PDFs históricos de solicitantes alimentando una plataforma de inteligencia de admisiones con capacidad de búsqueda
Temas semánticos rastreados en las declaraciones personales de estudiantes aceptados
Sistemas de aplicación unificados en un conjunto de datos de solicitantes consultable
MedSchoolCoach
Boston, MA
Tecnología educativa, consultoría de admisiones médicas
Amazon Bedrock, Amazon Bedrock AgentCore, Amazon S3, AWS Lambda, AWS Step Functions, Amazon ECS (Fargate), Amazon DynamoDB, Amazon RDS
Los asesores médicos de MedSchoolCoach han dependido durante mucho tiempo de la experiencia y la intuición para responder preguntas como qué perfiles académicos son aceptados en qué instituciones, o qué temas distinguen una declaración personal sólida de una genérica. Avahi está construyendo una plataforma de inteligencia de admisiones nativa de AWS que extrae y estructura años de datos históricos de solicitantes, etiqueta declaraciones personales y actividades por tema semántico, y los presenta a través de un panel de análisis y un asesor conversacional agéntico construido sobre Amazon Bedrock AgentCore, reemplazando la identificación manual de patrones con orientación respaldada por datos.
MedSchoolCoach es una firma de asesoría de admisiones a escuelas de medicina con sede en Boston que brinda coaching personalizado, orientación estratégica y apoyo en la aplicación a estudiantes de premedicina en todo Estados Unidos. Asesores médicos con experiencia en comités de admisiones guían a los estudiantes en la selección de escuelas, planificación de actividades, declaraciones personales y entrevistas.
Los asesores necesitan responder preguntas como qué experiencias y temas de declaraciones personales son más comunes entre los estudiantes aceptados en una escuela determinada, o cómo se compara el perfil académico de un solicitante con los puntos de referencia publicados de esa escuela, en 144 escuelas de medicina y tres sistemas de aplicación separados (AMCAS, AACOMAS, TMDSAS), cada uno con sus propios formatos y preguntas de ensayo. Ese conocimiento existía solo como texto no estructurado enterrado en miles de PDFs, lo que hacía imposible responder estas preguntas de manera sistemática o a escala.
MedSchoolCoach ya operaba dentro de AWS, lo que lo convirtió en la plataforma natural para una solución que abarca procesamiento de documentos, almacenamiento de datos estructurados y semánticos, e IA generativa. AWS proporcionó al proyecto almacenamiento escalable, orquestación sin servidor para la extracción, y acceso administrado a modelos fundamentales e infraestructura de agentes a través de Amazon Bedrock, todo dentro de la propia cuenta de AWS de MedSchoolCoach.
Avahi aportó profundidad técnica en AWS junto con experiencia aplicada en IA que abarca inteligencia de documentos, ingeniería de datos e IA generativa. Como socio de nivel Premier de AWS con experiencia práctica en Amazon Bedrock, Avahi estaba posicionado tanto para diseñar como para entregar una plataforma que combina extracción de datos confiable con comprensión semántica del contenido de ensayos no estructurados.
La plataforma comienza con un pipeline de ingesta orquestado: una tarea de ECS Fargate extrae PDFs de aplicaciones históricas de Google Drive, AWS Step Functions coordina la validación de metadatos y la extracción, y las funciones de AWS Lambda ejecutan un proceso de extracción multimétodo, combinando un analizador de diseño estructurado con Amazon Bedrock para documentos complejos o de formato mixto. Los datos académicos y de actividades extraídos se almacenan en Amazon RDS para consultas estructuradas, mientras que Amazon DynamoDB rastrea el estado de ingesta a lo largo del pipeline.
