{"id":5728,"date":"2026-05-14T09:43:24","date_gmt":"2026-05-14T14:43:24","guid":{"rendered":"https:\/\/strata-analytics.us\/?post_type=customer-story&#038;p=5728"},"modified":"2026-05-14T09:44:30","modified_gmt":"2026-05-14T14:44:30","slug":"automating-competitor-rate-monitoring-with-gen-ai-in-a-leading-one-stop-money-shop","status":"publish","type":"customer-story","link":"https:\/\/strata-analytics.us\/es\/customer-story\/automating-competitor-rate-monitoring-with-gen-ai-in-a-leading-one-stop-money-shop\/","title":{"rendered":"Automatiza el seguimiento de las tarifas de la competencia con Gen AI en una plataforma l\u00edder de servicios financieros integrales."},"content":{"rendered":"<p class=\"wp-block-paragraph\"><strong>Descripci\u00f3n general del negocio del cliente<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El cliente es un proveedor l\u00edder de servicios de transferencia de dinero y pagos, con especial \u00e9nfasis en el env\u00edo de remesas a Latinoam\u00e9rica y otras regiones del mundo. Como uno de los principales actores del mercado de remesas, compite con importantes empresas como Western Union, MoneyGram y diversas plataformas digitales en la ruta entre Estados Unidos y Latinoam\u00e9rica.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Las oficinas de los agentes del cliente suelen trabajar con m\u00faltiples proveedores de transferencia de dinero, ofreciendo as\u00ed a los clientes diversas opciones de servicio. En este entorno competitivo, las comisiones y los tipos de cambio son factores cruciales para captar clientes. Los tipos de cambio pueden variar significativamente entre ubicaciones y tienden a ser m\u00e1s favorables para las transacciones presenciales que para las online.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Desaf\u00edo empresarial<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para mantener su ventaja competitiva, el cliente necesitaba monitorear de cerca los tipos de cambio de sus competidores en las distintas sucursales de los agentes. La empresa contaba con representantes que recopilaban informaci\u00f3n sobre los tipos de cambio de la competencia mediante im\u00e1genes tomadas en diversas sucursales. Sin embargo, la calidad y los formatos variables de estas im\u00e1genes dificultaban su procesamiento y utilizaci\u00f3n eficaz, lo que requer\u00eda intervenci\u00f3n manual y dejaba datos valiosos sin aprovechar.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Desaf\u00edo t\u00e9cnico<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El cliente requer\u00eda una soluci\u00f3n basada en inteligencia artificial para automatizar la extracci\u00f3n y el procesamiento de datos de tipos de cambio a partir de las im\u00e1genes recopiladas. Los principales desaf\u00edos t\u00e9cnicos inclu\u00edan:<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Desarrollar un sistema de reconocimiento \u00f3ptico de caracteres (OCR) para extraer con precisi\u00f3n texto, tablas y otros datos relevantes de un conjunto diverso de im\u00e1genes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Organizar los datos extra\u00eddos en un formato estructurado, como JSON, asignando pares clave-valor, filas y columnas de tablas, y otros elementos a una estructura coherente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Integrar sin problemas los procesos de extracci\u00f3n de datos en el ecosistema AWS existente del cliente, aprovechando servicios como Amazon S3 para el almacenamiento y AWS Glue para la transformaci\u00f3n de datos y los procesos ETL.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Crear conjuntos de datos adaptados a las necesidades espec\u00edficas de an\u00e1lisis e integrarlos en una arquitectura Data Lakehouse para realizar consultas e informes de manera eficiente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Desarrollar paneles de control y visualizaciones intuitivas que permitan a los equipos de clientes analizar y comparar los tipos de cambio de la competencia en diferentes ubicaciones, optimizando as\u00ed sus propios tipos de cambio para obtener una ventaja competitiva.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Detalles de la soluci\u00f3n<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Strata Analytics, socio de AWS con amplia experiencia en aprendizaje autom\u00e1tico y an\u00e1lisis de datos, colabor\u00f3 con el cliente para dise\u00f1ar e implementar una soluci\u00f3n integral que aprovecha los servicios de IA\/ML de AWS.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Carga y procesamiento de im\u00e1genes:<\/strong> Los representantes del cliente subieron im\u00e1genes de las tarifas de la competencia a un bucket de Amazon S3, lo que activ\u00f3 una funci\u00f3n de AWS Lambda para iniciar el proceso de extracci\u00f3n de datos.