← Volver al índice | Visión de Plataforma | Backlog
Roadmap del Proyecto
Tipo: Documentación de Proyecto — Planificación
Audiencia: Dirección del proyecto, equipo de desarrollo, stakeholders del IEO
Fecha: 20 de marzo de 2026
Relacionado con: Visión de Plataforma | Backlog
1. Visión General del Timeline
gantt
title Roadmap IEO - Plataforma de Información con IA
dateFormat YYYY-MM-DD
axisFormat %B %Y
section Fase 1 - MVP
Infraestructura base :f1a, 2026-04-01, 4w
Motor IA - CAG+RAG :f1b, after f1a, 4w
App Móvil + Web SPA :f1c, after f1b, 4w
Integración y demo piloto :f1d, after f1c, 4w
section Fase 2 - Expansión
Segundo departamento :f2a, after f1d, 6w
Datos cruzados interdepartamentales :f2b, after f2a, 4w
section Fase 3 - Plataforma
Dashboard y analíticas :f3a, after f2b, 6w
API pública y colaboraciones :f3b, after f3a, 4w
| Fase |
Duración |
Inicio estimado |
Fin estimado |
| Fase 1 — MVP |
~16 semanas |
Abril 2026 |
Julio 2026 |
| Fase 2 — Expansión |
~10 semanas |
Agosto 2026 |
Octubre 2026 |
| Fase 3 — Plataforma |
~10 semanas |
Noviembre 2026 |
Enero 2027 |
2. Fase 1 — MVP (16 semanas)
Objetivo: Demostrar el reconocimiento de muestras biológicas con IA funcionando end-to-end con el departamento de Pesquerías.
Hito 1.1 — Infraestructura Base (semanas 1-4)
| Entregable |
Criterio de Aceptación |
| Docker Compose funcional |
Los 7 servicios arrancan con docker compose up -d sin errores |
| PostgreSQL + pgvector |
Schema inicial desplegado, extensión pgvector activa |
| ChromaDB operativo |
Colección de prueba creada via API REST |
| MinIO configurado |
Bucket ieo-images creado, subida/descarga de imagen exitosa |
| Redis funcional |
Conexión desde Quarkus verificada |
| Ollama con modelos |
Qwen2.5-VL 7B y Llama 3.1 8B descargados y respondiendo |
| Pipeline CI básico |
Build y tests unitarios ejecutándose en cada push |
Hito 1.2 — Motor IA (semanas 5-8)
| Entregable |
Criterio de Aceptación |
| Pipeline de embeddings |
Imagen → embedding 768d almacenado en ChromaDB |
| Búsqueda por similitud |
Dado un embedding, retorna top-K imágenes similares con score > 0.7 |
| Caché CAG funcional |
Golden Knowledge precargado, respuestas en < 500ms |
| RAG dinámico |
Consultas con contexto fresco desde datos recientes |
| Agente de enrutamiento |
Decide automáticamente CAG vs RAG según el tipo de consulta |
| API de identificación |
POST /api/v1/samples retorna especie + edad + sexo + confianza |
Hito 1.3 — App Móvil + Web SPA (semanas 9-12)
| Entregable |
Criterio de Aceptación |
| App React Native funcional |
Captura de foto, envío al backend, resultado visualizado |
| Modo video en tiempo real |
Detección dinámica con overlay a ≥ 15 FPS |
| Edge AI (TFLite) |
Pre-procesado on-device funcionando sin conexión al servidor |
| Web SPA operativa |
Misma funcionalidad básica (foto + resultado) via navegador |
| Interfaz de historial |
Lista de muestras previas con filtros básicos |
| Formulario de metadatos |
Entrada manual de talla, peso, zona, método de captura |
Hito 1.4 — Integración y Demo Piloto (semanas 13-16)
| Entregable |
Criterio de Aceptación |
| Integración end-to-end |
Flujo completo: captura → IA → persistencia → visualización |
| Demo en Muelle 9 |
Demostración funcional con espécimen real del IEO |
| Dpto. Pesquerías integrado |
Al menos 50 muestras históricas de otolitos digitalizadas |
| Documentación de usuario |
Guía básica para investigadores del departamento piloto |
| Informe de rendimiento |
Tiempos de respuesta, precisión del modelo, métricas de uso |
3. Fase 2 — Expansión (10 semanas)
Objetivo: Integrar un segundo departamento y habilitar consultas cruzadas entre departamentos.
