Plataforma de IA nativa en la nube lista para producción, entregada de extremo a extremo
Latencia de respuesta, reducida desde aproximadamente diez segundos
La pila serverless permanece en reposo con coste casi nulo entre sesiones
United Sales
Palo Alto, California
Productividad de ventas con IA / Tecnología de ventas
Amazon Bedrock (Claude), Amazon API Gateway, AWS Lambda, Amazon Cognito, Amazon OpenSearch Service, Amazon S3, Amazon DynamoDB, AWS Comprehend, AWS Textract, Amazon EventBridge, AWS VPC, AWS PrivateLink, AWS IAM, Amazon CloudWatch, AWS Secrets Manager, Chrome Extension (Manifest v3)
United Sales había desarrollado un asistente de IA basado en navegador llamado Stella para ayudar a los representantes de ventas a responder preguntas técnicas sobre productos en directo durante las llamadas con clientes. La versión inicial se ejecutaba completamente en una única máquina, dependía de un proveedor de IA externo mediante una credencial de API codificada, y carecía de base de conocimiento persistente o backend en la nube. Avahi rediseñó y entregó Stella como una plataforma nativa en la nube lista para producción en AWS en un proyecto de cinco semanas. El resultado es un copiloto de ventas con IA completamente desplegado que ingiere documentación de productos, procesa subtítulos de reuniones en directo, detecta señales de oportunidad en tiempo real y presenta orientación de coaching a los representantes de ventas durante las llamadas, sin necesidad de que esté presente un experto técnico.
United Sales es una empresa de productividad de ventas con IA cuya plataforma está diseñada para eliminar la dependencia de ingenieros de ventas durante las conversaciones con clientes. El producto sirve a equipos de ventas que comercializan productos técnicamente complejos, cerrando la brecha entre la experiencia en ventas y el conocimiento técnico profundo al permitir que Stella responda preguntas de clientes con precisión y en tiempo real. United Sales opera como una empresa tecnológica en fase inicial que avanza hacia pilotos con clientes empresariales.
Los representantes de ventas en empresas técnicamente complejas se encuentran habitualmente con preguntas que no pueden responder sin un experto en la materia. Cuando un ingeniero de ventas no está disponible, las oportunidades se estancan o colapsan. United Sales ya había validado este problema y construido un prototipo funcional, una extensión de Chrome llamada Stella que utilizaba un modelo de IA local para responder preguntas durante las llamadas. Pero el prototipo tenía limitaciones críticas que bloqueaban la escala comercial.
Stella estaba vinculada a un único dispositivo, carecía de base de conocimiento de productos persistente y requería la recarga manual de documentos de referencia para cada nueva sesión. El sistema utilizaba una credencial de API de proveedor codificada sin capa de autenticación, creando una exposición de seguridad. No existía ningún mecanismo para capturar señales de reunión en directo, ni historial de sesiones, ni forma de rastrear lo discutido entre llamadas. La arquitectura no podía soportar múltiples representantes de ventas ni servir como base para demostraciones a inversores o pilotos con clientes iniciales.
Los fundadores de United Sales reconocieron desde el principio que sus clientes empresariales objetivo operan casi universalmente en AWS y confían en Claude como su modelo de IA preferido. Migrar Stella a Amazon Web Services con Amazon Bedrock como capa de inferencia significaba que el producto podría eventualmente ejecutarse como una extensión dentro del entorno de nube existente del cliente, haciendo que los costes de tokens corrieran a cargo del cliente en lugar de United Sales. Esta decisión de arquitectura comercial configuró cada elección técnica: AWS Lambda para computación serverless de pago por uso; Amazon Bedrock Knowledge Bases con OpenSearch para recuperación de documentos persistente por representante; Amazon Cognito para autenticación; y AWS Comprehend para enmascaramiento de PII en tiempo real antes de cualquier llamada de inferencia. Toda la pila permanece en reposo con coste casi nulo entre sesiones activas, una restricción crítica para una empresa en fase inicial que gestiona un presupuesto de nube ajustado.