<\/li>\n\n\n\n<li><strong>Extracci\u00f3n de texto y datos:<\/strong> Se utiliz\u00f3 Amazon Textract, un potente servicio de OCR, para extraer texto, tablas, formularios y otros datos relevantes de las im\u00e1genes. Esto incluy\u00f3 la detecci\u00f3n de pares clave-valor, datos estructurados como tablas y texto no estructurado. Debido a la variabilidad en las estructuras de datos, sobre la salida inicial de las API de Textract, se emple\u00f3 un modelo de lenguaje natural multimodal, Claude 3.5 Sonnet, basado en Amazon Bedrock, para resolver las discrepancias y completar los casos donde se detectaron lagunas.<\/li>\n\n\n\n<li><strong>Estructuraci\u00f3n de datos:<\/strong> Los datos extra\u00eddos se organizaron en formato JSON estructurado mediante un modelo l\u00f3gico multimodal (LLM), Claude 3.5 Sonnet, alojado en Amazon Bedrock. Esto implic\u00f3 mapear pares clave-valor, filas y columnas de tablas, y otros elementos a una estructura coherente mediante indicaciones.<\/li>\n\n\n\n<li><strong>Integraci\u00f3n de bases de datos:<\/strong> Posteriormente, los datos estructurados se insertaron en una base de datos Amazon DynamoDB, donde cada imagen o documento correspond\u00eda a una nueva entrada o registro, y los campos se rellenaron en funci\u00f3n de los datos extra\u00eddos.<\/li>\n\n\n\n<li><strong>Seguimiento hist\u00f3rico y control de versiones:<\/strong> Se implement\u00f3 un sistema de control de versiones para realizar un seguimiento de los cambios a lo largo del tiempo, lo que permite comparaciones hist\u00f3ricas y consultas temporales mediante el almacenamiento de marcas de tiempo y otros metadatos.<\/li>\n\n\n\n<li><strong>An\u00e1lisis y elaboraci\u00f3n de informes de datos:<\/strong> Los datos estructurados se integraron en la arquitectura Data Lakehouse del cliente, aprovechando Amazon Athena y Amazon QuickSight para una consulta y generaci\u00f3n de informes eficientes. Se desarrollaron paneles intuitivos para visualizar los tipos de cambio de la competencia en diferentes ubicaciones, lo que permiti\u00f3 a los equipos del cliente optimizar sus propios tipos de cambio para aumentar su competitividad.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Resultados empresariales y m\u00e9tricas de \u00e9xito<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La soluci\u00f3n basada en inteligencia artificial proporcionada por Strata Analytics permiti\u00f3 al cliente obtener una importante ventaja competitiva en el mercado de remesas. Los principales resultados comerciales y m\u00e9tricas de \u00e9xito incluyeron:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Eficiencia operativa: La automatizaci\u00f3n del proceso de extracci\u00f3n y an\u00e1lisis de datos redujo el esfuerzo manual en m\u00e1s de 80%, lo que permiti\u00f3 a los equipos del cliente centrarse en la toma de decisiones estrat\u00e9gicas.<\/li>\n\n\n\n<li>Informaci\u00f3n basada en datos: Los completos paneles de control y las capacidades de generaci\u00f3n de informes proporcionaron al cliente informaci\u00f3n valiosa sobre las tendencias del mercado, lo que permiti\u00f3 implementar estrategias proactivas para mantener una ventaja competitiva.<\/li>\n\n\n\n<li>Gracias a los servicios de IA\/ML de AWS y a la experiencia de Strata Analytics, el cliente transform\u00f3 con \u00e9xito un proceso manual e ineficiente en una soluci\u00f3n escalable basada en datos.<\/li>\n\n\n\n<li>Este art\u00edculo se elabor\u00f3 con la ayuda de la IA generativa, a trav\u00e9s de la aplicaci\u00f3n AIML Case Study Generator del kit de herramientas AWS Party Rock.<\/li>\n<\/ul>","protected":false},"excerpt":{"rendered":"<p>Customer Business Overview The client is a leading provider of money transfer and payment services, with a particular focus on remittance services to Latin America and other global regions. As one of the key players in the remittance market, the client competes with major companies like Western Union, MoneyGram, and various digital platforms in the [&hellip;]<\/p>\n","protected":false},"featured_media":5731,"parent":0,"template":"","meta":{"_acf_changed":false,"inline_featured_image":false,"advanced_seo_description":"","jetpack_seo_html_title":"","jetpack_seo_noindex":false,"footnotes":""},"categories":[1377],"class_list":["post-5728","customer-story","type-customer-story","status-publish","has-post-thumbnail","hentry","category-others"],"acf":[],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/5728","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story"}],"about":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/types\/customer-story"}],"version-history":[{"count":2,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/5728\/revisions"}],"predecessor-version":[{"id":5730,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/customer-story\/5728\/revisions\/5730"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media\/5731"}],"wp:attachment":[{"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/media?parent=5728"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/strata-analytics.us\/es\/wp-json\/wp\/v2\/categories?post=5728"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}