1. Acerca de la empresa
Mahle Metal Leve SA es una empresa brasileña de autopartes, con sede en Mogi Guaçu (SP), especializada en la fabricación y venta de componentes para motores de combustión interna y filtros automotrices. Fundada en 1951, cuando Ernst Mahle se estableció en Brasil como socio fundador de Metal Leve, la empresa ha crecido hasta convertirse en una de las principales referencias en el sector automotriz nacional e internacional. Es una subsidiaria de Mahle GmbH , una multinacional alemana con sede en Stuttgart, considerada uno de los mayores proveedores automotrices del mundo. En Brasil, Mahle Metal Leve opera tanto en el sector de fabricantes de equipos originales (OEM) como en el de posventa, con productos que se venden en decenas de países. La empresa es reconocida por su enfoque en la innovación tecnológica y cuenta con su propio centro tecnológico en Brasil desde 1978.
2. objetivo
Desarrollar e implementar un chatbot de soporte técnico basado en IA generativa , alojado en AWS, capaz de responder de forma precisa y escalable a preguntas técnicas de mecánicos y profesionales del mercado de repuestos automotrices con bajos costos operativos, reemplazando la solución anterior basada en Pinecone y OpenAI, que tenía alta latencia, altos costos y limitaciones de rendimiento.
3. Problema a abordar
Mahle ya contaba con una solución de chatbot técnico para mecánicos a través de WhatsApp, pero se enfrentó a desafíos críticos que comprometieron su eficacia y viabilidad:
• Alta latencia y bajo rendimiento: El modelo anterior (Pinecone + Flowwise + API de OpenAI) tenía dificultades con consultas complejas que requerían contextualización y asociación de información.
• Alto coste operativo: La solución no generaba ingresos directos y necesitaba optimizarse para reducir los gastos.
• Datos no estructurados: Las fuentes de datos (hojas de cálculo y documentos técnicos) no estaban estructuradas adecuadamente para proporcionar datos de calidad a la IA.
• Escalabilidad limitada: La solución no estaba preparada para expandirse a otros países latinoamericanos, idiomas o para integrarse con sistemas como Microsoft CRM Dynamics.
• Dependencia de tecnologías de terceros: La arquitectura anterior generaba dependencia de proveedores externos con menor control sobre los costos y la evolución.
4. Solución y recursos de AWS utilizados
Flexa desarrolló un chatbot inteligente basado en IA generativa, con una arquitectura moderna y escalable alojada en AWS, que reemplaza por completo la solución anterior. Los principales componentes utilizados fueron:
• Amazon Bedrock: Motor de IA generativa con modelos como Amazon Nova y Claude (Haiku/Soneto), que ofrece reducciones de costes de hasta un 80 % en comparación con la solución anterior.
• Amazon S3: Almacenamiento de bases de conocimiento técnico (hojas de cálculo, PDF, manuales, documentos de garantía), segmentadas por categoría (ligeras, pesadas, motocicletas, agrícolas).
• AWS Glue + Amazon Athena: Canalización ETL para la ingesta, el procesamiento y la actualización incremental de bases de datos técnicas en formato Parquet.
• Amazon ECS Fargate: Alojamiento de aplicaciones con escalabilidad, seguridad y alta disponibilidad.
• AWS Lambda + API Gateway: Orquestación de consultas a bases de datos relacionales y vectoriales, con ejecución sin servidor.
• Amazon RDS: Base de datos relacional para consultas estructuradas de piezas y componentes.
• AWS Amplify: Publica el front-end de React con despliegue automático a través de GitHub.
• Amazon CloudWatch + Zabbix: Monitorización de la infraestructura, registros y observabilidad de la solución.
• Medidas de seguridad de Amazon Bedrock: Controles de seguridad para filtros de contenido, temas denegados y protección de datos confidenciales (PII).
• AgentFlow (Flowwise/Flowise): Plataforma de bajo código/sin código para orquestar flujos conversacionales de chatbots.
5. Beneficios empresariales generados
• Reducción de los costes operativos: La sustitución de las API de OpenAI por Amazon Nova ha supuesto una reducción estimada de hasta un 80 % en los costes de inferencia.
• Soporte técnico escalable: Los mecánicos y los profesionales del mercado de repuestos ahora tienen acceso autónomo a información técnica precisa sobre piezas, garantías y aplicaciones.
• Calidad de respuesta: Tras intensos ciclos de perfeccionamiento, el chatbot alcanzó una tasa de precisión de alrededor del 80 % en las pruebas automatizadas.
• Expansión global: La arquitectura fue diseñada para brindar soporte multilingüe y expandirse a Europa, Estados Unidos y Latinoamérica, con entornos segregados por región.
• Autonomía del equipo técnico de Mahle: Transferencia completa del conocimiento, con entrega del código fuente, documentación AS-Built e incorporación del equipo interno.
• Potencial para nuevos proyectos: El éxito del chatbot ha abierto las puertas a futuras iniciativas, como la previsión de la demanda y la ampliación de la solución a otras áreas de la empresa.
• Reconocimiento mundial: El proyecto fue presentado al consejo de administración global de Mahle en Alemania, donde fue recibido positivamente y mostró interés en su replicación internacional.
• Cliente satisfecho: Proyecto entregado en abril de 2026, y el cliente optó por continuar con la fase operativa con el apoyo de Flexa.