Sobre esa base, Avahi está construyendo una capa semántica: las declaraciones personales y ensayos de aplicación se convierten en embeddings vectoriales a través de Amazon Bedrock, permitiendo búsqueda semántica y clasificación contra una taxonomía de más de 60 temas, desde exposición clínica y antecedentes de investigación hasta circunstancias familiares y narrativas profesionales. Esa capa semántica impulsa un panel de inteligencia de admisiones a escuelas de medicina, brindando a los asesores evaluaciones comparativas académicas y de aceptación por escuela junto con los temas de declaraciones personales y patrones de actividades más comunes entre los estudiantes aceptados.
Los asesores acceden a todo esto a través de una capa agéntica construida sobre Amazon Bedrock AgentCore. Un agente asesor conversacional recibe una pregunta en lenguaje natural, recupera los datos estructurados y semánticos relevantes en todo el conjunto de datos de solicitantes, y devuelve una respuesta directa, brindando a los asesores una interfaz de chatbot a la plataforma en lugar de buscar manualmente en paneles o PDFs.
Pipeline de ingesta orquestado (AWS Step Functions, ECS Fargate, AWS Lambda) procesando más de 1600 aplicaciones históricas de AMCAS, AACOMAS y TMDSAS
Extracción multimétodo que combina un analizador de diseño estructurado con Amazon Bedrock para GPA, MCAT, cursos y contenido de ensayos
Almacenes de datos estructurados (Amazon RDS) y de embeddings vectoriales que admiten consultas exactas y semánticas
Pipeline de etiquetado semántico que clasifica declaraciones personales en más de 60 temas y arquetipos narrativos
Panel de inteligencia de admisiones a escuelas de medicina con evaluaciones comparativas académicas y de aceptación a nivel de escuela
Asesor conversacional agéntico, construido sobre Amazon Bedrock AgentCore, que responde consultas en lenguaje natural en todo el conjunto de datos de solicitantes
Una vez completada, la plataforma brindará a los asesores médicos de MedSchoolCoach una base de datos que abarca 144 escuelas de medicina en tres sistemas de aplicación, reemplazando la revisión manual de PDFs y la identificación anecdótica de patrones con información semánticamente etiquetada y con capacidad de búsqueda sobre lo que realmente impulsa la admisión en cada escuela. Los asesores podrán fundamentar cada recomendación en los resultados de miles de solicitantes anteriores en lugar de orientación genérica.
MedSchoolCoach
Boston, MA
Tecnología educativa, consultoría de admisiones médicas
Amazon Bedrock, Amazon Bedrock AgentCore, Amazon S3, AWS Lambda, AWS Step Functions, Amazon ECS (Fargate), Amazon DynamoDB, Amazon RDS
Los asesores médicos de MedSchoolCoach han dependido durante mucho tiempo de la experiencia y la intuición para responder preguntas como qué perfiles académicos son aceptados en qué instituciones, o qué temas distinguen una declaración personal sólida de una genérica. Avahi está construyendo una plataforma de inteligencia de admisiones nativa de AWS que extrae y estructura años de datos históricos de solicitantes, etiqueta declaraciones personales y actividades por tema semántico, y los presenta a través de un panel de análisis y un asesor conversacional agéntico construido sobre Amazon Bedrock AgentCore, reemplazando la identificación manual de patrones con orientación respaldada por datos.
MedSchoolCoach es una firma de asesoría de admisiones a escuelas de medicina con sede en Boston que brinda coaching personalizado, orientación estratégica y apoyo en la aplicación a estudiantes de premedicina en todo Estados Unidos. Asesores médicos con experiencia en comités de admisiones guían a los estudiantes en la selección de escuelas, planificación de actividades, declaraciones personales y entrevistas.
Los asesores necesitan responder preguntas como qué experiencias y temas de declaraciones personales son más comunes entre los estudiantes aceptados en una escuela determinada, o cómo se compara el perfil académico de un solicitante con los puntos de referencia publicados de esa escuela, en 144 escuelas de medicina y tres sistemas de aplicación separados (AMCAS, AACOMAS, TMDSAS), cada uno con sus propios formatos y preguntas de ensayo. Ese conocimiento existía solo como texto no estructurado enterrado en miles de PDFs, lo que hacía imposible responder estas preguntas de manera sistemática o a escala.
