Esta es una publicación invitada de David Lord, Taylor Lord, Shiva Prasad, Anup Banasavalli Hiriyanagowda, Nikhil Chandra de Guidesly.
Guidesly está remodelando la forma en que se reserva, gestiona y experimenta la recreación al aire libre. Fundada en 2019, comenzó como una forma de conectar a pescadores, cazadores, buceadores y entusiastas de la recreación al aire libre con guías confiables, tiendas de buceo y excursiones. Desde entonces, se ha convertido en un sistema vertical de software como servicio (SaaS) de IA que presta servicios a toda la industria. Con Guidesly Pro, los profesionales del aire libre obtienen una solución empresarial que impulsa cada parte de sus operaciones (reservas, pagos, sitios web, gestión de clientes y marketing), todo desde un único sistema.
Para muchos guías, el desafío más difícil es ser descubierto y superar el ruido en línea. Incluso aquellos que saben lo que se debe hacer pueden dedicar hasta ocho horas al día a actualizar sitios web, publicar en las redes sociales y ejecutar campañas de correo electrónico. Sin una ejecución consistente en estos canales, la visibilidad disminuye y los operadores más pequeños corren el riesgo de quedarse atrás de sus competidores con oportunidades perdidas por todo el equipo de marketing que impactan directamente el crecimiento y las reservas.
Para abordar este problema nació Jack AI. Desde el principio, Guidesly vio la IA no solo como una herramienta, sino también como una forma de conectar los silos que los guías enfrentan todos los días, uniendo reservas, datos, contenido, participación del cliente y marketing en un flujo inteligente. La visión iba más allá de la automatización. Se trataba de crear un verdadero socio que trabajara junto a los guías, manejando silenciosamente el trabajo pesado para el que no tienen tiempo.
A diferencia de las herramientas de inteligencia artificial de uso general que requieren indicaciones y supervisión constantes, Jack AI funciona en segundo plano por sí solo. Se activa automáticamente después de cada viaje, transformando datos sin procesar, fotografías y videos en contenido pulido y listo para publicar en sitios web, redes sociales y correo electrónico. Al ejecutarse sin servidor en AWS, se escala automáticamente para ofrecer contenido consistente a gran velocidad, lo que permite a los guías concentrarse en sus viajes en lugar del trabajo administrativo.
En esta publicación, explicamos cómo se construye Jack AI en AWS para impulsar esta automatización de un extremo a otro. Exploramos cómo servicios como AWS Lambda, AWS Step Functions, Amazon Simple Storage Service (Amazon S3), Amazon Relational Database Service (Amazon RDS), Amazon SageMaker AI y Amazon Bedrock se unen para ingerir medios de viajes, enriquecerlos con contexto, aplicar visión por computadora e inteligencia artificial generativa, y publicar contenido listo para marketing en múltiples canales, de forma segura, confiable y a escala.
El desafío: liberar a los guías de las operaciones de marketing
Para los guías de actividades al aire libre, el verdadero objetivo es ofrecer experiencias verdaderamente memorables, pero crear contenido atractivo sigue siendo una tarea crítica y que requiere mucho tiempo. Cada viaje produce docenas de fotografías e historias, pero convertirlas en marketing convincente es un desafío:
Identificación de especies y detalles del viaje: los guías capturan innumerables fotografías, pero etiquetar manualmente especies, tamaños, técnicas y ubicaciones es laborioso. La falta de detalles puede hacer que las publicaciones sean menos informativas y menos atractivas para los clientes potenciales. Capturando la voz correcta: cada guía tiene un estilo único moldeado por la jerga local, la narración personal y los años en el agua o en el campo. Escribir contenido que parezca auténtico, sin que parezca genérico o no coincidente, es casi imposible de escalar. Mantenerse al día con el SEO: producir constantemente contenido mejorado localmente y rico en palabras clave es un desafío incluso para los especialistas en marketing profesionales. Para los guías ocupados, las oportunidades de SEO perdidas significan una menor visibilidad y menos reservas. Administrar múltiples canales: páginas de informes de viajes, blogs, subtítulos de Instagram, publicaciones de Facebook y boletines informativos por correo electrónico exigieron atención. Actualizar estos recursos manualmente significó horas de escritura, edición y formato cada semana. Sacrificar el tiempo en el agua: cada hora que se pasa frente a una computadora portátil es una hora que se le quita a los clientes. Para las pequeñas empresas, esta compensación afecta tanto a los ingresos como a la experiencia del cliente.
