🍎 Caso: Análisis Inteligente de Productos Alimenticios mediante IA Generativa
Descripción del caso
Una empresa desea desarrollar una aplicación móvil y web que permita a los usuarios conocer si un producto alimenticio es adecuado para su estado de salud simplemente tomando una fotografía del envase o escaneando su código de barras.
La aplicación debe identificar automáticamente el producto, obtener su información nutricional, analizar los ingredientes utilizando Inteligencia Artificial Generativa y entregar una recomendación personalizada según el perfil del usuario (edad, peso, enfermedades, alergias, objetivos nutricionales, etc.).
Toda la solución debe construirse utilizando servicios serverless de AWS, siguiendo una arquitectura desacoplada, escalable y de alta disponibilidad.
Objetivo de la arquitectura
Construir una arquitectura AWS organizada en tres capas (Front-End, API & Integration y Back-End Services) donde el usuario pueda:
- Capturar una fotografía del producto o escanear su código de barras.
- Enviar la imagen mediante una API segura.
- Procesar automáticamente la imagen.
- Identificar el producto y extraer información relevante.
- Consultar la base de datos nutricional.
- Analizar el producto mediante IA Generativa.
- Recibir una evaluación personalizada.
- Guardar el historial de consultas.
🏗️ Arquitectura
Este diagrama D2 documenta la arquitectura dentro del sitio. El diseño detallado y colaborativo (exploración de alternativas, anotaciones, ajuste fino del layout) vive en Lucidchart:
LANE 1 — User Interface (Front-End)
CLIENT APP (Mobile / Web)
| Componente | Descripción |
|---|---|
| Usuario | Interactúa con la aplicación desde el móvil. |
| Barcode Scanner (JS / Native SDK) | Escanea el código de barras del producto para identificarlo rápidamente. Conecta hacia Amazon API Gateway. |
| Food Image Upload (Cámara) | Captura una fotografía del envase del alimento. La imagen se almacena inicialmente en Amazon S3. |
| Amazon S3 — Raw Food Images | Almacena las fotografías originales enviadas por el usuario antes del procesamiento. |
LANE 2 — API & Integration
API Layer
| Componente | Descripción |
|---|---|
| Amazon API Gateway (REST / HTTP API) | Expone endpoints seguros para recibir imágenes, códigos de barras y solicitudes del cliente. |
| AWS Lambda — Orchestrator (Serverless Backend) | Orquestador principal: valida solicitudes, recibe imágenes, consulta DynamoDB, invoca Rekognition, invoca Bedrock y construye la respuesta final, guardando el historial. |
LANE 3 — Back-End Services & Storage
SERVICES
| Componente | Descripción |
|---|---|
| Amazon DynamoDB (NoSQL Database) | Almacena productos, información nutricional, historial de consultas y perfil del usuario. |
IMAGE PROCESSING
| Componente | Descripción |
|---|---|
| Amazon S3 — Raw Images | Repositorio central de imágenes referenciado por el pipeline de procesamiento. |
| Lambda — Image Processor | Redimensiona, optimiza, valida el formato y prepara la imagen antes del análisis. |
| Amazon Rekognition (Image Recognition) | Detecta marca, producto, logotipos, texto visible y código de barras (si existe). El resultado se envía nuevamente a la Lambda orquestadora. |
AI & INSIGHTS
| Componente | Descripción |
|---|---|
| Amazon Bedrock (Generative AI) | Recibe información del producto, perfil del usuario y datos nutricionales. Genera evaluación nutricional, explicación del resultado, riesgos, beneficios, alternativas saludables y puntaje nutricional. |
🔄 Flujo de datos
- El usuario escanea un código de barras o toma una foto del producto.
- El Barcode Scanner envía el código directamente a API Gateway; la Image Upload sube la foto directamente a S3 (Raw Food Images).
- API Gateway invoca a la Lambda Orchestrator.
- La Lambda guarda/recupera la imagen en S3 (repositorio central), lo que dispara (evento
ObjectCreated) a la Lambda Image Processor. - La Lambda Image Processor prepara la imagen y llama a Amazon Rekognition, que devuelve el reconocimiento del producto a la Lambda Orchestrator.
- La Lambda Orchestrator consulta DynamoDB para obtener la información nutricional del producto y el perfil del usuario.
- La Lambda Orchestrator envía el contexto (producto + perfil + datos nutricionales) a Amazon Bedrock, que genera la evaluación personalizada.
- La Lambda Orchestrator guarda el resultado como historial en DynamoDB.
- La respuesta final vuelve por API Gateway hacia el front-end.
Leyenda
| Color | Tipo de flujo |
|---|---|
| 🟧 Naranja | Data Flow — datos de negocio (código de barras, resultados, prompts) |
| 🟦 Azul | Image Flow — la imagen del producto |
| ⬜ Gris | Service Call — invocación entre servicios (incluye consultas a base de datos) |
| 🟨 Amarillo | Trigger — evento que dispara una función automáticamente |
🧠 Notas de diseño
Ninguno de los componentes (API Gateway, Lambda, S3, DynamoDB, Rekognition, Bedrock) requiere aprovisionar ni administrar servidores. La arquitectura escala automáticamente con la demanda y el costo es proporcional al uso real — apropiado para una app cuyo tráfico es impredecible al lanzamiento.
El paso de S3 → Lambda Image Processor ocurre por evento (Trigger), no por invocación directa desde el orquestador. Esto separa la subida/almacenamiento de la imagen del procesamiento en sí, permitiendo que cada pieza escale y falle de forma independiente.