INVEX es una institución financiera mexicana con más de 3,000 empleados, enfocada en banca y servicios financieros. Su compromiso con la innovación tecnológica impulsa proyectos de transformación digital para ofrecer experiencias más ágiles, seguras y centradas en el cliente.
Definición de la problemática
INVEX operaba con bases de datos Oracle on-premise, lo que limitaba la escalabilidad, aumentaba costos de mantenimiento y dificultaba generar insights en tiempo real. La dependencia de reportes manuales retrasaba la toma de decisiones críticas. Además, existía el riesgo de rezagarse frente a la competencia en el uso de analítica avanzada y Generative AI para servicios financieros.
Solución propuesta
Se diseñó e implementó una arquitectura en producción sobre AWS, movilizando datos desde Oracle hacia Amazon S3 y Amazon Redshift, con ingesta mediante AWS DMS y transformaciones con AWS Glue. El corazón de la solución fue la integración de Amazon Bedrock Agents, que permiten a los usuarios de negocio realizar consultas en lenguaje natural sobre los datos financieros. Esto se complementó con Amazon SageMaker para análisis avanzados y Amazon Q Business para entregar información contextual. La arquitectura es escalable, segura y con identidad federada a través de AD Connector y VPN, integrándose también con Power BI para visualización.
Lecciones aprendidas
• La adopción de GenAI con Amazon Bedrock no solo simplificó la interacción con datos financieros, también impulsó un cambio cultural en el uso de analítica conversacional.
• La modernización de datos habilitó nuevos casos de uso de IA sin interrumpir operaciones críticas.
• El diseño híbrido (DMS + Glue) equilibró limitaciones técnicas de Oracle con la necesidad de cargas incrementales.
Métricas del proyecto
- Migración de 78 millones de registros mensuales desde Oracle hacia AWS.
- >99% de éxito en la ingesta de datos a S3 sin errores.
- 40% de adopción de consultas vía lenguaje natural con Bedrock frente a SQL tradicional.
- 34% del consumo de la solución corresponde a servicios GenAI de AWS.
- USD $89,420.16 ARR, de los cuales USD $30,402.85 provienen de componentes de Generative AI.
Tabla técnica
Elemento | Resumen |
---|---|
Definición del problema | Dependencia de Oracle on-premise, altos costos de mantenimiento, reportes manuales lentos y poca agilidad para habilitar IA. |
Solución propuesta | Migración de datos a AWS (S3 + Redshift) con ingesta híbrida (DMS + Glue) e implementación de Amazon Bedrock Agents para consultas en lenguaje natural, soportado por SageMaker y Q Business. |
Servicios de AWS utilizados | Amazon Bedrock Amazon SageMaker Amazon Q Business AWS DMS AWS Glue Amazon S3 Amazon Redshift Redshift Spectrum AWS AD Connector VPN Amazon QuickSight. |
Herramientas de terceros | Oracle (on-premise) como origen, Active Directory local para identidad, Power BI para visualización. |
Resultados después de la implementación | 35% mayor eficiencia operativa, consultas en segundos, reducción de costos de infraestructura legacy, mayor agilidad en la toma de decisiones. |
Métricas | 78M registros procesados mensualmente, >99% éxito en ingesta, 40% adopción de consultas GenAI, 34% de consumo ligado a servicios GenAI, USD $89,420.16 ARR (USD $30,402.85 de GenAI). |
Lecciones aprendidas | GenAI impulsa cambios culturales, combinación DMS + Glue resolvió limitaciones técnicas, Bedrock simplificó el acceso a insights y aceleró decisiones. |
Results
La solución convirtió la analítica tradicional en una plataforma de inteligencia de negocio conversacional impulsada por GenAI, reduciendo tiempos de consulta de horas a segundos y mejorando la eficiencia operativa en un 35%. La adopción de Amazon Bedrock y SageMaker permitió a los usuarios de negocio tomar decisiones más rápidas y basadas en datos, mientras que los costos asociados al mantenimiento de sistemas legacy disminuyeron. La plataforma hoy se encuentra en producción, con potencial de crecer un 40% año contra año conforme más áreas adopten la analítica conversacional.