Incluso cuando los guías hacían lo mejor que podían, los procesos manuales no eran lo suficientemente precisos ni rápidos para seguir el ritmo de la demanda de los clientes, las necesidades de marketing modernas y la necesidad crítica de mantenerse conectado con los clientes a través del correo electrónico. Ahí es donde interviene Jack AI de Guidesly: automatiza la creación de contenido, la optimización SEO, el marketing por correo electrónico y la distribución multicanal, para que los guías puedan centrarse en lo que aman: ofrecer experiencias inolvidables al aire libre.
Descripción general de la solución: Jack AI
Para darle vida a Jack AI, Guidesly implementó un flujo de trabajo de marketing totalmente automatizado, sin servidor e impulsado por IA en AWS, diseñado para transformar datos de viajes sin procesar en contenido listo para publicar. Este sistema permite a los guías concentrarse en brindar experiencias excepcionales al aire libre mientras mantienen una presencia digital auténtica y consistente en sitios web, redes sociales y campañas de correo electrónico.
El siguiente diagrama ilustra nuestra tubería:
Ingestión de medios de viaje – Amazon API Gateway:
Activador automático: fotos y videos de viajes cargados por guías para ingresar al sistema a través de Amazon API Gateway, lo que activa inmediatamente el proceso de orquestación. Entrega de contenido nuevo: los medios se procesan tan pronto como se cargan, lo que permite que las publicaciones en redes sociales y las campañas de correo electrónico lleguen al público mientras los viajes siguen siendo una prioridad.
Orquestación de tuberías
AWS Step Functions administra el flujo de trabajo, invocando funciones de AWS Lambda para cada etapa, desde la extracción de datos y la detección de peces hasta la mejora de los medios, la generación de contenido y la publicación.
Extracción de datos de los medios Captura automática de metadatos: tan pronto como los guías cargan fotos y videos, el sistema extrae metadatos EXIF integrados, incluidas coordenadas GPS, marcas de tiempo y configuraciones del dispositivo. Enriquecimiento contextual: la información geoespacial extraída se combina con datos relevantes sobre el clima y las condiciones del agua para el mismo tiempo y ubicación. Esto captura detalles como los niveles de marea, la temperatura del agua, la velocidad del viento y la nubosidad, contexto que de otro modo se perdería. Narración más rica: al basar cada viaje en las condiciones ambientales reales junto con lo capturado, el sistema produce contenido que es más personalizado, auténtico y atractivo, sin requerir un esfuerzo adicional por parte del guía. Coherencia escalable: ya sea que se procese una sola imagen o cientos, la automatización garantiza que cada artefacto multimedia se enriquezca con datos contextuales de alta calidad, proporcionando entradas confiables para los procesos posteriores. Detección de especies de peces mediante visión por computadora
La identificación de especies de peces es una de las capacidades principales del sistema Jack AI. El desafío no es sólo detectar peces en imágenes del mundo real, sino también clasificar con precisión cientos de especies en entornos altamente variables, como barcos, muelles, lagos y ubicaciones en alta mar.
Para abordar esto, diseñamos un canal de visión por computadora multicapa que combina modelos de visión por computadora entrenados a medida con modelos de visión básicos disponibles a través de los servicios de AWS.
Experimentación y desarrollo de modelos.
Nuestro flujo de trabajo de desarrollo de modelos se ejecuta principalmente dentro de Amazon SageMaker AI utilizando JupyterLab como entorno de experimentación.
Con esta configuración podemos:
Cree rápidamente prototipos de nuevas arquitecturas de visión por computadora Ejecute trabajos de capacitación a gran escala en instancias respaldadas por GPU Evalúe modelos en múltiples puntos de referencia de clasificación de peces Itere rápidamente entre las mejoras del modelo y la implementación de producción
El entorno de IA de SageMaker actúa como centro central donde se gestionan los conjuntos de datos, los scripts de entrenamiento y los experimentos de modelos.
Conjunto de datos y desafíos de capacitación
La identificación de peces presenta un desafío único en el aprendizaje automático (ML) debido a la gran cantidad de especies y la distribución desigual de los datos. Nuestro sistema actualmente admite más de 400 clases de especies de peces, recolectadas de una combinación de:
Imágenes de informes de pesca patentados del sistema Guidesly. Fotografías de capturas enviadas por los usuarios. Conjuntos de datos seleccionados recopilados de fuentes asociadas.
