Avahi entregó un pipeline serverless y orientado a eventos en AWS, construido en torno a un diseño de puertos y adaptadores para que cada dependencia externa quede detrás de una interfaz con una implementación tanto en vivo como offline. El beneficio práctico es que el mismo código se ejecuta contra una emulación local durante el desarrollo y contra AWS real en la nube, lo que permitió al equipo seguir construyendo mientras se tramitaban credenciales y aprobaciones de la plataforma.

La ingesta se ejecuta por dos vías, adaptadas a lo que admite cada plataforma. Los comentarios y mensajes directos de Facebook e Instagram llegan como eventos de webhook a un punto de entrada HTTPS público, donde cada solicitud se verifica mediante una firma HMAC antes de aceptar nada. X no ofrece un acceso equivalente por webhook en los niveles incluidos en el alcance, así que una función programada consulta las menciones cada cinco minutos. Ambas vías normalizan el mensaje a un formato común y lo colocan en una cola de Amazon SQS, que separa la recepción del mensaje de su procesamiento y proporciona al pipeline una ruta de reintento y una cola de mensajes fallidos (dead-letter) cuando falla una llamada posterior.

Una función worker consume esa cola y clasifica cada mensaje con Claude Haiku 4.5 de Anthropic en Amazon Bedrock, ordenándolo en una de cinco categorías: Casework, Policy, Press Inquiry, Feedback y Threat/Abuse. La clasificación es zero-shot, sin entrenamiento ni fine-tuning del modelo, por lo que la taxonomía y sus reglas de frontera viven en el prompt y pueden revisarse sin reentrenar. La distinción más difícil resultó ser la crítica hostil al rendimiento de una oficina frente al abuso genuino dirigido a una persona. Avahi lo resolvió con un principio, en lugar de una lista de palabras clave, separando ambos por el objetivo de la hostilidad, lo que elevó el recall en la categoría Threat/Abuse del 70 % al 90 % y, al generalizar en lugar de hacer pattern-matching, se mantuvo ante formulaciones que el clasificador nunca había visto.

Los mensajes clasificados pasan después por emparejamiento, enrutamiento y almacenamiento. El remitente se empareja con un contacto existente del CRM mediante el identificador normalizado o se crea un nuevo contacto, para que un constituyente que escribe repetidamente no se duplique. Los elementos de casework se asignan al equipo adecuado mediante una capa de reglas basada en configuración y se almacenan con trazabilidad completa, es decir, la plataforma, la publicación de origen, el comentario y un enlace permanente, para que un miembro del personal siempre pueda rastrear un caso hasta el mensaje que lo inició. Todo se persiste en una única tabla de Amazon DynamoDB cuyo diseño de claves hace que la deduplicación sea una búsqueda directa por clave en lugar de un escaneo.

Dos APIs cierran el circuito. Un endpoint de publicación de respuestas acepta una respuesta redactada por el personal y la publica de vuelta en el hilo de origen, eligiendo entre respuesta a comentario o mensaje directo según cómo llegó el mensaje. Una API de traspaso de solo lectura, protegida por una clave de API y cerrada por defecto cuando no se configura ninguna clave, permite que Revere extraiga los casos clasificados y los contactos emparejados según su propio calendario. Las respuestas siempre las escribe una persona; el sistema las publica, pero no las redacta.

El sistema implementado es deliberadamente más ligero que el diseño propuesto originalmente. Se sustituyó un servicio de streaming por una cola, un clúster de búsqueda para deduplicación por una búsqueda directa por clave y una capa completa de API gateway por un único punto de entrada verificado, en cada caso porque el componente más simple cubría plenamente el requisito a este volumen. Las credenciales sociales se guardan en AWS Secrets Manager y se cargan en el runtime en el arranque en frío; cada función se ejecuta con un rol de mínimo privilegio; los logs estructurados van a Amazon CloudWatch; y los tokens nunca se escriben en los logs. Todo el stack se define como código con AWS CDK, para que Civic pueda desplegarlo en su propia cuenta.

El pipeline se desplegó y se probó en AWS, con una ejecución end-to-end que llevó un evento de webhook firmado a través de la cola y el modelo hasta un registro de casework almacenado, y con idas y vueltas de respuestas a comentarios y mensajes directos confirmadas contra cuentas reales. La conexión de las cuentas oficiales en vivo del miembro y el paso a producción corresponden a Civic, que asume ese paso por motivos de cumplimiento. Avahi también entregó una aplicación web de evaluación y demostración que muestra resultados de precisión, una bandeja de entrada en vivo en las tres plataformas con un cuadro de respuesta y un cuadro de “clasificar cualquier mensaje” usado para ejercitar el modelo desplegado durante las sesiones de revisión.