El problema
Transformar información dispersa de un proyecto o negocio en contexto estructurado, análisis de viabilidad, riesgos, oportunidades y documentación profesional reproducible.
Technical Architecture Showcase
Arquitectura técnica de KIN
Una plataforma real de inteligencia y estructuración estratégica construida con arquitectura determinista, IA aplicada, seguridad, testing automatizado y cloud.
- Java / Spring Boot
- Next.js / React / TypeScript
- PostgreSQL
- Knowledge Engine
- IA con guardrails
- Testing automatizado
- CI/CD
- DevSecOps
- Cloud deployment
Resumen ejecutivo
KIN en una mirada técnica
Un vistazo de 30 segundos para un evaluador técnico: qué problema resuelve, cómo está construido, cómo usa IA y cómo se protege.
La arquitectura
Clean Architecture y DDD táctico con dominio puro (POJO), backend Spring Boot, frontend Next.js y un pipeline determinista de 16 etapas.
La IA
El modelo de lenguaje comunica y explica; el motor determinista en Java decide. La IA no selecciona fuentes ni ejecuta conexiones arbitrarias.
El control
Knowledge Engine con fuentes autorizadas y protección SSRF, security by design, testing automatizado, observabilidad y DevSecOps.
Principio arquitectónico central
Java decide. El LLM únicamente comunica.
KIN no delega las decisiones críticas del sistema exclusivamente en el modelo de IA. Un motor determinista controla cada paso del análisis; el modelo de lenguaje actúa como capa de comunicación y explicación de resultados.
Contexto y reglas
El motor determinista gobierna el contexto, las reglas de negocio y la evolución de cada turno de conversación.
Adquisición de conocimiento
La selección de fuentes, la validación de seguridad y la incorporación de hechos externos se deciden en código, no por el modelo.
Análisis y resultados
Scoring, riesgos, oportunidades, recomendaciones y la generación del reporte son el resultado de motores deterministas auditables.
Comunicación
El LLM formula preguntas cuando el motor decide preguntar y explica el análisis ya decidido cuando corresponde presentarlo.
El flujo que sigue cada turno
Usuario
Envía información o hace una pregunta sobre su proyecto.
Clasificación y contexto
KIN interpreta y actualiza el contexto del proyecto.
Política determinista
El motor decide en Java la siguiente acción del turno.
Selección de fuentes autorizadas
Solo las fuentes permitidas y pertinentes son consideradas.
Guard de conexión
Validación de seguridad antes de cualquier conexión externa.
Adquisición segura
Obtención de datos desde las fuentes aprobadas.
Validación
Se verifica la respuesta y su contenido antes de aceptarlo.
Evidencia
Los hechos se conservan con trazabilidad.
Enriquecimiento
Ranking y ponderación de los hechos relevantes.
Análisis
Scoring, riesgos, oportunidades y reporte estructurado.
Comunicación
El LLM formula preguntas o explica el análisis decidido.
El límite de la IA
- El LLM no es un navegador arbitrario.
- El LLM no selecciona URLs libremente.
- El LLM no decide qué fuentes son autorizadas.
- Java/KIN controla la política y las fuentes.
Esto busca producir resultados
- Resultados consistentes
- Trazables
- Auditables
- Reproducibles
- Menos dependientes del proveedor de IA
Diagrama general
Flujo de arquitectura del sistema
Del usuario a la respuesta: la política determinista decide, el Knowledge Engine adquiere conocimiento seguro y la IA comunica.
Usuario
Persona o empresa que evalúa un proyecto a través de KIN.
KIN Frontend
Next.jsReactTypeScriptInterfaz web de la plataforma.
Backend / Pipeline
Spring BootJava16 etapasAPI, dominio y motor de análisis de KIN.
Política determinista
Java decideEl motor decide en Java el contexto, la acción y las fuentes.
Knowledge Engine
AllowlistSSRF-safeAdquisición de conocimiento externo bajo política de fuentes.
Fuentes externas seguras
HTTPSControles de redSolo fuentes autorizadas, con validación y límites.
Evidencia / Enriquecimiento
Hechos trazables, seleccionados y ponderados.