Hito 2.1 — Segundo Departamento (semanas 17-22)
| Entregable |
Criterio de Aceptación |
| Integración con M365 |
Webhooks de Graph API detectando cambios en SharePoint |
| ETL automatizado |
Excels depositados en SharePoint se ingestan automáticamente |
| Dpto. Acuicultura o Medio Marino |
Segunda vertical integrada con sus datos y taxonomías |
| Modelo IA ampliado |
Caché CAG actualizada con datos del nuevo departamento |
Hito 2.2 — Datos Cruzados (semanas 23-26)
| Entregable |
Criterio de Aceptación |
| Búsqueda interdepartamental |
Consulta semántica que cruza datos de ambos departamentos |
| Dashboards básicos |
Visualización de métricas cruzadas por departamento |
| Permisos departamentales |
Control de acceso granular por departamento via Entra ID |
| Tests de integración |
Suite de tests cubriendo flujos interdepartamentales |
Objetivo: Convertir el sistema en una plataforma completa con analítica, búsqueda semántica global y API pública.
Hito 3.1 — Dashboard y Analíticas (semanas 27-32)
| Entregable |
Criterio de Aceptación |
| Dashboard unificado |
Panel web con KPIs de todos los departamentos integrados |
| Analíticas temporales |
Gráficas de evolución de capturas, muestras, identificaciones |
| Exportación de datos |
Descarga de informes en CSV y PDF |
| Alertas configurables |
Notificaciones cuando se detectan patrones relevantes |
Hito 3.2 — API Pública y Colaboraciones (semanas 33-36)
| Entregable |
Criterio de Aceptación |
| API REST pública documentada |
OpenAPI 3.0 con endpoints de consulta (solo lectura) |
| Autenticación API |
OAuth2 client credentials para socios externos |
| Rate limiting |
Protección contra abuso con Redis |
| Sandbox de pruebas |
Entorno de pruebas para colaboradores |
| Documentación para socios |
Guía de integración para instituciones colaboradoras |
5. Riesgos y Mitigaciones
| Riesgo |
Probabilidad |
Impacto |
Mitigación |
| Precisión insuficiente de la IA con otolitos |
Media |
Alto |
Fine-tuning LoRA/QLoRA con dataset validado por expertos |
| Resistencia al cambio de los investigadores |
Media |
Medio |
Integración transparente via M365, sin disrupciones |
| Limitaciones de GPU en hardware local |
Baja |
Alto |
Modelos cuantizados (Q4/Q8), Edge AI como complemento |
| Cambios en la normativa ENS |
Baja |
Medio |
Arquitectura modular, cloud-agnostic, auditorías periódicas |
| Dependencia de un único proveedor cloud |
Media |
Alto |
Diseño portable Docker → Kubernetes, sin vendor lock-in |
6. Métricas de Éxito
| Métrica |
Objetivo MVP |
Objetivo Plataforma |
| Precisión de identificación |
≥ 80% en especie |
≥ 90% en especie, ≥ 75% en edad |
| Tiempo de respuesta |
< 3s (foto), < 500ms (caché CAG) |
< 1s (foto), < 200ms (caché) |
| Muestras digitalizadas |
≥ 50 otolitos |
≥ 500 especímenes totales |
| Departamentos integrados |
1 (Pesquerías) |
≥ 3 |
| Disponibilidad |
95% (desarrollo) |
99.5% (producción) |
| Satisfacción del usuario |
Retroalimentación positiva en demo |
NPS ≥ 40 |
Documentos Relacionados