Tres proveedores cloud consolidados en una única huella en AWS
Trabajos diarios migrados a colas SQS duraderas y reproducibles
Objetivos de disponibilidad establecidos, sin compromisos de SLA previos
Profound
Nueva York
Software de analítica de marca con IA
Amazon ECS, Amazon EC2 Spot Instances, Amazon SQS, Amazon EventBridge, Amazon MSK, Amazon RDS for PostgreSQL, Amazon MemoryDB for Redis, Amazon DynamoDB, Amazon S3, Amazon ECR, AWS Secrets Manager, Amazon CloudWatch, AWS CloudTrail, AWS Compute Savings Plans, Terraform, GitHub Actions
Profound, una empresa de software de inteligencia de marca con IA en rápido crecimiento, había construido su plataforma principal de ingesta de datos y analítica sobre tres proveedores cloud distintos: una plataforma de computación en contenedores a gran escala para la recopilación de datos impulsada por LLM, un proveedor de plataforma como servicio para analítica en tiempo real y Google Cloud Platform para herramientas internas de flujos de trabajo de IA. Aunque este modelo multiplataforma permitió un rápido crecimiento inicial, generó riesgos crecientes de fiabilidad, aceleró los costes y no ofrecía un camino hacia la madurez operativa. Avahi llevó a cabo una evaluación integral de migración en los tres entornos, diseñó y validó una arquitectura objetivo consolidada en AWS y ejecutó una migración por oleadas de toda la plataforma, trasladando cargas que procesaban 30 millones de trabajos al día con 2,5 TB de salida de red diaria a Amazon ECS sobre instancias EC2 Spot, Amazon SQS y Amazon MSK, sustituyendo el encolado “best-effort” por mensajería duradera y reproducible y consolidando tres entornos desconectados en una única huella en AWS gestionada con Terraform.
Profound es una empresa de inteligencia de marca con IA que ofrece a marcas globales visibilidad sobre cómo aparecen sus narrativas dentro de experiencias de búsqueda impulsadas por IA. Los productos Conversation Explorer, AI Leaderboard y Answer Engine Insights de la compañía proporcionan a los equipos de marketing y marca una ventana en tiempo real a cómo los sistemas de IA —incluidos los principales motores de búsqueda y las plataformas de IA generativa— describen, mencionan y posicionan sus marcas. La plataforma de Profound ingiere y analiza de forma continua contenido generado por IA a escala, lo que convierte la fiabilidad de la infraestructura y la durabilidad de los datos en elementos centrales de su promesa de producto.
La infraestructura de Profound estaba distribuida en tres entornos cloud separados, cada uno con modelos operativos y limitaciones distintos. El entorno de computación principal gestionaba cargas de percepción de LLM —más de 4.000 contenedores concurrentes procesando 30 millones de trabajos al día a través de 10 tipos de recolectores de búsqueda con IA y múltiples canalizaciones de procesadores LLM—, pero no ofrecía confirmación de mensajes ni capacidad de reproducción. Los trabajos huérfanos y la imposibilidad de reprocesar datos eran riesgos persistentes de fiabilidad que afectaban directamente a los productos de analítica de los que dependían los clientes.
Los costes de infraestructura se aceleraban sin un techo claro. El gasto mensual en la plataforma de computación principal creció un 427 % en cinco meses, de aproximadamente 17.700 $ en junio de 2025 a una previsión de 93.000 $ en noviembre, impulsado por la computación en contenedores, el egress y el uso de GPU, mientras que el run rate global multiplataforma alcanzó los 101.500 $ al mes. Sin intervención, esa trayectoria de crecimiento habría superado a una arquitectura comparable en AWS antes de fin de año, manteniendo a la vez todas las brechas de fiabilidad y observabilidad.
La postura operativa agravaba el riesgo. Los tres entornos se gestionaban mediante consolas de proveedor, sin infraestructura como código, sin paridad de entornos entre desarrollo, preproducción y producción, sin capacidad de recuperación ante desastres y sin runbooks de incidentes. Profound no tenía SLAs formales con sus clientes enterprise, pero el crecimiento comercial hacía que esa postura fuese cada vez más insostenible.