United Sales necesitaba un socio que pudiera moverse rápidamente, trabajar dentro de restricciones de coste ajustadas y entregar un resultado desplegable en producción en lugar de una presentación. La condición de Avahi como socio de AWS de nivel Premier, combinada con un modelo de entrega estructurado de cinco semanas con aprobaciones semanales de fase, dio al equipo fundador la confianza de que el proyecto produciría un sistema transferible y operable de forma independiente. La experiencia del equipo diseñando arquitecturas nativas de Bedrock para cargas de trabajo intensivas en IA se alineaba directamente con el alcance técnico.
Avahi reconstruyó Stella desde cero en AWS preservando la extensión de Chrome como interfaz de cara al usuario. El sistema entregado consta de cuatro capas integradas.
La capa de conocimiento utiliza un pipeline de sincronización automatizado de S3 a Bedrock Knowledge Base. Cuando un representante de ventas carga un documento de producto, un pipeline basado en eventos lo indexa inmediatamente en un índice de búsqueda semántica k-NN de OpenSearch. Los documentos tienen alcance por representante de ventas, de modo que cada representante recupera solo sus propios materiales de producto, y el índice persiste entre sesiones, eliminando el requisito de recarga manual. AWS Textract gestiona la extracción desde formatos PDF, Word, PowerPoint y Excel.
La capa de inferencia reemplaza la dependencia original de API externa con Amazon Bedrock ejecutando Claude. La extensión de Chrome envía el texto de subtítulos en directo y la pregunta del representante a un endpoint de Amazon API Gateway. Una función Lambda recupera los pasajes de documento más relevantes de la base de conocimiento mediante búsqueda semántica, construye un prompt fundamentado y transmite la respuesta de vuelta a la extensión mediante eventos enviados por servidor. La latencia de respuesta se redujo a tres a cinco segundos mediante streaming, desde aproximadamente diez segundos en el prototipo sin streaming.
La capa de detección de señales procesa subtítulos de reuniones en directo mediante una taxonomía de señales de oportunidad desarrollada en colaboración con los asesores de ventas y producto de United Sales. El sistema identifica eventos como objeciones presupuestarias, menciones de competidores, dolor empresarial cuantificado, presión de plazos y patrones de afirmación o contradicción. Las señales se clasifican por prioridad y se presentan al representante como indicaciones contextuales, con la línea de transcripción citada como evidencia. La taxonomía pasó por cuatro ciclos de revisión informados por aportaciones de la red de asesores profesionales de ventas de United Sales.
La capa de seguridad y datos reemplazó la credencial de API codificada con autenticación basada en tokens de Amazon Cognito en todos los endpoints. Todo el tráfico se enruta a través de una Virtual Private Cloud con AWS PrivateLink, manteniendo las llamadas a Bedrock y OpenSearch completamente dentro de la red de AWS. AWS Comprehend escanea cada lote de subtítulos y enmascara nombres, direcciones de correo electrónico, números de teléfono y otra información de identificación personal antes de que cualquier dato llegue a la capa de inferencia. Las transcripciones de sesión se almacenan en DynamoDB durante el periodo activo y se archivan en Amazon S3, proporcionando a la plataforma una pista de auditoría que soporta futuros análisis de coaching y análisis de victorias y pérdidas.
La semana final del proyecto cubrió pruebas de aceptación de usuario frente a escenarios de llamadas de ventas en directo, migración de la pila completa a la cuenta de AWS de United Sales y sesiones de transferencia de conocimiento que cubrían la arquitectura, el pipeline de despliegue y las operaciones del día a día.