Si bien algunas especies populares tienen miles de ejemplos de entrenamiento, muchas especies tienen imágenes etiquetadas limitadas, lo que dificulta los enfoques tradicionales de aprendizaje supervisado.
Para abordar este desequilibrio, utilizamos una estrategia de formación híbrida:
Aprendizaje supervisado estándar para especies con grandes conjuntos de datos Técnicas de aprendizaje de una o varias veces para especies raras donde los datos de entrenamiento son limitados
Esto permite que el sistema amplíe la cobertura de clasificación sin requerir grandes conjuntos de datos para cada especie.
Canal de visión multicapa
En lugar de depender de un único modelo, implementamos una arquitectura de visión de dos etapas que separa la detección de objetos de la clasificación de especies.
Capa de detección
La primera etapa utiliza modelos de detección de objetos basados en YOLO entrenados para identificar objetos relevantes dentro de imágenes de pesca, que incluyen:
Peces Artes de pesca Personas Barcos y contexto medioambiental
Los modelos de detección identifican cuadros delimitadores para cada objeto. En lugar de pasar la imagen completa a la siguiente etapa, recortamos solo las regiones de peces detectadas. Este enfoque mejora significativamente la precisión de la clasificación porque elimina elementos de fondo no relacionados que pueden confundir los modelos de clasificación.
Capa de clasificación
Luego, cada imagen de pez recortada se pasa a un modelo de clasificación especializado. A lo largo del desarrollo, experimentamos con varias arquitecturas, entre ellas:
Redes neuronales convolucionales (CNN) Modelos basados en ResNet para una clasificación de referencia sólida Modelos de un solo disparo y de pocos disparos para el reconocimiento de especies de cola larga
La combinación de arquitecturas nos permite equilibrar la precisión, la velocidad de inferencia y la eficiencia del entrenamiento en cientos de clases de especies.
Enfoque de visión híbrida + modelo básico
Además de nuestros modelos entrenados a medida, integramos modelos básicos multimodales (FM) disponibles a través de Amazon Bedrock para proporcionar razonamiento adicional y comprensión contextual.
Sin embargo, los modelos de visión en bruto a veces pueden alucinar o malinterpretar escenas visuales. Para reducir este riesgo, aplicamos varios pasos de preprocesamiento antes de enviar imágenes a los modelos básicos:
Preprocesamiento de imágenes Recortar regiones de peces detectadas Normalizar las dimensiones de la imagen Eliminar fondos innecesarios Enriquecimiento del contexto Metadatos de medios (ubicación, masa de agua, hora) Distribución de especies conocidas Resultados del modelo de detección Mensajes estructurados del sistema Proporcionar al modelo información contextual sobre la imagen Restringir posibles predicciones de especies
Con este enfoque híbrido, podemos combinar la precisión de los clasificadores de dominios específicos con las capacidades de razonamiento de los modelos de visión amplia.
De la investigación a la producción
Una vez validados los modelos, los implementamos mediante puntos finales administrados en Amazon SageMaker AI. Esto permite:
Inferencia en tiempo real sobre imágenes cargadas Escalado automático para grandes volúmenes de medios Monitoreo continuo y actualizaciones de modelos
El resultado es un sistema de visión escalable capaz de procesar miles de imágenes de pesca en todo el sistema de Guidesly, brindando una detección confiable de especies de peces incluso en condiciones complejas del mundo real.
Mejora de los medios para una publicación más rápida y lista para la web
Una vez finalizada la detección de peces y el enriquecimiento contextual, Jack AI se centra en preparar los medios para su publicación en el mundo real. Las fotos y videos de alta resolución cargados por los guías se procesan automáticamente en recursos optimizados y listos para la web, diseñados para su uso en sitios web, redes sociales y campañas de correo electrónico. Este proceso de mejora maneja la compresión, el cambio de tamaño y la conversión de formato entre bastidores. Esto asegura que los archivos multimedia sigan siendo livianos sin sacrificar la calidad visual. Al estandarizar los activos en las primeras etapas del flujo de trabajo, Jack AI elimina la necesidad de editar imágenes manualmente y mantiene una presentación consistente en todos los dispositivos y sistemas.
