Caso de estudio de MODO: Cómo una prueba de concepto de IA se convirtió en un motor de búsqueda en producción

Resumen ejecutivo

Nos asociamos con MODO para construir una prueba de concepto de IA —un prototipo funcional de una experiencia de descubrimiento de promociones impulsada por IA— para ayudar a su equipo directivo a ver, en la práctica, cómo la IA generativa podía transformar la forma en que los usuarios encuentran ofertas dentro de la aplicación.

En aquel momento, MODO exploraba cómo las tecnologías de IA emergentes podían mejorar la visibilidad y usabilidad de su creciente catálogo de promociones. A través del desarrollo de PromoBot, un asistente experimental basado en IA, Mutt Data ayudó a demostrar cómo la comprensión del lenguaje natural podía potenciar una nueva generación de herramientas de descubrimiento de promociones.

El prototipo validó una idea poderosa: los usuarios podían buscar ofertas utilizando lenguaje cotidiano en lugar de palabras clave rígidas.

Este MVP inicial desempeñó un papel clave en la configuración de la visión de producto interna que más tarde evolucionó hacia SearchAI, el motor de búsqueda de promociones con IA de MODO; un ejemplo perfecto de cómo una prueba de concepto de IA bien definida reduce el riesgo de una inversión mucho mayor.

Sobre la empresa

MODO es una plataforma de pagos digitales en rápido crecimiento que conecta bancos, usuarios y comercios dentro de un ecosistema unificado. Enfocada en facilitar el pago, envío y recepción de dinero, MODO se ha convertido en una herramienta financiera esencial para millones de usuarios en Argentina. A medida que su equipo comercial expandía su red de alianzas promocionales, surgió un desafío persistente: a los usuarios les costaba encontrar las ofertas que más les interesaban.

‍

El desafío

Un problema de visibilidad, relevancia y compromiso

Hacer que las promociones sean más fáciles de descubrir

Modo ofrece cientos de promociones en bancos, comercios y categorías de productos. Sin embargo, la experiencia de búsqueda existente dentro de la aplicación estaba diseñada en torno a una lógica tradicional basada en palabras clave.

Esto significaba que los usuarios a menudo necesitaban saber exactamente qué buscar para encontrar ofertas relevantes. Ligeras variaciones en la ortografía o en la redacción podían llevar a resultados vacíos, dificultando el descubrimiento.

Por ejemplo, un usuario que escribe “supermerc” en lugar de “supermercado” podría no arrojar ningún resultado.

A medida que el número de promociones seguía creciendo, el equipo de MODO comenzó a explorar cómo la inteligencia artificial podía mejorar la experiencia y facilitar el descubrimiento de promociones.

La oportunidad no solo consistía en mejorar la búsqueda, sino en explorar cómo la IA generativa podría actuar como un asistente de recomendaciones dentro de la aplicación.

MODO quería probar si la IA podía:

• Interpretar consultas en lenguaje natural en lugar de palabras clave exactas

• Ayudar a los usuarios a descubrir promociones que de otro modo no encontrarían

• Aumentar la interacción con sugerencias promocionales relacionadas y comentarios generados por IA.

• Demostrar internamente cómo la IA generativa podría potenciar futuras capacidades del producto

Para explorar esta visión, MODO se asoció con Mutt Data para desarrollar un MVP, ese tipo de prueba de concepto de IA que demuestra si vale la pena escalar una idea antes de invertir un presupuesto real en ella.

Nuestra solución: desarrollo de una prueba de concepto de IA con PromoBot

Prototipado del descubrimiento de promociones mediante IA con PromoBot

Para explorar cómo la IA generativa podía mejorar el descubrimiento de promociones, Mutt Data y MODO colaboraron en el desarrollo de PromoBot, un prototipo de chatbot impulsado por modelos de lenguaje de gran tamaño.

PromoBot permitió a los usuarios buscar promociones utilizando lenguaje natural en lugar de palabras clave rígidas. Los usuarios podían hacer preguntas como:

“Voy a salir con amigos el viernes, ¿hay alguna promoción en bares?” o

“¿Dónde puedo obtener descuentos con mi tarjeta bancaria esta semana?”

En lugar de requerir consultas precisas, el sistema interpretó la intención detrás de la solicitud y devolvió promociones relevantes.

Este prototipo permitió a los equipos de producto y liderazgo de MODO visualizar cómo la IA podía mejorar fundamentalmente la experiencia de descubrimiento de promociones.