Evaluación de la base de código de Stella: inventario completo de archivos fuente, riesgos de migración y mapeo de dependencias de Gemini a Bedrock
Arquitectura AWS: pila serverless basada en Lambda con API Gateway, Cognito, VPC y PrivateLink, DynamoDB, S3 y Amazon Bedrock Knowledge Bases
Contrato de API: endpoints autenticados para consulta en tiempo real, ingesta de documentos, procesamiento de subtítulos y detección de señales
Pipeline de sincronización automatizado de S3 a Bedrock Knowledge Base con AWS Textract para soporte de documentos multiformato
Pipeline de recuperación RAG con búsqueda semántica k-NN de OpenSearch y alcance de documentos por representante
Migración de extensión de Chrome desde Gemini API a AWS API Gateway con autenticación Cognito
Motor de detección de señales en tiempo real basado en la versión finalizada 1.4 de la taxonomía de señales de oportunidad
Enmascaramiento de PII mediante AWS Comprehend aplicado a todos los datos de subtítulos y consultas antes de la inferencia
Historial de sesiones migrado desde almacenamiento local del navegador a DynamoDB con archivado en S3
Despliegue en producción en la cuenta de AWS de United Sales
Documentación técnica completa, diagramas de arquitectura y sesiones de transferencia de conocimiento
El proyecto entregó una plataforma de IA de ventas completamente desplegada y operable de forma independiente. El equipo de United Sales puede ingerir documentación de productos, realizar llamadas de ventas en directo con asistencia de IA en tiempo real, revisar señales de oportunidad detectadas y gestionar el entorno de AWS sin participación continua de Avahi. La plataforma está posicionada para la incorporación inmediata de clientes piloto.
Latencia de respuesta reducida desde aproximadamente 10 segundos a 3 a 5 segundos mediante inferencia por streaming, cumpliendo el requisito de latencia inferior a seis segundos definido en el enunciado de trabajo
Cinco aprobaciones formales de fase completadas a lo largo del proyecto, confirmando que todos los entregables cumplían los requisitos acordados antes de que comenzara cada fase sucesiva
Postura de seguridad mejorada desde una credencial de API codificada a autenticación por tokens Cognito, enrutamiento interno VPC y enmascaramiento de PII aplicado a cada carga útil de subtítulos y consultas
La base de conocimiento ahora soporta recuperación de documentos persistente multisesión por representante de ventas, reemplazando un sistema con alcance de sesión que requería recarga para cada llamada
Taxonomía de señales de oportunidad finalizada tras cuatro ciclos de revisión con aportaciones de profesionales de ventas y asesores expertos
Pila completa desplegada en producción en la cuenta de AWS de United Sales con código fuente, documentación y manuales de operación transferidos al cierre del proyecto
United Sales
Palo Alto, California
Productividad de ventas con IA / Tecnología de ventas
Amazon Bedrock (Claude), Amazon API Gateway, AWS Lambda, Amazon Cognito, Amazon OpenSearch Service, Amazon S3, Amazon DynamoDB, AWS Comprehend, AWS Textract, Amazon EventBridge, AWS VPC, AWS PrivateLink, AWS IAM, Amazon CloudWatch, AWS Secrets Manager, Chrome Extension (Manifest v3)
United Sales había desarrollado un asistente de IA basado en navegador llamado Stella para ayudar a los representantes de ventas a responder preguntas técnicas sobre productos en directo durante las llamadas con clientes. La versión inicial se ejecutaba completamente en una única máquina, dependía de un proveedor de IA externo mediante una credencial de API codificada, y carecía de base de conocimiento persistente o backend en la nube. Avahi rediseñó y entregó Stella como una plataforma nativa en la nube lista para producción en AWS en un proyecto de cinco semanas. El resultado es un copiloto de ventas con IA completamente desplegado que ingiere documentación de productos, procesa subtítulos de reuniones en directo, detecta señales de oportunidad en tiempo real y presenta orientación de coaching a los representantes de ventas durante las llamadas, sin necesidad de que esté presente un experto técnico.
United Sales es una empresa de productividad de ventas con IA cuya plataforma está diseñada para eliminar la dependencia de ingenieros de ventas durante las conversaciones con clientes. El producto sirve a equipos de ventas que comercializan productos técnicamente complejos, cerrando la brecha entre la experiencia en ventas y el conocimiento técnico profundo al permitir que Stella responda preguntas de clientes con precisión y en tiempo real. United Sales opera como una empresa tecnológica en fase inicial que avanza hacia pilotos con clientes empresariales.