AWS ofrecía la combinación de primitivas de mensajería duraderas, computación en contenedores rentable y un stack de observabilidad integral que la plataforma de Profound necesitaba. Amazon SQS con colas de mensajes muertos y Amazon EventBridge sustituyeron el modelo de encolado del proveedor por una entrega de mensajes duradera y reproducible, eliminando directamente el principal modo de fallo de fiabilidad. Amazon ECS sobre instancias EC2 Spot replicó el patrón de autoescalado y pollers de larga ejecución del que dependían los recolectores de Profound, mientras que el modelo de direccionamiento de IP pública de EC2 eliminó los costes de NAT gateway que hacían económicamente inviable el alojamiento alternativo de contenedores con 2,5 TB de egress diario. Amazon MSK proporcionó un reemplazo de rendimiento gestionado para la capa Kafka existente. En la capa de datos, Amazon RDS for PostgreSQL con despliegue Multi-AZ, Amazon MemoryDB for Redis y Amazon DynamoDB para el seguimiento de idempotencia sustituyeron bases de datos gestionadas por el proveedor por servicios con compromisos de SLA de nivel de producción. La cobertura de Terraform sobre todos los recursos de AWS estableció la base de infraestructura como código que antes de la migración no existía en absoluto.
Como AWS Premier Tier Services Partner, Avahi aportó la profundidad técnica en arquitectura de migración cloud y la experiencia en el AWS Migration Acceleration Program (MAP) necesarias para evaluar y ejecutar una migración de esta complejidad operativa. La plataforma de Profound combinaba computación en contenedores de alto rendimiento, procesamiento de streams, bases de datos gestionadas y herramientas de flujos de trabajo de IA en tres proveedores distintos, un alcance que requería validación de arquitectura basada en datos reales de facturación, mediciones de carga y alineación de stakeholders antes de iniciar cualquier trabajo de migración. El marco de MAP Assessment de Avahi proporcionó a Profound un camino estructurado y basado en evidencias desde la fragmentación multiplataforma hasta una arquitectura en AWS validada y un plan de ejecución, con el apoyo de financiación de MAP reduciendo el coste del proyecto.
Avahi comenzó con un MAP Assessment exhaustivo del entorno de tres plataformas de Profound, combinando revisión de documentación, análisis de facturación que abarcaba diez meses de datos de producción, sesiones de trabajo con stakeholders y revisión de arquitectura con el apoyo de AWS Solution Architecture. La evaluación catalogó todos los recursos de computación, mensajería, datos y red en cada plataforma, cuantificó los impulsores de coste y su trayectoria, y produjo un mapeo completo de servicios del estado actual a AWS, validado frente a los resultados de AWS Pricing Calculator.
La arquitectura objetivo consolidó toda la plataforma de Profound en Amazon ECS ejecutando instancias EC2 Spot en una landing zone de AWS de tres cuentas que cubría los entornos de producción, preproducción y desarrollo, la primera vez que Profound contaba con entornos dedicados no productivos. Amazon SQS y Amazon EventBridge sustituyeron el sistema de encolado existente, introduciendo por primera vez confirmación de mensajes, colas de mensajes muertos y capacidad completa de reproducción. La capa Kafka se migró a Amazon MSK para la canalización de ingesta analítica. Amazon RDS for PostgreSQL (Multi-AZ), Amazon MemoryDB for Redis con failover automático y Amazon DynamoDB proporcionaron la capa de datos. Se desarrollaron módulos de Terraform que cubrían VPC, computación, servicios de datos, mensajería y observabilidad como bloques reutilizables en los tres entornos. Los pipelines de GitHub Actions automatizaron la promoción de infraestructura: las pull requests activaban planes de Terraform sin aplicar cambios, los merges a main desplegaban automáticamente en desarrollo y el workflow dispatch con compuertas de aprobación promovía a preproducción y producción.