Comunicación IA
GuardrailsEl modelo explica el análisis ya decidido.
Respuesta al usuario
Resultado claro, consistente y reproducible.
Motor de inteligencia
De la información al conocimiento estructurado
KIN transforma la información dispersa de un proyecto en conocimiento estructurado mediante un pipeline determinista de etapas, verificado en la configuración del pipeline del proyecto.
16
etapas de procesamiento
Verificadas en la configuración del pipeline del proyecto. Algunas etapas se activan según la vertical o la configuración de cada despliegue.
Contexto
Se extrae y actualiza la información relevante del proyecto.
Triaje (Salud)
Evaluación digital de síntomas para la vertical de salud.
Diagnóstico diferencial
Condiciones probables y pruebas sugeridas (vertical de salud).
Evaluación
Se mide qué dimensiones del proyecto están cubiertas.
Decisión
El motor decide la siguiente acción del turno en Java.
Entrevista estratégica
Preguntas dirigidas por reglas para completar el contexto.
Adquisición de conocimiento
Hechos externos verificados desde fuentes autorizadas.
Deduplicación
Eliminación de hechos duplicados o casi duplicados.
Enriquecimiento
Selección y ponderación de los hechos relevantes por categoría.
Scoring
Score de viabilidad por categoría y dimensión.
Recomendaciones
Recomendaciones deduplicadas y priorizadas.
Riesgos
Riesgos con severidad, probabilidad y nivel.
Oportunidades
Oportunidades por mercado, innovación, finanzas y más.
Reporte
Generación del informe de consultoría estructurado.
Comunicación
El LLM comunica y explica el análisis decidido.
Eventos
Publicación de eventos de dominio sobre el resultado.
Catálogo de proyectos
19 categorías que guían el análisis
Cada proyecto se clasifica en una de 19 categorías. La categoría es la base de la selección determinista: el motor elige qué fuentes de conocimiento y qué análisis aplican a cada proyecto.
19
categorías de proyecto
Verificadas en el catálogo de la base de datos. Cada categoría puede tener fuentes de conocimiento específicas, además de las fuentes generales.
- Tecnología e Innovación
- Empresarial
- Agroindustria
- Salud
- Educación
- Impacto Social
- Medio Ambiente
- Industria
- Gobierno
- Fintech
- Comercio
- Turismo
- Gastronomía
- Logística
- Creatividad
- Marketing Digital
- Investigación
- Servicios
- Otro / Sin clasificar
Knowledge Engine
Knowledge Engine — conocimiento externo controlado
KIN puede incorporar conocimiento externo actualizado mediante fuentes autorizadas, con selección determinista y validación de seguridad antes de cualquier conexión.
Flujo conceptual de adquisición
Categoría del proyecto
El sistema lee la categoría del proyecto en análisis.
Selección determinista
Java decide qué fuentes son pertinentes.
Fuentes autorizadas
Solo dominios incluidos en una política de fuentes controlada.
Guard de conexión
Controles de red que bloquean destinos internos o peligrosos.
Obtención segura
Peticiones HTTPS acotadas hacia las fuentes aprobadas.
Validación
Se verifica la respuesta, el contenido y los límites.
Evidencia
Los hechos se incorporan como evidencia trazable.
Deduplicación y caché
Hechos únicos, con caché opcional para latencia.
Enriquecimiento
Los hechos relevantes alimentan el análisis.
Principios de control del conocimiento
Java decide qué fuentes son pertinentes.
El LLM no selecciona URLs arbitrarias.
El LLM no ejecuta peticiones HTTP.
Las fuentes pasan por allowlist y protección SSRF.
La política de fuentes se gestiona de forma controlada y no se expone públicamente.
Capacidades del motor
- Fuentes registradas con metadata
- Política determinista de fuentes
- Asociación fuente ↔ categoría
- Reutilización de una fuente en varias categorías
- Allowlist de fuentes autorizadas
- Validación de respuestas y contenido
- Protección SSRF fail-closed
- Trazabilidad de evidencia por hecho
- Caché con métricas de hit/miss
- Métricas por fuente (éxito, fallo, latencia)
Fuentes específicas por categoría
Ejemplos conceptuales: cada categoría puede tener fuentes específicas, además de fuentes generales. Una fuente puede reutilizarse en varias categorías. La asignación exacta es una política interna.
