Para poder enviar candidaturas a retos, completa tu perfil de empresa.
Caso de uso

Para LOGALTY - Intelligent Personal Data Store (IPDS): Gestión de Información Confidencial mediante IA Conversacional.

Contexto

Problema

Requisitos de integración

Solución propuesta

Impacto

Aplicaciones destacadas

Para LOGALTY - Intelligent Personal Data Store (IPDS): Gestión de Información Confidencial mediante IA Conversacional. Real
Los cambios se han guardado correctamente.
Algo ha salido mal, por favor contáctanos en info@opengovtech.es
Caso de uso

Para LOGALTY - Intelligent Personal Data Store (IPDS): Gestión de Información Confidencial mediante IA Conversacional.

Tipo de caso

Real

Contexto

Logalty es el líder en España y Portugal en servicios de identidad digital y contratación electrónica con una plantilla de 270 empleados. La compañía inició el proyecto IPDS para posicionarse como líder en soluciones digitales que aseguren transparencia, confianza y cumplimiento normativo en las relaciones entre empresas y ciudadanos.

Problema

El Problema: La gestión de información altamente sensible (IRPF, Vida Laboral, declaraciones de IVA) requería un sistema que permitiera la consulta rápida para scoring crediticio sin comprometer la privacidad. El reto era lograr que analistas pudieran consultar datos masivos en lenguaje natural garantizando la anonimización de campos críticos.

Requisitos de integración

Despliegue de una plataforma de Big Data en AWS bajo arquitectura Delta-Lakehouse para integrar las ventajas de un Data Lake y un Data Warehouse.


  • Integración de un agente LLM utilizando el ecosistema LangChain, LangGraph y MCP sobre AWS Bedrock.
  • Capacidad de interpretación multimodal de preguntas en lenguaje natural (texto o audio) y su traducción a consultas SQL con doble salida (tabla y texto).


Solución propuesta

Dive diseñó e implantó un agente de consulta que utiliza un diccionario de datos dinámico, descripciones de tablas y relaciones de claves para navegar por las bases de datos de IPDS. Se implementó un sistema de protección de datos sensibles mediante anonimización automática y un riguroso sistema de auditoría de cada consulta.

Impacto

Aumento de la fiabilidad: Establecimiento de un "centro único de la verdad" para los datos del ciudadano.


  • Eficiencia operativa: Reducción drástica de la curva de aprendizaje para la rotación de analistas gracias a la interfaz conversacional.
  • Mejora financiera: Mayor precisión en la evaluación del riesgo de préstamos y eficiencia en la recogida de información para solicitudes de crédito.


Aplicaciones destacadas

Sistemas de Scoring Crediticio Dinámico: Implementación de motores de riesgo que analizan en tiempo real documentos oficiales desestructurados (IRPF, vida laboral) para emitir pre-evaluaciones de crédito instantáneas.


Bóvedas de Datos Personales Inteligentes (IPDS): Creación de repositorios de información ciudadana con una capa conversacional que permite a las empresas consultar perfiles financieros sin acceso directo a los documentos base.


Herramientas de Privacidad por Diseño (Privacy-by-Design): Motores de anonimización automática de datos sensibles (PII) que permiten el entrenamiento de modelos de IA en entornos regulados sin comprometer la identidad del usuario.


Asistentes de Auditoría Normativa: Sistemas que trazan y justifican cada consulta SQL realizada mediante lenguaje natural para asegurar la transparencia total ante reguladores financieros.