De la decisión al producto funcional

El briefing inicial era amplio, ambicioso y sin scope definido. Lo primero que hice no fue escribir código: fue entender qué había realmente ahí dentro. El documento mezclaba al menos cuatro productos distintos sin separación clara. Antes de tocar nada, lo reescribí separando el contenido en 4 módulos de negocio independientes y 1 módulo técnico transversal (el pipeline RAG). Definí qué podía construirse de forma autónoma, qué dependía de qué y qué no entraba en el MVP de 4 meses.

El resultado fue una hoja de ruta de 6 fases y un scope que, por primera vez, se podía estimar, priorizar y comunicar. A lo largo del proyecto documenté 38 decisiones de arquitectura y stack, especificando qué elegí, qué alternativas evalué, por qué descarté cada una. Más que simple burocracia, fue la metodología que me permitió avanzar sin perder coherencia técnica ni contexto.

El enfoque original contemplaba scraping. Lo primero que hice fue validar si había algo mejor. Y lo había: el feed oficial de la PLACSP, con ficheros ZIP mensuales en formato Atom/XML. Diseñé el pipeline con dos scripts de responsabilidad única. El fichero JSONL que los conecta actúa como contrato: si falla la carga, no hay que re-descargar nada. Sobre eso, implementé sincronización incremental para que el motor de alertas siempre vea datos frescos.

Una decisión que marcó el proyecto: guardar todo en la ingesta, sin filtros. Aplicar la selección solo en la capa de consulta evitó tener que reprocesar el histórico cada vez que cambiase un criterio de negocio.

El problema de fondo era semántico. Los códigos CNAE y CPV clasifican sectores, pero no capturan bien qué hace realmente una empresa ni qué tipo de contratos le interesan.La solución combina dos señales: embeddings semánticos generados a partir de la descripción de actividad de la empresa, y heurísticas basadas en sus códigos CNAE y los de la licitación. Cuando ambas señales están disponibles, se combinan con una media ponderada. Cuando solo está una, aunque es menos preciso, el sistema funciona igual y no se rompe.

El resultado es un motor de matching que mejora con cada dato que el usuario aporta sobre su perfil, y que no depende de que todo esté perfectamente rellenado para dar resultados útiles.