La migración se ejecutó en tres oleadas alineadas con la prioridad del negocio. La oleada 1 trasladó a AWS las cargas de recolectores y procesadores de mayor criticidad antes de finales de noviembre de 2025, eliminando el riesgo de pérdida de datos que representaba la exposición empresarial más urgente. La oleada 2 migró los servicios de analítica —FastAPI, consumidores de Kafka y Redis— a la misma base de ECS. La oleada 3 completó el proyecto migrando los servicios internos de flujos de trabajo de IA alojados en GCP. A lo largo de todas las oleadas, se mantuvieron operaciones en ejecución dual y se documentaron rutas de rollback antes de cada cutover, con cambios de CNAME en CloudFlare que proporcionaron un cambio de tráfico controlado por dominio. No fue necesaria ninguna migración de datos históricos, lo que simplificó el calendario de cutover y redujo el riesgo operativo en todas las oleadas.
Profound consolidó su plataforma de inteligencia de marca con IA desde tres proveedores cloud separados en una única huella de infraestructura en AWS, sustituyendo las operaciones manuales basadas en consola por un modelo de despliegue totalmente de infraestructura como código. La migración proporcionó la base de fiabilidad operativa que el crecimiento comercial de Profound requería.
El encolado duradero de Amazon SQS con capacidad de reproducción y colas de mensajes muertos sustituyó el modelo de encolado que había generado trabajos huérfanos e impedido el reprocesamiento de datos históricos, eliminando directamente el principal impulsor de incidentes de fiabilidad. La arquitectura ECS multi-AZ en AWS estableció objetivos de disponibilidad del 99,9 % para las cargas de recopilación y procesamiento y del 99,95 % para la capa de datos, frente a una línea base previa sin compromisos de SLA en ninguna carga. La estrategia de direccionamiento de IP pública de EC2 preservó 2,5 TB de egress diario en producción mientras eliminaba las tarifas de NAT gateway, y la mezcla de computación 90 % Spot / 10 % Compute Savings Plans estableció un modelo de costes con palancas claras de optimización que los entornos anteriores de múltiples proveedores no ofrecían.
El proyecto estableció los primeros entornos dedicados de desarrollo y preproducción de Profound, sustituyendo una postura solo de producción por entornos aislados e idénticamente estructurados, un requisito previo para despliegues seguros a escala enterprise. La promoción de infraestructura de desarrollo a preproducción y a producción pasó a ser un flujo de trabajo de pull request y compuertas de aprobación, sustituyendo operaciones manuales de clic por trazas de auditoría completas.
Profound
Nueva York
Software de analítica de marca con IA
Amazon ECS, Amazon EC2 Spot Instances, Amazon SQS, Amazon EventBridge, Amazon MSK, Amazon RDS for PostgreSQL, Amazon MemoryDB for Redis, Amazon DynamoDB, Amazon S3, Amazon ECR, AWS Secrets Manager, Amazon CloudWatch, AWS CloudTrail, AWS Compute Savings Plans, Terraform, GitHub Actions
Profound, una empresa de software de inteligencia de marca con IA en rápido crecimiento, había construido su plataforma principal de ingesta de datos y analítica sobre tres proveedores cloud distintos: una plataforma de computación en contenedores a gran escala para la recopilación de datos impulsada por LLM, un proveedor de plataforma como servicio para analítica en tiempo real y Google Cloud Platform para herramientas internas de flujos de trabajo de IA. Aunque este modelo multiplataforma permitió un rápido crecimiento inicial, generó riesgos crecientes de fiabilidad, aceleró los costes y no ofrecía un camino hacia la madurez operativa. Avahi llevó a cabo una evaluación integral de migración en los tres entornos, diseñó y validó una arquitectura objetivo consolidada en AWS y ejecutó una migración por oleadas de toda la plataforma, trasladando cargas que procesaban 30 millones de trabajos al día con 2,5 TB de salida de red diaria a Amazon ECS sobre instancias EC2 Spot, Amazon SQS y Amazon MSK, sustituyendo el encolado “best-effort” por mensajería duradera y reproducible y consolidando tres entornos desconectados en una única huella en AWS gestionada con Terraform.
Profound es una empresa de inteligencia de marca con IA que ofrece a marcas globales visibilidad sobre cómo aparecen sus narrativas dentro de experiencias de búsqueda impulsadas por IA. Los productos Conversation Explorer, AI Leaderboard y Answer Engine Insights de la compañía proporcionan a los equipos de marketing y marca una ventana en tiempo real a cómo los sistemas de IA —incluidos los principales motores de búsqueda y las plataformas de IA generativa— describen, mencionan y posicionan sus marcas. La plataforma de Profound ingiere y analiza de forma continua contenido generado por IA a escala, lo que convierte la fiabilidad de la infraestructura y la durabilidad de los datos en elementos centrales de su promesa de producto.