Los medios mejorados se almacenan como artefactos versionados en un depósito de Amazon S3 y se etiquetan para su fácil recuperación y reutilización. Estos activos pueden aparecer repetidamente en páginas de SEO, informes de viajes, boletines y publicaciones en redes sociales sin reprocesamiento, lo que mantiene el proceso de publicación rápido y eficiente. Más allá del rendimiento, este paso también respalda los objetivos de SEO: cargar imágenes rápidamente para mejorar las clasificaciones de búsqueda, mejorar la experiencia del usuario y reducir las tasas de rebote en los sitios web de guías.
Mejora del tono
Para garantizar que los informes de viaje generados se sientan auténticos y alineados con la voz natural de los guías de pesca, se introdujo una capa de mejora del tono dentro del proceso de generación de contenido. En lugar de modificar el modelo de lenguaje subyacente mediante ajustes, el sistema mejora el tono mediante entradas contextuales e indicaciones estructuradas. Esto preserva el uso distintivo de las guías de estilo de narración y al mismo tiempo mantiene la escalabilidad y la simplicidad operativa.
La base de este enfoque es la inyección de contexto. Los metadatos de viaje estructurados se integran directamente en el mensaje del modelo, lo que le brinda al modelo el contexto fundamentado que necesita para generar narrativas precisas y relevantes. Además de esto, se recuperan e incluyen como ejemplos de referencia informes históricos de viajes y patrones de redacción específicos de guías. Esto ayuda al modelo a reflejar el vocabulario, el ritmo y el estilo descriptivo que los guías aportan naturalmente al documentar sus viajes. En lugar de entrenar un modelo personalizado, las indicaciones cuidadosamente diseñadas guían el modelo básico hacia resultados que reflejan el tono esperado. Esto permite realizar ajustes dinámicos al estilo de escritura sin la sobrecarga operativa que supone mantener modelos ajustados. Para evitar detalles inventados, el proceso de generación se limita estrictamente a los metadatos proporcionados y las entradas contextuales. El modelo tiene instrucciones de no inferir información faltante como especies, técnicas, clima o ubicaciones adicionales ausentes de los datos de origen, de modo que cada informe sea consistente con el registro de viaje real.
La generación en sí se ejecuta mediante Amazon Bedrock FM, que procesan las entradas contextuales y las indicaciones estructuradas para producir informes coherentes y apropiados para el dominio a escala. Al confiar en indicaciones contextuales en lugar de volver a entrenar el modelo, el sistema evita la infraestructura de capacitación, reduce los gastos operativos y permite una iteración rápida a medida que surgen nuevos informes de guía y patrones de dominio. Este enfoque logró el equilibrio que el sistema necesitaba: informes de viaje auténticos, estilo guía, entregados con confiabilidad, rentabilidad y escalabilidad para crecer a medida que el sistema se expande.
Canal de publicación
Una vez generado, mejorado y perfeccionado el tono del contenido, el proceso de publicación reúne todo para ofrecer activos listos para el marketing en todos los canales. Esta etapa está diseñada para ejecutarse de un extremo a otro con un mínimo esfuerzo manual, asegurando que los guías se mantengan informados mientras la automatización maneja la ejecución detrás de escena.
La generación de activos se maneja a través de una función de paso de generación de activos que organiza múltiples ejecuciones de AWS Lambda. Estas funciones generan resultados de marketing a partir de los artefactos almacenados en el depósito S3 para cada viaje. Esto incluye informes de viajes optimizados para SEO, contenido nuevo del sitio web, publicaciones en redes sociales y campañas de correo electrónico personalizadas. Los resultados se almacenan automáticamente en el sistema y se integran en los flujos de trabajo de publicación posteriores, lo que reduce la necesidad de redacción, redacción o formateo manual. Una vez que los activos están listos, los guías reciben notificaciones automáticas para su revisión, de modo que puedan mantenerse informados sin gastos operativos innecesarios.
Los artefactos procesados (incluidos medios mejorados, detalles de viajes extraídos y activos de marketing generados) se almacenan de forma centralizada mediante Amazon RDS y Amazon S3. Amazon S3 proporciona almacenamiento duradero y rentable para medios y contenido generado, mientras que Amazon RDS pone a disposición viajes estructurados y datos de guías para flujos de trabajo e informes posteriores. Juntos, estos servicios garantizan que los activos se puedan reutilizar inmediatamente en sitios web, canales sociales y campañas de correo electrónico sin requerir procesamiento adicional.
