Volver al portafolio

Caso de estudio · IA en salud

NeivuX

Plataforma de IA multimodal para salud

Base de conocimiento auto-actualizada cada 6 horasÍndice vectorial de 1,536 dim.Respuestas citadas y verificables
Visitar el sitio en vivoapp.neivux.com
app.neivux.com
NeivuX — product interface

El encargo

NeivuX es una plataforma de IA para salud en producción, construida alrededor de un núcleo de recuperación aumentada con citas. Una base de conocimiento respaldada en Google Drive sincroniza y fragmenta documentos en un ciclo de actualización automática, los vectoriza con Vertex AI a 1,536 dimensiones y responde a través de búsqueda vectorial en Firestore con fusión de rango recíproco, re-ranking con IA y respuestas citadas que se abstienen en lugar de adivinar. Todo el texto corre en modelos Vertex Gemini por niveles — un nivel rápido para el trabajo diario y un nivel pro de razonamiento para las preguntas difíciles — en un solo stack de Google Cloud. Alrededor de ese núcleo está la capa operativa: chat en streaming con selector de modelo y razonamiento, extracción persistente de memoria, proyectos, búsqueda web, invocación de herramientas sobre datos operativos como detalles de pacientes y códigos de facturación, redacción de CX de facturación, un módulo de auditorías de calidad, gestión de usuarios con RBAC, reloj checador, reportes de uso y un widget de chat embebible.

El problema

Los equipos de salud tienen grandes corpus documentales — políticas, protocolos, reglas de facturación — pero un chatbot genérico encima inventa respuestas, que es exactamente lo que no puedes lanzar en trabajo clínico o de facturación.

Nuestro enfoque

Construimos el asistente alrededor de un núcleo de recuperación con citas: una base de conocimiento respaldada en Drive que sincroniza y fragmenta en ciclos de actualización, embeddings de Vertex con búsqueda vectorial en Firestore, fusión de rango recíproco híbrida y un re-rank con IA — y lo envolvimos en herramientas operativas (RBAC, invocación de herramientas sobre datos reales, reportes de uso, un widget embebible).

El resultado

Las respuestas se citan a su fuente y se abstienen cuando el corpus no las respalda, en lugar de adivinar. La plataforma corre el ciclo completo del asistente — chat en streaming, memoria, proyectos, búsqueda web, redacción de CX de facturación — sobre un stack de Firebase en producción con una línea base de evaluación documentada.

Lo que construimos

RAG en producción: sincronización de Drive → fragmentación → búsqueda vectorial → respuestas re-rankeadas y citadas
Embeddings de Vertex AI (1,536 dim.) con recuperación vectorial en Firestore
Recuperación híbrida: fusión de rango recíproco + re-rank con IA + abstención
Modelos Vertex Gemini por niveles — rápido + razonamiento pro en un solo stack
Chat en streaming en tiempo real con selector de modelo y razonamiento
Extracción persistente de memoria y contexto por proyecto
Herramientas sobre datos operativos (detalles de pacientes, códigos de facturación)
Auditorías de calidad, RBAC, reloj checador, reportes de uso, widget embebible

Stack tecnológico

Next.js 15Vertex AIGeminiVector SearchRAGCloud FunctionsFirebase

Métricas clave

Base de conocimiento auto-actualizada cada 6 horas
Índice vectorial de 1,536 dim.
Respuestas citadas y verificables

¿Quieres una así?

Podemos diseñar, integrar el equipo y construir una plataforma como esta para tu operación.

Comenzar