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 suelen encontrarse con preguntas que no pueden responder sin un experto en la materia. Cuando un ingeniero de ventas no está disponible, los acuerdos se estancan o fracasan. 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. Sin embargo, el prototipo tenía limitaciones críticas que impedían su escalabilidad comercial.
Stella estaba vinculada a un único dispositivo, no tenía una base de conocimientos de productos persistente y requería la carga manual de documentos de referencia para cada nueva sesión. El sistema utilizaba una credencial de API de proveedor codificada sin capa de autenticación, lo que creaba una vulnerabilidad de seguridad. No había ningún mecanismo para capturar señales de reuniones en directo, ni historial de sesiones, ni forma de rastrear lo discutido en las llamadas. La arquitectura no podía soportar a múltiples representantes de ventas ni servir como base para demostraciones a inversores o pilotos iniciales con clientes.
Los fundadores de United Sales reconocieron pronto 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 fueran asumidos por el cliente en lugar de por United Sales. Esta decisión de arquitectura comercial dio forma a cada elección técnica: AWS Lambda para computación serverless de pago por uso; Amazon Bedrock Knowledge Bases con OpenSearch para la recuperación de documentos persistente por representante; Amazon Cognito para la autenticación; y AWS Comprehend para el procesamiento en tiempo real de PII (información de identificación personal) antes de cualquier llamada de inferencia. Toda la pila permanece en reposo con un coste cercano a cero 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 actuar con rapidez, trabajar con restricciones de costes estrictas y entregar un resultado listo para producción en lugar de una presentación. La posición de Avahi como socio de nivel Premier de AWS, combinada con un modelo de entrega estructurado de cinco semanas con aprobaciones de hitos semanales, dio a los fundadores la confianza de que el proyecto produciría un sistema transferible e independiente. La experiencia del equipo en el diseño de 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 usuario. El sistema entregado consta de cuatro capas integradas.
La capa de conocimiento utiliza una canalización de sincronización automatizada de S3 a Bedrock Knowledge Base. Cuando un representante de ventas carga un documento de producto, una canalización basada en eventos lo indexa inmediatamente en un índice de búsqueda semántica k-nearest-neighbor de OpenSearch. Los documentos están delimitados por representante de ventas para que cada uno recupere solo sus propios materiales, y el índice persiste entre sesiones, eliminando el requisito de carga manual. AWS Textract gestiona la extracción de formatos PDF, Word, PowerPoint y Excel.
La capa de inferencia sustituye la dependencia original de la API de terceros por Amazon Bedrock ejecutando Claude. La extensión de Chrome envía el texto de los subtítulos en directo y la pregunta del representante a un endpoint de Amazon API Gateway. Una función Lambda recupera los pasajes de documentos más relevantes de la base de conocimientos mediante búsqueda semántica, construye un prompt contextualizado y transmite la respuesta a la extensión a través de eventos enviados por el servidor (SSE). La latencia de respuesta se redujo a entre tres y cinco segundos mediante streaming, frente a los diez segundos aproximados del prototipo sin streaming.
La capa de detección de señales procesa los subtítulos de las reuniones en directo a través de una taxonomía de señales de oportunidad desarrollada en colaboración con los asesores de ventas y productos de United Sales. El sistema identifica eventos como objeciones de presupuesto, menciones de competidores, puntos de dolor de negocio cuantificados, presión en los plazos y patrones de afirmación o contradicción. Las señales se clasifican por prioridad y se presentan al representante como sugerencias contextuales, con la línea de la transcripción citada como evidencia. La taxonomía pasó por cuatro ciclos de revisión basados en las aportaciones de la red de asesores profesionales de ventas de United Sales.
La capa de seguridad y datos sustituyó la credencial de API codificada por una 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 totalmente 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 los datos lleguen a la capa de inferencia. Las transcripciones de las sesiones se almacenan en DynamoDB durante el periodo activo y se archivan en Amazon S3, proporcionando a la plataforma una pista de auditoría que respalda futuros análisis de coaching y de victorias/pérdidas.