Los controles de publicación siguen siendo flexibles gracias a la automatización impulsada por la IA. Los guías pueden revisar y aprobar el contenido generado, solicitar mejoras o confiar en un interruptor de publicación automática integrado para una automatización completa. Con esta flexibilidad, cada guía puede equilibrar el control de calidad con la eficiencia: permanecer práctico cuando sea necesario u optar por un enfoque de configurar y olvidar. Detrás de escena, AWS Step Functions organiza múltiples ejecuciones de funciones de AWS Lambda y se escala automáticamente para acomodar cientos de guías con una administración mínima de la infraestructura.
Consideraciones de costos
Si bien la arquitectura está diseñada para escalar automáticamente, el costo por informe de viaje generado sigue siendo relativamente pequeño. En escenarios típicos, generar un informe completo (incluido el procesamiento de medios, la inferencia de visión por computadora y la generación de contenido) cuesta aproximadamente entre 0,10 y 0,50 dólares por informe. El costo final varía según factores como la cantidad de imágenes procesadas, la presencia de medios de video y el volumen de solicitudes de inferencia de IA. Debido a que el flujo de trabajo no tiene servidor y está controlado por eventos, las guías solo incurren en costos cuando se generan informes, lo que mantiene la economía de la unidad predecible a medida que crece el uso.
Impacto en el marketing de recreación al aire libre
Con Jack AI operando de un extremo a otro en AWS, el impacto se extiende más allá de la automatización y afecta a cómo se ejecuta el marketing de recreación al aire libre en el día a día. Al combinar la automatización impulsada por IA con los servicios de AWS, el proceso de generación, refinamiento y publicación de contenido de marketing se ha reducido a un flujo de trabajo único y repetible. Los guías de recreación al aire libre ya no necesitan pasar horas redactando informes de viaje, formateando imágenes o programando publicaciones en redes sociales. En cambio, estas tareas se manejan automáticamente, lo que libera a los guías de centrarse en lo más importante: sus clientes y la experiencia al aire libre en sí.
El resultado es una presencia digital consistente y de alta calidad en sitios web, redes sociales y campañas de correo electrónico. Las guías mejoran la visibilidad, fortalecen las clasificaciones de búsqueda y atraen a los clientes de manera más efectiva sin la necesidad de personal de marketing dedicado.
Resultados
Desde el lanzamiento de Jack AI en AWS, Guidesly ha experimentado una rápida adopción y un impacto mensurable en toda su comunidad de guías de actividades al aire libre. Al automatizar una de las partes de su trabajo que más tiempo consume, el marketing, Jack AI ha reducido el esfuerzo operativo requerido después de cada viaje y, al mismo tiempo, ha ayudado a los guías a mantenerse visibles y competitivos en línea.
Anteriormente, los guías solían pasar más de seis horas a la semana detrás de una computadora portátil escribiendo informes de viaje, dando formato a publicaciones de blogs, creando subtítulos para redes sociales e intentando mejorar la búsqueda de contenido. Con Jack AI ejecutándose en AWS, gran parte de este trabajo ahora se maneja automáticamente. Las fotos del viaje y las notas breves cargadas por los guías se convierten en un conjunto completo de recursos listos para comercializar. Esto incluye informes de viajes, contenido de sitios web rico en SEO, subtítulos sociales y actualizaciones por correo electrónico, todo ello producido en minutos en lugar de horas.
La adopción de Jack AI ha aumentado constantemente, pasando de poco más de 100 informes a principios de 2025 a casi 340 informes en julio de 2025. Este aumento refleja un cambio más amplio en nuestros guías y la industria de actividades al aire libre, donde los guías que alguna vez dudaron en adoptar la tecnología y el marketing digital ahora confían en Jack AI para construir y hacer crecer su presencia en línea.
La producción de contenido ha aumentado drásticamente, de menos de 800 activos a principios de 2025 a más de 2500 a mediados del verano. Cada informe de viaje produce múltiples resultados, incluidos artefactos de SEO para sitios web de guías, subtítulos para Instagram y Facebook, y descripciones narrativas adaptadas al marketing por correo electrónico, lo que permite a los guías mantener una presencia auténtica y consistente en todos los canales.