Agroindustria
→ información agrícola y de insumos
Fintech
→ indicadores financieros y tasas
Salud
→ información sanitaria
Tecnología
→ indicadores digitales y conectividad
Investigación
→ información científica
Logística
→ transporte y comercio
IA aplicada
IA aplicada con guardrails
KIN utiliza IA como componente de una arquitectura mayor, no como sustituto de la arquitectura. El modelo se integra por backend y su salida se valida antes de llegar al usuario.
Control determinista
Las decisiones críticas del sistema se toman en Java, no en el modelo.
Conocimiento externo
El conocimiento llega solo desde fuentes autorizadas y validadas.
Evidencia
Los hechos usados por el análisis conservan trazabilidad.
Comunicación IA
El modelo interpreta y comunica según el flujo diseñado por KIN.
Guardrails de la comunicación IA
Integración por backend
El LLM se consume a través del servidor, nunca directamente desde el navegador.
Guardrails deterministas
Detección de inyección de prompts, jailbreak y solicitudes inseguras sin LLM.
Validación de respuestas
La respuesta del modelo se valida; ante respuestas inválidas se reintenta o se entrega una respuesta segura determinista.
Fallback
Ante un fallo del proveedor, el sistema responde con una respuesta determinista en español.
Decisión separada de la comunicación
La lógica de negocio se decide en Java; el modelo solo comunica los resultados.
Security by Design
Seguridad integrada en la arquitectura
La seguridad no es una capa final de KIN: está distribuida en autenticación, autorización, red, persistencia, IA y despliegue.
- Autenticación stateless con JWT y contraseñas con BCrypt
- CORS de origen controlado
- Rate limiting por IP en endpoints sensibles
- Headers de seguridad HTTP (CSP, HSTS, frame-ancestors)
- Validación de entradas y manejo global de errores
- Aislamiento por propietario de proyecto (protección IDOR)
- HTTPS obligatorio en conexiones externas
- Allowlist de fuentes autorizadas
- Protección SSRF con guard de conexión
- Validación de resolución DNS (fail-closed)
- Bloqueo de redes privadas, loopback y link-local
- Bloqueo de endpoints de metadata de cloud
- Revalidación de redirecciones
- Timeouts acotados y límites de tamaño de respuesta
- Validación de content-type en respuestas
- Gestión de secretos por variables de entorno
- Análisis estático, scanning de dependencias y secret scanning
- Logs sin credenciales ni datos sensibles
Cómo se protege cada conexión externa
URL candidata
El sistema evalúa una conexión solo si fue seleccionada por la política.
Política de fuentes
El dominio debe estar en la allowlist de fuentes autorizadas.
Resolución DNS
Todas las direcciones resueltas deben ser públicas (fail-closed).
Verificación de IP
Se bloquean IPs privadas, loopback, link-local y metadata cloud.
HTTPS y límites
Conexión cifrada con timeouts y límites de tamaño.
Redirecciones
Cada redirección se revalida bajo las mismas reglas.
Validación de respuesta
HTTP 2xx y content-type permitido antes de aceptar.
Evidencia
El contenido aceptado se incorpora como hecho trazable.
Engineering Quality
Calidad verificada con pruebas reales
KIN se valida con pruebas unitarias, de integración y E2E. Las métricas corresponden a la ejecución más reciente de la suite del proyecto.
2.832
tests backend ejecutados
2.856 descubiertos (última suite registrada)
436
tests frontend
75 archivos de prueba
≥90 %
cobertura de instrucciones
en los módulos de dominio (JaCoCo)
E2E
Playwright
login, dashboard y Sobre KIN
Herramientas de testing y calidad
- JUnit 5
- Mockito
- Testcontainers (PostgreSQL real)
- Testcontainers (Redis real)
- Vitest
- React Testing Library
- Playwright
- JaCoCo
- ESLint
- Spotless
- Checkstyle
- PMD
- SpotBugs
DevSecOps & CI/CD
Calidad y seguridad en cada cambio
KIN no depende de que «funcione en mi máquina»: cada cambio pasa por pruebas, puertas de calidad, análisis estático, escaneo de seguridad y despliegue automatizado.