Los representantes de ventas en empresas técnicamente complejas se encuentran habitualmente con preguntas que no pueden responder sin un experto en la materia. Cuando un ingeniero de ventas no está disponible, las oportunidades se estancan o colapsan. United Sales ya había validado este problema y construido un prototipo funcional, una extensión de Chrome llamada Stella que utilizaba un modelo de IA local para responder preguntas durante las llamadas. Pero el prototipo tenía limitaciones críticas que bloqueaban la escala comercial.
Stella estaba vinculada a un único dispositivo, carecía de base de conocimiento de productos persistente y requería la recarga manual de documentos de referencia para cada nueva sesión. El sistema utilizaba una credencial de API de proveedor codificada sin capa de autenticación, creando una exposición de seguridad. No existía ningún mecanismo para capturar señales de reunión en directo, ni historial de sesiones, ni forma de rastrear lo discutido entre llamadas. La arquitectura no podía soportar múltiples representantes de ventas ni servir como base para demostraciones a inversores o pilotos con clientes iniciales.
Los fundadores de United Sales reconocieron desde el principio que sus clientes empresariales objetivo operan casi universalmente en AWS y confían en Claude como su modelo de IA preferido. Migrar Stella a Amazon Web Services con Amazon Bedrock como capa de inferencia significaba que el producto podría eventualmente ejecutarse como una extensión dentro del entorno de nube existente del cliente, haciendo que los costes de tokens corrieran a cargo del cliente en lugar de United Sales. Esta decisión de arquitectura comercial configuró cada elección técnica: AWS Lambda para computación serverless de pago por uso; Amazon Bedrock Knowledge Bases con OpenSearch para recuperación de documentos persistente por representante; Amazon Cognito para autenticación; y AWS Comprehend para enmascaramiento de PII en tiempo real antes de cualquier llamada de inferencia. Toda la pila permanece en reposo con coste casi nulo entre sesiones activas, una restricción crítica para una empresa en fase inicial que gestiona un presupuesto de nube ajustado.
United Sales necesitaba un socio que pudiera moverse rápidamente, trabajar dentro de restricciones de coste ajustadas y entregar un resultado desplegable en producción en lugar de una presentación. La condición de Avahi como socio de AWS de nivel Premier, combinada con un modelo de entrega estructurado de cinco semanas con aprobaciones semanales de fase, dio al equipo fundador la confianza de que el proyecto produciría un sistema transferible y operable de forma independiente. La experiencia del equipo diseñando arquitecturas nativas de Bedrock para cargas de trabajo intensivas en IA se alineaba directamente con el alcance técnico.
Avahi reconstruyó Stella desde cero en AWS preservando la extensión de Chrome como interfaz de cara al usuario. El sistema entregado consta de cuatro capas integradas.
La capa de conocimiento utiliza un pipeline de sincronización automatizado de S3 a Bedrock Knowledge Base. Cuando un representante de ventas carga un documento de producto, un pipeline basado en eventos lo indexa inmediatamente en un índice de búsqueda semántica k-NN de OpenSearch. Los documentos tienen alcance por representante de ventas, de modo que cada representante recupera solo sus propios materiales de producto, y el índice persiste entre sesiones, eliminando el requisito de recarga manual. AWS Textract gestiona la extracción desde formatos PDF, Word, PowerPoint y Excel.
La capa de inferencia reemplaza la dependencia original de API externa con Amazon Bedrock ejecutando Claude. La extensión de Chrome envía el texto de subtítulos en directo y la pregunta del representante a un endpoint de Amazon API Gateway. Una función Lambda recupera los pasajes de documento más relevantes de la base de conocimiento mediante búsqueda semántica, construye un prompt fundamentado y transmite la respuesta de vuelta a la extensión mediante eventos enviados por servidor. La latencia de respuesta se redujo a tres a cinco segundos mediante streaming, desde aproximadamente diez segundos en el prototipo sin streaming.
La capa de detección de señales procesa subtítulos de reuniones en directo mediante una taxonomía de señales de oportunidad desarrollada en colaboración con los asesores de ventas y producto de United Sales. El sistema identifica eventos como objeciones presupuestarias, menciones de competidores, dolor empresarial cuantificado, presión de plazos y patrones de afirmación o contradicción. Las señales se clasifican por prioridad y se presentan al representante como indicaciones contextuales, con la línea de transcripción citada como evidencia. La taxonomía pasó por cuatro ciclos de revisión informados por aportaciones de la red de asesores profesionales de ventas de United Sales.