Esta prueba de concepto marcó el primer paso de MODO en la IA generativa. PromoBot incluyó varias capacidades experimentales diseñadas para probar cómo la IA podía mejorar la experiencia de búsqueda de promociones:

Búsqueda en lenguaje natural

Los usuarios podían buscar promociones usando consultas conversacionales en lugar de palabras clave exactas.

Recomendaciones contextuales

El asistente interpretaba la intención del usuario y sugería promociones relevantes basadas en categorías, comercios y fechas.

Comparación de promociones

PromoBot podía comparar dos promociones y explicar cuál ofrecía un mejor valor.

Capa de moderación

Una capa de seguridad garantizaba que las respuestas se mantuvieran apropiadas y relevantes.

Casos de uso de búsqueda para el MVP

Durante la fase de MVP, Muttdata y MODO se centraron en varios escenarios clave en los que la búsqueda tradicional presentaba dificultades:

Búsqueda por banco

Los usuarios podían solicitar promociones asociadas a un banco específico.

Búsqueda por categoría

El asistente detectaba categorías como restaurantes, combustible o ropa.

Búsqueda por fecha

Consultas como "mañana", "este fin de semana" o "el próximo viernes" eran interpretadas y vinculadas a promociones válidas.

Búsqueda por comercio

Las menciones a tiendas o marcas específicas activaron resultados de promociones relevantes.

Búsqueda por tipo de producto (SKU)

Las búsquedas como "jeans" o "helado" se asignaron a categorías de productos relevantes.

Búsqueda por eventos o festividades

Consultas como "Navidad" o "Día de la Madre" devolvieron promociones de temporada.

Arquitectura

Internamente, PromoBot aprovechó una arquitectura nativa en la nube impulsada por:

• Modelos de lenguaje de gran tamaño a través de Amazon Bedrock

• API REST creadas con FastAPI

• Despliegue en contenedores mediante Docker y AWS ECS

• Observabilidad a través de OpenTelemetry y Datadog

El sistema interpretaba las consultas de los usuarios, extraía filtros estructurados (como categoría, fecha o comercio) y los utilizaba para recuperar y clasificar las promociones de los servicios de promoción existentes de MODO.

Internamente, PromoBot funcionaba con una configuración nativa en la nube diseñada para ofrecer velocidad y fiabilidad: modelos de lenguaje de gran tamaño a los que se accedía a través de Amazon Bedrock, conectados a los datos de promoción existentes de MODO y desplegados en la infraestructura de AWS con una monitorización completa. En pocas palabras: una base de nivel de producción, incluso para un prototipo.

De PromoBot a SearchAI

Los conocimientos obtenidos del MVP de PromoBot ayudaron a Modo a perfeccionar la visión del producto para el descubrimiento de promociones mediante IA.

A medida que el concepto maduraba, el equipo decidió que la IA no debía residir dentro de una interfaz de chatbot, sino potenciar directamente la experiencia principal de búsqueda de promociones dentro de la aplicación.

Tras nuestra colaboración, MODO siguió evolucionando SearchAI, añadiendo búsqueda semántica, lo que hizo que el motor fuera más rápido y significativamente más barato de ejecutar a gran escala. En términos prácticos: el producto se volvió lo suficientemente eficiente como para implementarse en toda la base de usuarios de MODO en producción.

El resultado de esta evolución es SearchAI, un motor de búsqueda de promociones de nueva generación que ya está entrando en producción.

Aunque el producto final difiere significativamente del prototipo inicial, el POC de IA inicial desempeñó un papel importante: demostró el potencial del descubrimiento de promociones basado en IA y, lo que es igual de importante, alineó a la dirección en torno a una visión compartida antes de que se escribiera una sola línea de código de producción.

Los resultados

Aunque PromoBot se desarrolló como un prototipo, las ideas probadas durante la fase de MVP ayudaron a definir el diseño del motor SearchAI de producción.

Estos resultados validaron la hipótesis central del proyecto: que la búsqueda en lenguaje natural y las recomendaciones impulsadas por IA pueden mejorar significativamente el descubrimiento de promociones.

¿Pensando en tu propio POC de IA ? Tanto si estás probando una idea como si estás preparando el terreno para una inversión mayor, nos encantaría compartir lo que hemos aprendido. Programemos una llamada. Haz una llamada de descubrimiento con nosotros para descubrir cómo nuestra experiencia puede elevar tus capacidades.

‍