CGIAR Agricultural Risk Intelligence Tool

El problema

CGIAR genera y consume volúmenes enormes de datos agrícolas y climáticos no estructurados — boletines, reportes de campo, series de sensores, papers, métricas de programa — que los equipos procesaban a mano para producir reportes de riesgo accionables. El ciclo era largo, frágil y dependía del cuello de botella de uno o dos analistas senior.

La aproximación

Diseñé y entrego un monorepo serverless en NestJS + Next.js sobre AWS (Lambda, API Gateway, Bedrock). El núcleo es un pipeline de RAG sobre fuentes climáticas y agronómicas, con agentes Claude que extraen, normalizan y presentan riesgo en formato consumible para stakeholders senior. La capa de aplicación está construida con Anthropic Claude y AWS Bedrock, con orquestación en TypeScript y Python.

• Ingesta y normalización continuas de fuentes heterogéneas.
• RAG tipado con vector store en AWS, evaluado contra ground truth interno.
• Agentes con tool use para invocar APIs internas, consultar el vector store y generar artefactos.
• Salidas estructuradas validadas con esquemas, no texto libre.
• Observabilidad end-to-end: trace, latencia, costos por invocación.

El resultado

• Lo que tomaba horas o días de análisis manual ahora corre en minutos de pipeline automatizado.
• Outputs listos para stakeholders sin un humano redactando — el agente entrega el artefacto final.
• Stack reusable para próximas herramientas internas del CGIAR; los componentes RAG y de agentes son ahora un building block.
• Definí los estándares de ingeniería del equipo (Claude Code workflows, hooks de calidad automatizados, convenciones de monorepo) y mentoreo a ingenieros across iniciativas concurrentes.