El problema
Transcribir audio es solo el primer paso. Para que un cliente obtenga valor, el sistema tiene que convertir conversaciones en información estructurada y revisable.
H2HI trabajaba en un momento donde incorporar IA en producto todavía requería más diseño propio: procesamiento, estados de carga, revisión, errores y una interfaz que hiciera legible el resultado.
La decisión
El sistema se pensó como pipeline y producto al mismo tiempo. El backend debía procesar audio y producir datos útiles; el frontend debía permitir entender, filtrar y revisar esos resultados.
La pregunta central no era “¿podemos transcribir?”, sino “¿qué estructura necesita el usuario para confiar en lo transcripto y actuar sobre eso?”.
Trade-offs
Automatizar reduce esfuerzo, pero también introduce incertidumbre. Por eso el producto necesitaba diseñar espacios de revisión y dejar claro cuándo el sistema estaba seguro y cuándo no.
El trabajo full-stack permitió ajustar el flujo completo, desde el procesamiento hasta la experiencia de lectura.
Resultado
H2HI convirtió audio en una superficie de análisis. La transcripción fue infraestructura; el producto real fue la capa que hacía que esa información pudiera usarse.
La lección fue temprana y sigue vigente: un modelo no reemplaza al sistema de producto que lo vuelve confiable.