MedSchoolCoach ya operaba dentro de AWS, lo que lo convirtió en la plataforma natural para una solución que abarca procesamiento de documentos, almacenamiento de datos estructurados y semánticos, e IA generativa. AWS proporcionó al proyecto almacenamiento escalable, orquestación sin servidor para la extracción, y acceso administrado a modelos fundamentales e infraestructura de agentes a través de Amazon Bedrock, todo dentro de la propia cuenta de AWS de MedSchoolCoach.
Avahi aportó profundidad técnica en AWS junto con experiencia aplicada en IA que abarca inteligencia de documentos, ingeniería de datos e IA generativa. Como socio de nivel Premier de AWS con experiencia práctica en Amazon Bedrock, Avahi estaba posicionado tanto para diseñar como para entregar una plataforma que combina extracción de datos confiable con comprensión semántica del contenido de ensayos no estructurados.
La plataforma comienza con un pipeline de ingesta orquestado: una tarea de ECS Fargate extrae PDFs de aplicaciones históricas de Google Drive, AWS Step Functions coordina la validación de metadatos y la extracción, y las funciones de AWS Lambda ejecutan un proceso de extracción multimétodo, combinando un analizador de diseño estructurado con Amazon Bedrock para documentos complejos o de formato mixto. Los datos académicos y de actividades extraídos se almacenan en Amazon RDS para consultas estructuradas, mientras que Amazon DynamoDB rastrea el estado de ingesta a lo largo del pipeline.
Sobre esa base, Avahi está construyendo una capa semántica: las declaraciones personales y ensayos de aplicación se convierten en embeddings vectoriales a través de Amazon Bedrock, permitiendo búsqueda semántica y clasificación contra una taxonomía de más de 60 temas, desde exposición clínica y antecedentes de investigación hasta circunstancias familiares y narrativas profesionales. Esa capa semántica impulsa un panel de inteligencia de admisiones a escuelas de medicina, brindando a los asesores evaluaciones comparativas académicas y de aceptación por escuela junto con los temas de declaraciones personales y patrones de actividades más comunes entre los estudiantes aceptados.
Los asesores acceden a todo esto a través de una capa agéntica construida sobre Amazon Bedrock AgentCore. Un agente asesor conversacional recibe una pregunta en lenguaje natural, recupera los datos estructurados y semánticos relevantes en todo el conjunto de datos de solicitantes, y devuelve una respuesta directa, brindando a los asesores una interfaz de chatbot a la plataforma en lugar de buscar manualmente en paneles o PDFs.
Pipeline de ingesta orquestado (AWS Step Functions, ECS Fargate, AWS Lambda) procesando más de 1600 aplicaciones históricas de AMCAS, AACOMAS y TMDSAS
Extracción multimétodo que combina un analizador de diseño estructurado con Amazon Bedrock para GPA, MCAT, cursos y contenido de ensayos
Almacenes de datos estructurados (Amazon RDS) y de embeddings vectoriales que admiten consultas exactas y semánticas
Pipeline de etiquetado semántico que clasifica declaraciones personales en más de 60 temas y arquetipos narrativos
Panel de inteligencia de admisiones a escuelas de medicina con evaluaciones comparativas académicas y de aceptación a nivel de escuela
Asesor conversacional agéntico, construido sobre Amazon Bedrock AgentCore, que responde consultas en lenguaje natural en todo el conjunto de datos de solicitantes
Una vez completada, la plataforma brindará a los asesores médicos de MedSchoolCoach una base de datos que abarca 144 escuelas de medicina en tres sistemas de aplicación, reemplazando la revisión manual de PDFs y la identificación anecdótica de patrones con información semánticamente etiquetada y con capacidad de búsqueda sobre lo que realmente impulsa la admisión en cada escuela. Los asesores podrán fundamentar cada recomendación en los resultados de miles de solicitantes anteriores en lugar de orientación genérica.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