Código
Cambios en el repositorio mediante push y pull requests.
Tests
Suites de backend, frontend y E2E.
Quality gates
Cobertura mínima exigida y reglas de calidad.
Static analysis
Análisis estático y formato consistente del código.
Security checks
Escaneo de secretos, dependencias y análisis CodeQL.
Build
Compilación y artefactos reproducibles.
Deployment
Despliegue automático a la infraestructura en la nube.
Observabilidad
Monitoreo de métricas y logs después del despliegue.
Observabilidad
Comportamiento del sistema, medido
La observabilidad permite analizar el comportamiento del sistema en producción sin depender únicamente de pruebas manuales.
- Spring Actuator (health, info, métricas)
- Micrometer con métricas de aplicación (kin.*)
- Logs estructurados (JSON) con correlación por petición
- Tracing distribuido opcional (OpenTelemetry)
- Métricas del pipeline: latencias, errores, reintentos y timeouts
- Percentiles p50 / p95 / p99 en el Knowledge Engine
- Métricas de caché: hit y miss
- Métricas de rate limiting
Cloud Architecture
Infraestructura en la nube
KIN se despliega como contenedores sobre infraestructura gestionada, con migraciones versionadas y despliegue automatizado.
Frontend → Cloud
Next.js en producción con dominio propio (kin-platform.com).
Backend → Cloud
Spring Boot desplegado en la nube con healthcheck.
Database → Managed PostgreSQL
Base de datos gestionada con migraciones Flyway.
Containers → Docker
PostgreSQL, backend y frontend como contenedores.
CI/CD → GitHub Actions
Despliegue y verificación automatizados.
Nivel de infraestructura: la configuración exacta del despliegue y las credenciales asociadas no se publican.
Documentación arquitectónica
Architecture Decision Records
KIN documenta sus decisiones arquitectónicas en ADRs para garantizar trazabilidad, evolución controlada, decisiones explícitas y reducción de deuda arquitectónica.
32
ADRs documentados
Cada decisión relevante queda registrada con su contexto, alternativa y justificación. El contenido de los documentos es privado.
- Seguridad
- Knowledge Engine
- Observabilidad
- Caché
- Arquitectura
- IA
Evaluación profesional
¿Qué demuestra KIN desde el punto de vista profesional?
Cada tarjeta describe evidencia real del proyecto. No son declaraciones: son capacidades verificables en el sistema.
Backend Engineering
Spring Boot, arquitectura por capas, servicios, puertos y adaptadores.
Software Architecture
Clean Architecture, DDD táctico, bounded contexts y pipeline pattern.
Frontend Engineering
Next.js App Router, React, TypeScript strict, Tailwind y SSR.
API REST
Diseño y seguridad de una API REST bajo un prefijo versionado.
Domain-Driven Design
Dominio puro (POJO) con fachadas y motores de dominio aislados.
AI Engineering
IA integrada con guardrails, fallback y decisiones deterministas.
Knowledge Systems
Adquisición de conocimiento externo con política, validación y evidencia.
Security Engineering
Autenticación, autorización, rate limiting y protección SSRF.
QA Automation
Pruebas unitarias, integración y E2E con Playwright.
DevSecOps
CI/CD con análisis estático y escaneo de seguridad en cada cambio.
Cloud
Contenedores, base gestionada y despliegue en la nube.
Observabilidad
Métricas, logs estructurados, percentiles y tracing distribuido.
Acceso controlado
¿Quieres revisar el código?
El código fuente de KIN se mantiene en un repositorio privado como medida de protección de propiedad intelectual y seguridad. Esta página ofrece una vista técnica de alto nivel de la arquitectura, las decisiones de ingeniería y las capacidades del sistema, sin exponer código fuente ni configuraciones sensibles. Para procesos técnicos, entrevistas o evaluaciones profesionales, puede proporcionarse acceso controlado cuando corresponda.
Solicitar evaluación técnica
La plataforma pública está disponible para evaluar el producto en producción.