El contenido se entrega con la máxima relevancia. Dado que el tiempo de generación de activos se redujo de 13 minutos en diciembre de 2024 a solo dos minutos en agosto de 2025, Jack AI garantiza que los informes de viaje, las publicaciones en las redes sociales y las campañas de correo electrónico estén listos casi inmediatamente después de que finalice el viaje. Esta velocidad permite a los guías llegar a los clientes y sus redes mientras la experiencia aún está fresca, lo que genera una mayor participación en los canales sociales y respuestas más rápidas a los correos electrónicos posteriores al viaje. Los correos electrónicos automatizados que muestran viajes recientes llegan a los clientes actuales y pasados en cuestión de horas, lo que ayuda a convertir la energía positiva del cliente en reservas repetidas y marketing de boca en boca.
Ingresos crecientes
El impacto financiero de estas mejoras ha sido claro. Entre los cinco guías más activos que utilizan Jack AI:
Los ingresos mensuales promedio crecieron de aproximadamente $3000 en enero de 2025 a más de $27 000 en julio de 2025, un aumento de casi nueve veces en solo seis meses. Los guías atribuyeron el crecimiento a su capacidad para mantener un flujo constante de contenido que impulsó la visibilidad en los motores de búsqueda, impulsó la participación en las redes sociales y, en última instancia, se convirtió en nuevas reservas.
Conclusión
Quizás lo más importante es que los guías han adoptado Jack AI no solo como una herramienta de generación de informes, sino como una parte central del funcionamiento y crecimiento de sus negocios. Al automatizar la creación de informes de viaje, mejoras de SEO, contenido de redes sociales y campañas de correo electrónico, Jack AI se ha convertido en una parte integral de las operaciones diarias, reduciendo la carga del marketing y manteniendo la autenticidad de la voz de cada guía. Su capacidad para identificar especies, estimar el tamaño e incorporar condiciones de viaje del mundo real en el contenido agrega un nivel de detalle y compromiso que los guías y sus clientes valoran. Jack AI ofrece esta funcionalidad de manera confiable y consistente, manejando volúmenes crecientes de medios y datos de viajes sin interrupción. La arquitectura sin servidor del sistema garantiza que a medida que la adopción siga aumentando, el rendimiento siga siendo alto y los guías puedan centrarse en lo que mejor saben hacer: ofrecer experiencias excepcionales al aire libre. Estos resultados muestran cómo Jack AI ayuda a los guías de actividades al aire libre a recuperar las horas dedicadas a la creación manual de contenido, mantener una presencia en línea constante e impulsar las reservas. Construido sobre una infraestructura escalable de AWS, el sistema convierte una tarea que requiere mucho tiempo en un flujo de trabajo automatizado y repetible.
Conozca más sobre Amazon SageMaker AI para comenzar.
Sobre los autores
“David Señor – Director Ejecutivo”
“David” es tres veces Emprendedor y Emprendedor del Año de Ernst & Young. David es un pescador con mosca de toda la vida con más de 25 años de experiencia pescando con guías. Guidesly es un proyecto apasionante que combina la pasión de David por la pesca con mosca, las experiencias de guía y ser emprendedor.
“Taylor Lord – Jefe de Producto”
“Taylor” es un líder experimentado en marketing y productos. Taylor era ejecutivo de la startup Hi Marley (Serie B) de InsureTech/IA antes de unirse a Guidesly. Taylor ha trabajado en dos nuevas empresas y es un excelente ejecutivo de marketing y productos.
“Shiva Prasad – Jefe de Tecnología”
"Shiva" lidera el equipo de tecnología en India. Shiva es un experto en SaaS que ha liderado equipos de desarrollo durante 15 años. Shiva y David han trabajado juntos dos veces anteriormente. Esta es su tercera startup, anteriormente trabajó para JumpStart Games y RazorGator.
“Anup Banasavalli Hiriyanagowda – Asociado de IA/Científico de datos”
"Anup" es un ingeniero de inteligencia artificial en Guidesly y disfruta construyendo sistemas de inteligencia artificial del mundo real. Se especializa en marcos de aprendizaje automático, modelos de lenguajes grandes, visión por computadora y canales de software escalables, y utiliza los servicios de AWS para diseñar e implementar soluciones listas para producción.
“Nikhil Chandra – Asociado de IA”
“Nikhil” Naveen Chandra es ingeniero asociado de IA en Guidesly y se especializa en arquitectura AWS sin servidor y sistemas impulsados por IA para comunicación y automatización a gran escala.