La infraestructura de Profound estaba distribuida en tres entornos cloud separados, cada uno con modelos operativos y limitaciones distintos. El entorno de computación principal gestionaba cargas de percepción de LLM —más de 4.000 contenedores concurrentes procesando 30 millones de trabajos al día a través de 10 tipos de recolectores de búsqueda con IA y múltiples canalizaciones de procesadores LLM—, pero no ofrecía confirmación de mensajes ni capacidad de reproducción. Los trabajos huérfanos y la imposibilidad de reprocesar datos eran riesgos persistentes de fiabilidad que afectaban directamente a los productos de analítica de los que dependían los clientes.
Los costes de infraestructura se aceleraban sin un techo claro. El gasto mensual en la plataforma de computación principal creció un 427 % en cinco meses, de aproximadamente 17.700 $ en junio de 2025 a una previsión de 93.000 $ en noviembre, impulsado por la computación en contenedores, el egress y el uso de GPU, mientras que el run rate global multiplataforma alcanzó los 101.500 $ al mes. Sin intervención, esa trayectoria de crecimiento habría superado a una arquitectura comparable en AWS antes de fin de año, manteniendo a la vez todas las brechas de fiabilidad y observabilidad.
La postura operativa agravaba el riesgo. Los tres entornos se gestionaban mediante consolas de proveedor, sin infraestructura como código, sin paridad de entornos entre desarrollo, preproducción y producción, sin capacidad de recuperación ante desastres y sin runbooks de incidentes. Profound no tenía SLAs formales con sus clientes enterprise, pero el crecimiento comercial hacía que esa postura fuese cada vez más insostenible.
AWS ofrecía la combinación de primitivas de mensajería duraderas, computación en contenedores rentable y un stack de observabilidad integral que la plataforma de Profound necesitaba. Amazon SQS con colas de mensajes muertos y Amazon EventBridge sustituyeron el modelo de encolado del proveedor por una entrega de mensajes duradera y reproducible, eliminando directamente el principal modo de fallo de fiabilidad. Amazon ECS sobre instancias EC2 Spot replicó el patrón de autoescalado y pollers de larga ejecución del que dependían los recolectores de Profound, mientras que el modelo de direccionamiento de IP pública de EC2 eliminó los costes de NAT gateway que hacían económicamente inviable el alojamiento alternativo de contenedores con 2,5 TB de egress diario. Amazon MSK proporcionó un reemplazo de rendimiento gestionado para la capa Kafka existente. En la capa de datos, Amazon RDS for PostgreSQL con despliegue Multi-AZ, Amazon MemoryDB for Redis y Amazon DynamoDB para el seguimiento de idempotencia sustituyeron bases de datos gestionadas por el proveedor por servicios con compromisos de SLA de nivel de producción. La cobertura de Terraform sobre todos los recursos de AWS estableció la base de infraestructura como código que antes de la migración no existía en absoluto.
Como AWS Premier Tier Services Partner, Avahi aportó la profundidad técnica en arquitectura de migración cloud y la experiencia en el AWS Migration Acceleration Program (MAP) necesarias para evaluar y ejecutar una migración de esta complejidad operativa. La plataforma de Profound combinaba computación en contenedores de alto rendimiento, procesamiento de streams, bases de datos gestionadas y herramientas de flujos de trabajo de IA en tres proveedores distintos, un alcance que requería validación de arquitectura basada en datos reales de facturación, mediciones de carga y alineación de stakeholders antes de iniciar cualquier trabajo de migración. El marco de MAP Assessment de Avahi proporcionó a Profound un camino estructurado y basado en evidencias desde la fragmentación multiplataforma hasta una arquitectura en AWS validada y un plan de ejecución, con el apoyo de financiación de MAP reduciendo el coste del proyecto.
