El reto
La plataforma original estaba construida sobre una arquitectura monolítica desarrollada en Java 7, con un elevado acoplamiento entre módulos funcionales y una fuerte dependencia entre las capas de presentación, negocio y persistencia.
Esta situación dificultaba la evolución del sistema, incrementaba el riesgo asociado a cada despliegue y hacía prácticamente imposible escalar componentes de forma independiente. La incorporación de nuevas funcionalidades requería ciclos de desarrollo largos y una coordinación compleja entre distintos equipos.
La estrategia de modernización
Se diseñó una estrategia basada en el patrón Strangler Fig para migrar progresivamente el monolito hacia una arquitectura distribuida de microservicios, evitando interrupciones en la operación del negocio.
Cada servicio fue desarrollado siguiendo Arquitectura Hexagonal y Domain-Driven Design (DDD), permitiendo una evolución independiente, mayor mantenibilidad y despliegues desacoplados.
Arquitectura Cloud
La nueva plataforma se desplegó sobre AWS utilizando Kubernetes y Docker como base de la infraestructura cloud, apoyándose en Apache Kafka para la comunicación asíncrona entre servicios y PostgreSQL junto con Amazon S3 para la persistencia.
Observabilidad
Se implantó una plataforma de observabilidad basada en OpenTelemetry, Micrometer, Prometheus y Grafana, proporcionando trazabilidad distribuida, monitorización en tiempo real y métricas de negocio para toda la arquitectura.
Inteligencia Artificial Generativa
La plataforma incorporó capacidades de IA Generativa mediante Spring AI y modelos LLM empresariales, construyendo una arquitectura RAG apoyada en bases de datos vectoriales para enriquecer las respuestas utilizando conocimiento corporativo previamente indexado.
Contratos OpenAPI, documentación técnica, procedimientos operativos y conocimiento interno fueron transformados en embeddings e indexados para proporcionar contexto antes de cada consulta, reduciendo las alucinaciones y mejorando la precisión de los asistentes inteligentes.
Gobernanza y Seguridad de la IA
Se implantó una estrategia de AI Governance basada en control de acceso, trazabilidad, validación de prompts, filtrado de información sensible y protección frente a Prompt Injection y Data Leakage.
DevSecOps y Calidad
Toda la plataforma quedó integrada en pipelines CI/CD automatizados con SonarQube, pruebas unitarias, integración continua y despliegues automáticos sobre Kubernetes, mejorando la calidad del software y reduciendo significativamente los tiempos de entrega.