El Contexto y la Validación (v1)
El objetivo era crear un asistente interactivo que guiara a los estudiantes a través de su trayectoria curricular. En la primera versión desarrollé una solución con WebSockets y modelos de lenguaje remotos (consumiendo el servicio de proveedores como openrouter, entre otros). La v1 cumplió exitosamente su propósito: operó de manera estable, permitió comprobar el valor pedagógico de la idea en un ambiente controlado y nos aportó lecciones fundamentales sobre los patrones de consulta de las personas y más allá de eso, sobre la orquestación de diferentes LLMs, lo que implicaría económicamente el uso de estos en producción y lo que implicaría creer o asumir como cierto el contenido de un modelo de inteligencia artificial generativo.
La Reflexión y el Nuevo Enfoque (v2)
A partir de esa primera experiencia, identifiqué un desafío de viabilidad: delegar en modelos generativos remotos la redacción de todo el contenido de la ruta resultaba costoso a largo plazo y podía comprometer la precisión pedagógica. Contando con un margen de experimentación flexible, tomé la decisión de plantear una segunda versión con un enfoque distinto: en lugar de generar material sintético, construí un motor de indexación potenciado por inteligencia artificial que estructura las rutas enlazando material educativo verificado y ya disponible en internet. Para eliminar costos de servidor y optimizar la inmediatez de respuesta, la arquitectura se rediseñó como una aplicación de escritorio local (Local-First con Tauri, Rust y React), organizada sobre un grafo de conocimiento (Neo4j) y modelos locales y cloud de proveedores como Ollama.