La última semana del proyecto incluyó pruebas de aceptación del usuario frente a escenarios de llamadas de ventas reales, la migración de toda la pila a la cuenta de AWS de United Sales y sesiones de transferencia de conocimientos sobre la arquitectura, la canalización de despliegue y las operaciones diarias.
Evaluación del código base 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 consultas en tiempo real, ingesta de documentos, procesamiento de subtítulos y detección de señales
Canalización automatizada de sincronización de S3 a Bedrock Knowledge Base con AWS Textract para soporte de documentos multiformato
Canalización de recuperación RAG con búsqueda semántica OpenSearch k-NN y delimitación de documentos por representante
Migración de la extensión de Chrome de la API de Gemini a Amazon API Gateway con autenticación de Cognito
Motor de detección de señales en tiempo real basado en la versión final 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 del 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 conocimientos
El proyecto entregó una plataforma de IA para ventas totalmente 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 las señales de oportunidad detectadas y gestionar el entorno de AWS sin la intervención continua de Avahi. La plataforma está posicionada para la incorporación inmediata de clientes piloto.
Latencia de respuesta reducida de aproximadamente 10 segundos a entre 3 y 5 segundos mediante inferencia por streaming, cumpliendo con el requisito de latencia inferior a seis segundos definido en el plan de trabajo
Cinco aprobaciones formales de fase completadas durante el proyecto, confirmando que todos los entregables cumplían con los requisitos acordados antes de comenzar cada fase sucesiva
Postura de seguridad mejorada de una credencial de API codificada a autenticación por tokens de Cognito, enrutamiento interno de VPC y enmascaramiento de PII aplicado a cada carga de subtítulos y consultas
La base de conocimientos ahora admite la recuperación persistente de documentos multisesión por representante de ventas, sustituyendo a un sistema delimitado por sesión que requería volver a cargar los archivos en cada llamada
Taxonomía de señales de oportunidad finalizada tras cuatro ciclos de revisión con aportaciones de profesionales de ventas y asesores expertos en la materia
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 suelen encontrarse con preguntas que no pueden responder sin un experto en la materia. Cuando un ingeniero de ventas no está disponible, los acuerdos se estancan o fracasan. 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. Sin embargo, el prototipo tenía limitaciones críticas que impedían su escalabilidad comercial.
Stella estaba vinculada a un único dispositivo, no tenía una base de conocimientos de productos persistente y requería la carga manual de documentos de referencia para cada nueva sesión. El sistema utilizaba una credencial de API de proveedor codificada sin capa de autenticación, lo que creaba una vulnerabilidad de seguridad. No había ningún mecanismo para capturar señales de reuniones en directo, ni historial de sesiones, ni forma de rastrear lo discutido en las llamadas. La arquitectura no podía soportar a múltiples representantes de ventas ni servir como base para demostraciones a inversores o pilotos iniciales con clientes.
Los fundadores de United Sales reconocieron pronto 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 fueran asumidos por el cliente en lugar de por United Sales. Esta decisión de arquitectura comercial dio forma a cada elección técnica: AWS Lambda para computación serverless de pago por uso; Amazon Bedrock Knowledge Bases con OpenSearch para la recuperación de documentos persistente por representante; Amazon Cognito para la autenticación; y AWS Comprehend para el procesamiento en tiempo real de PII (información de identificación personal) antes de cualquier llamada de inferencia. Toda la pila permanece en reposo con un coste cercano a cero 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 actuar con rapidez, trabajar con restricciones de costes estrictas y entregar un resultado listo para producción en lugar de una presentación. La posición de Avahi como socio de nivel Premier de AWS, combinada con un modelo de entrega estructurado de cinco semanas con aprobaciones de hitos semanales, dio a los fundadores la confianza de que el proyecto produciría un sistema transferible e independiente. La experiencia del equipo en el diseño de 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 usuario. El sistema entregado consta de cuatro capas integradas.