La capa de seguridad y datos reemplazó la credencial de API codificada con autenticación basada en tokens de Amazon Cognito en todos los endpoints. Todo el tráfico se enruta a través de una Virtual Private Cloud con AWS PrivateLink, manteniendo las llamadas a Bedrock y OpenSearch completamente dentro de la red de AWS. AWS Comprehend escanea cada lote de subtítulos y enmascara nombres, direcciones de correo electrónico, números de teléfono y otra información de identificación personal antes de que cualquier dato llegue a la capa de inferencia. Las transcripciones de sesión se almacenan en DynamoDB durante el periodo activo y se archivan en Amazon S3, proporcionando a la plataforma una pista de auditoría que soporta futuros análisis de coaching y análisis de victorias y pérdidas.
La semana final del proyecto cubrió pruebas de aceptación de usuario frente a escenarios de llamadas de ventas en directo, migración de la pila completa a la cuenta de AWS de United Sales y sesiones de transferencia de conocimiento que cubrían la arquitectura, el pipeline de despliegue y las operaciones del día a día.
Evaluación de la base de código de Stella: inventario completo de archivos fuente, riesgos de migración y mapeo de dependencias de Gemini a Bedrock
Arquitectura AWS: pila serverless basada en Lambda con API Gateway, Cognito, VPC y PrivateLink, DynamoDB, S3 y Amazon Bedrock Knowledge Bases
Contrato de API: endpoints autenticados para consulta en tiempo real, ingesta de documentos, procesamiento de subtítulos y detección de señales
Pipeline de sincronización automatizado de S3 a Bedrock Knowledge Base con AWS Textract para soporte de documentos multiformato
Pipeline de recuperación RAG con búsqueda semántica k-NN de OpenSearch y alcance de documentos por representante
Migración de extensión de Chrome desde Gemini API a AWS API Gateway con autenticación Cognito
Motor de detección de señales en tiempo real basado en la versión finalizada 1.4 de la taxonomía de señales de oportunidad
Enmascaramiento de PII mediante AWS Comprehend aplicado a todos los datos de subtítulos y consultas antes de la inferencia
Historial de sesiones migrado desde almacenamiento local del navegador a DynamoDB con archivado en S3
Despliegue en producción en la cuenta de AWS de United Sales
Documentación técnica completa, diagramas de arquitectura y sesiones de transferencia de conocimiento
El proyecto entregó una plataforma de IA de ventas completamente desplegada y operable de forma independiente. El equipo de United Sales puede ingerir documentación de productos, realizar llamadas de ventas en directo con asistencia de IA en tiempo real, revisar señales de oportunidad detectadas y gestionar el entorno de AWS sin participación continua de Avahi. La plataforma está posicionada para la incorporación inmediata de clientes piloto.
Latencia de respuesta reducida desde aproximadamente 10 segundos a 3 a 5 segundos mediante inferencia por streaming, cumpliendo el requisito de latencia inferior a seis segundos definido en el enunciado de trabajo
Cinco aprobaciones formales de fase completadas a lo largo del proyecto, confirmando que todos los entregables cumplían los requisitos acordados antes de que comenzara cada fase sucesiva
Postura de seguridad mejorada desde una credencial de API codificada a autenticación por tokens Cognito, enrutamiento interno VPC y enmascaramiento de PII aplicado a cada carga útil de subtítulos y consultas
La base de conocimiento ahora soporta recuperación de documentos persistente multisesión por representante de ventas, reemplazando un sistema con alcance de sesión que requería recarga para cada llamada
Taxonomía de señales de oportunidad finalizada tras cuatro ciclos de revisión con aportaciones de profesionales de ventas y asesores expertos
Pila completa desplegada en producción en la cuenta de AWS de United Sales con código fuente, documentación y manuales de operación transferidos al cierre del proyecto
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