Avahi comenzó con un MAP Assessment exhaustivo del entorno de tres plataformas de Profound, combinando revisión de documentación, análisis de facturación que abarcaba diez meses de datos de producción, sesiones de trabajo con stakeholders y revisión de arquitectura con el apoyo de AWS Solution Architecture. La evaluación catalogó todos los recursos de computación, mensajería, datos y red en cada plataforma, cuantificó los impulsores de coste y su trayectoria, y produjo un mapeo completo de servicios del estado actual a AWS, validado frente a los resultados de AWS Pricing Calculator.
La arquitectura objetivo consolidó toda la plataforma de Profound en Amazon ECS ejecutando instancias EC2 Spot en una landing zone de AWS de tres cuentas que cubría los entornos de producción, preproducción y desarrollo, la primera vez que Profound contaba con entornos dedicados no productivos. Amazon SQS y Amazon EventBridge sustituyeron el sistema de encolado existente, introduciendo por primera vez confirmación de mensajes, colas de mensajes muertos y capacidad completa de reproducción. La capa Kafka se migró a Amazon MSK para la canalización de ingesta analítica. Amazon RDS for PostgreSQL (Multi-AZ), Amazon MemoryDB for Redis con failover automático y Amazon DynamoDB proporcionaron la capa de datos. Se desarrollaron módulos de Terraform que cubrían VPC, computación, servicios de datos, mensajería y observabilidad como bloques reutilizables en los tres entornos. Los pipelines de GitHub Actions automatizaron la promoción de infraestructura: las pull requests activaban planes de Terraform sin aplicar cambios, los merges a main desplegaban automáticamente en desarrollo y el workflow dispatch con compuertas de aprobación promovía a preproducción y producción.
La migración se ejecutó en tres oleadas alineadas con la prioridad del negocio. La oleada 1 trasladó a AWS las cargas de recolectores y procesadores de mayor criticidad antes de finales de noviembre de 2025, eliminando el riesgo de pérdida de datos que representaba la exposición empresarial más urgente. La oleada 2 migró los servicios de analítica —FastAPI, consumidores de Kafka y Redis— a la misma base de ECS. La oleada 3 completó el proyecto migrando los servicios internos de flujos de trabajo de IA alojados en GCP. A lo largo de todas las oleadas, se mantuvieron operaciones en ejecución dual y se documentaron rutas de rollback antes de cada cutover, con cambios de CNAME en CloudFlare que proporcionaron un cambio de tráfico controlado por dominio. No fue necesaria ninguna migración de datos históricos, lo que simplificó el calendario de cutover y redujo el riesgo operativo en todas las oleadas.
Profound consolidó su plataforma de inteligencia de marca con IA desde tres proveedores cloud separados en una única huella de infraestructura en AWS, sustituyendo las operaciones manuales basadas en consola por un modelo de despliegue totalmente de infraestructura como código. La migración proporcionó la base de fiabilidad operativa que el crecimiento comercial de Profound requería.
El encolado duradero de Amazon SQS con capacidad de reproducción y colas de mensajes muertos sustituyó el modelo de encolado que había generado trabajos huérfanos e impedido el reprocesamiento de datos históricos, eliminando directamente el principal impulsor de incidentes de fiabilidad. La arquitectura ECS multi-AZ en AWS estableció objetivos de disponibilidad del 99,9 % para las cargas de recopilación y procesamiento y del 99,95 % para la capa de datos, frente a una línea base previa sin compromisos de SLA en ninguna carga. La estrategia de direccionamiento de IP pública de EC2 preservó 2,5 TB de egress diario en producción mientras eliminaba las tarifas de NAT gateway, y la mezcla de computación 90 % Spot / 10 % Compute Savings Plans estableció un modelo de costes con palancas claras de optimización que los entornos anteriores de múltiples proveedores no ofrecían.
El proyecto estableció los primeros entornos dedicados de desarrollo y preproducción de Profound, sustituyendo una postura solo de producción por entornos aislados e idénticamente estructurados, un requisito previo para despliegues seguros a escala enterprise. La promoción de infraestructura de desarrollo a preproducción y a producción pasó a ser un flujo de trabajo de pull request y compuertas de aprobación, sustituyendo operaciones manuales de clic por trazas de auditoría completas.
Exploremos juntos sus oportunidades de IA de alto impacto en una sesión gratuita