La capa de conocimiento utiliza una canalización de sincronización automatizada de S3 a Bedrock Knowledge Base. Cuando un representante de ventas carga un documento de producto, una canalización basada en eventos lo indexa inmediatamente en un índice de búsqueda semántica k-nearest-neighbor de OpenSearch. Los documentos están delimitados por representante de ventas para que cada uno recupere solo sus propios materiales, y el índice persiste entre sesiones, eliminando el requisito de carga manual. AWS Textract gestiona la extracción de formatos PDF, Word, PowerPoint y Excel.
La capa de inferencia sustituye la dependencia original de la API de terceros por Amazon Bedrock ejecutando Claude. La extensión de Chrome envía el texto de los subtítulos en directo y la pregunta del representante a un endpoint de Amazon API Gateway. Una función Lambda recupera los pasajes de documentos más relevantes de la base de conocimientos mediante búsqueda semántica, construye un prompt contextualizado y transmite la respuesta a la extensión a través de eventos enviados por el servidor (SSE). La latencia de respuesta se redujo a entre tres y cinco segundos mediante streaming, frente a los diez segundos aproximados del prototipo sin streaming.
La capa de detección de señales procesa los subtítulos de las reuniones en directo a través de una taxonomía de señales de oportunidad desarrollada en colaboración con los asesores de ventas y productos de United Sales. El sistema identifica eventos como objeciones de presupuesto, menciones de competidores, puntos de dolor de negocio cuantificados, presión en los plazos y patrones de afirmación o contradicción. Las señales se clasifican por prioridad y se presentan al representante como sugerencias contextuales, con la línea de la transcripción citada como evidencia. La taxonomía pasó por cuatro ciclos de revisión basados en las aportaciones de la red de asesores profesionales de ventas de United Sales.
La capa de seguridad y datos sustituyó la credencial de API codificada por una 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 totalmente 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 los datos lleguen a la capa de inferencia. Las transcripciones de las sesiones se almacenan en DynamoDB durante el periodo activo y se archivan en Amazon S3, proporcionando a la plataforma una pista de auditoría que respalda futuros análisis de coaching y de victorias/pérdidas.
La última semana del proyecto incluyó pruebas de aceptación del usuario frente a escenarios de llamadas de ventas reales, la migración de toda la pila a la cuenta de AWS de United Sales y sesiones de transferencia de conocimientos sobre la arquitectura, la canalización de despliegue y las operaciones diarias.
Evaluación del código base 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 consultas en tiempo real, ingesta de documentos, procesamiento de subtítulos y detección de señales
Canalización automatizada de sincronización de S3 a Bedrock Knowledge Base con AWS Textract para soporte de documentos multiformato
Canalización de recuperación RAG con búsqueda semántica OpenSearch k-NN y delimitación de documentos por representante
Migración de la extensión de Chrome de la API de Gemini a Amazon API Gateway con autenticación de Cognito
Motor de detección de señales en tiempo real basado en la versión final 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 del 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 conocimientos
El proyecto entregó una plataforma de IA para ventas totalmente 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 las señales de oportunidad detectadas y gestionar el entorno de AWS sin la intervención continua de Avahi. La plataforma está posicionada para la incorporación inmediata de clientes piloto.
Latencia de respuesta reducida de aproximadamente 10 segundos a entre 3 y 5 segundos mediante inferencia por streaming, cumpliendo con el requisito de latencia inferior a seis segundos definido en el plan de trabajo
Cinco aprobaciones formales de fase completadas durante el proyecto, confirmando que todos los entregables cumplían con los requisitos acordados antes de comenzar cada fase sucesiva
Postura de seguridad mejorada de una credencial de API codificada a autenticación por tokens de Cognito, enrutamiento interno de VPC y enmascaramiento de PII aplicado a cada carga de subtítulos y consultas
La base de conocimientos ahora admite la recuperación persistente de documentos multisesión por representante de ventas, sustituyendo a un sistema delimitado por sesión que requería volver a cargar los archivos en cada llamada
Taxonomía de señales de oportunidad finalizada tras cuatro ciclos de revisión con aportaciones de profesionales de ventas y asesores expertos en la materia
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
