evidencias tempranas de riesgos, oportunidades y lagunas de conocimiento, pero permanece aislada en silos entre herramientas, ninguna de las cuales revela patrones entre sistemas. Los equipos dependen del conocimiento tribal o de revisiones manuales para detectar los problemas que importan, lo que significa que la mayoría de las señales débiles solo se perciben después de que escalen.
SupportXDR se propuso crear Metarri para resolver esto a escala, pero primero se enfrentó a una cuestión de validación: ¿puede la IA generativa producir de forma fiable insights de alta calidad, fundamentados en evidencias, a partir de datos empresariales reales, o se degrada en resultados de bajo valor y alucinaciones? La confianza en esa respuesta era un requisito previo para seguir invirtiendo. Sin ella, no se podía apostar por la propuesta de valor central de la plataforma —precisión y trazabilidad por encima del volumen— y cualquier desarrollo posterior del producto se apoyaría en una base no probada.
SupportXDR eligió AWS para desarrollar y validar la capa de insights de Metarri porque AWS ofrecía los componentes listos para usar de IA generativa y búsqueda vectorial de los que dependía la arquitectura, sin arrastrar al equipo a trabajo de infraestructura. Amazon Bedrock proporciona acceso directo a modelos fundacionales líderes mediante una API coherente, lo que permite iterar la lógica de los agentes sobre prompts y modelos sin gestionar el hosting de modelos. Amazon S3 Vectors y Amazon Aurora PostgreSQL Serverless gestionan la similitud semántica y el almacenamiento estructurado en servicios administrados que escalan con el uso, y AWS Lambda ofrece al equipo un entorno de ejecución orientado a eventos que encaja tanto con los patrones de invocación por lotes programados como bajo demanda que requiere la carga de trabajo.
AWS también proporciona a Metarri una base sobre la que ampliar a medida que la plataforma madura, desde alternar entre modelos fundacionales adicionales de Bedrock y perfiles de inferencia, hasta incorporar más conectores de fuentes, ampliar la búsqueda vectorial y desplegar en varias regiones. La plataforma puede crecer dentro de un único ecosistema en lugar de coser proveedores dispares.
Avahi es un socio AWS Premier Tier con un historial de llevar conceptos de IA generativa desde el alcance hasta un producto funcional en AWS en semanas, en lugar de meses. SupportXDR eligió Avahi para validar la capa de insights de Metarri porque el proyecto requería tanto experiencia aplicada en GenAI (diseño multiagente, ingeniería de prompts, fundamentación en evidencias, puntuación de confianza) como entrega nativa en AWS (Bedrock, Lambda, S3 Vectors, API Gateway) bajo un único equipo de entrega.
La prioridad del cliente era la precisión por encima del volumen: un sistema que mostrara un número reducido de insights validados y respaldados por evidencias, o que informara claramente de que los datos eran insuficientes, en lugar de generar ruido con apariencia de certeza. Esa disciplina de diseñar para la fiabilidad y la trazabilidad encajaba con la forma en que Avahi estructura los proyectos de GenAI.
Como este era el segundo proyecto de SupportXDR con Avahi, el equipo también aportó continuidad de la colaboración anterior a la definición del alcance, el arranque y el ritmo de entrega.
Avahi entregó un sistema funcional de insights multiagente, que abarca la ingesta, la ejecución de agentes, una capa de validación de insights y un panel de revisión, desplegado en AWS en la cuenta del cliente.
Ingesta de datos y capa de contexto compartido. Los datos empresariales que abarcan Jira, Slack, Confluence, Google Drive, CRM y la actividad del calendario se normalizan en un esquema unificado y se almacenan en Amazon Aurora PostgreSQL Serverless. Los registros se almacenan en PostgresDB, se extraen y construimos un paquete de evidencias. Los insights se incrustan para evitar duplicidades. Los registros están en la BD, ya que la mayoría no son lenguaje natural e incluyen metadatos útiles para filtrarlos cuando sea necesario.
Tres agentes especializados en Amazon Bedrock. Una única función de AWS Lambda orquesta tres agentes (Silent Failure Detection, Opportunity Archaeologist y Knowledge Gap Mapper) que se ejecutan de forma concurrente sobre el mismo paquete de evidencias. Cada agente hereda la lógica compartida y aporta únicamente su propio nombre, tipo de insight y prompt del sistema. Cada llamada de agente pasa por la API Converse de Amazon Bedrock contra un modelo fundacional Claude Sonnet, produciendo hallazgos estructurados etiquetados como insights de riesgo, oportunidad o brecha. La Lambda puede ejecutarse en modo batch contra todos los proyectos activos (programado por Amazon EventBridge) o contra un único proyecto bajo demanda.
Evaluación “evidence-first” y puntuación de confianza. Después de que los agentes generen insights candidatos, una fase de juez se ejecuta contra Bedrock para verificar las evidencias de soporte de cada insight frente a la base de datos, descartar los insights cuya evidencia no pueda trazarse y volver a puntuar la confianza de los supervivientes con razonamiento. La deduplicación semántica frente a insights anteriores en S3 Vectors garantiza que los nuevos insights no sean casi duplicados de los que el revisor ya vio. Este diseño hace cumplir directamente el requisito del cliente de precisión por encima del volumen.
Backend, API y panel de validación. Un backend FastAPI, empaquetado como imagen de contenedor y desplegado como función de AWS Lambda detrás de Amazon API Gateway, sirve las API de dominio para clientes, proyectos, insights, ejecuciones de agentes y cada tipo de registro de origen. Un panel web, alojado en Amazon S3 y servido a través de Amazon CloudFront, permite a los revisores filtrar por tipo de insight (riesgo, oportunidad, brecha), ordenar por confianza, profundizar en las evidencias citadas, ejecutar la generación de insights por proyecto y por agente, y marcar los insights como abiertos, en curso o completados. El panel se autentica mediante una capa JWT, y todas las imágenes de contenedor se almacenan en Amazon ECR con una política de ciclo de vida que conserva las compilaciones más recientes.
Refinamiento posterior a la demo. Tras la demo a mitad del proyecto, el equipo incorporó los comentarios del cliente en la entrega, incluyendo soporte para insights etiquetados con más de un tipo, una columna de estado del insight con filtrado de activos e inactivos, recomendaciones estructuradas (responsable, acción, motivo, plazo) y mejoras en la visualización del razonamiento de confianza y de las evidencias.
El proyecto produjo un prototipo funcional de extremo a extremo de la capa de insights de Metarri en un plazo de cuatro semanas, se cerró en el calendario acordado y proporcionó a SupportXDR las evidencias necesarias para avanzar hacia una implementación en producción sobre la misma base de AWS. El cliente completó la aprobación formal y abrió de inmediato conversaciones para llevar la plataforma a producción con Avahi.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
