Cómo desarrollé un sistema completo de automatización para la gestión de solicitudes DevOps utilizando un bot de Telegram, Inteligencia Artificial y una plataforma web moderna.
Introducción#
Este artículo presenta mi primer proyecto utilizando Inteligencia Artificial de forma práctica y aplicada. La solución nació de la combinación entre el aprendizaje obtenido en el curso de Alura, una necesidad real de automatización y organización de tareas, y mucha curiosidad sobre el desarrollo de bots.
El Problema#
En entornos de DevOps, es común que clientes y usuarios reporten problemas a través de diversos canales de comunicación, como grupos de Telegram. Estas solicitudes pueden incluir:
Servidores fuera de servicio
Pods caídos en Kubernetes
Problemas de infraestructura en AWS
Cuestiones relacionadas con recursos computacionales (CPU, memoria)
El desafío consistía en centralizar, organizar y gestionar estas solicitudes de forma eficiente, garantizando que ninguna demanda se perdiera y que el equipo de DevOps tuviera visibilidad completa de las tareas pendientes.
La Solución Propuesta#
Desarrollé un sistema completo y desacoplado que automatiza todo el flujo de trabajo:
Captura: Un bot de Telegram monitorea mensajes en grupos específicos.
Procesamiento: La IA de OpenAI interpreta el mensaje y extrae información relevante.
Almacenamiento: El backend procesa y almacena las tareas en la base de datos.
Visualización: Una plataforma web muestra las tareas de forma organizada para el equipo.
Arquitectura Desacoplada#
Uno de los principales diferenciales del proyecto es su arquitectura modular e independiente. Esto significa que:
El bot puede ser sustituido por otro (Discord, Slack, WhatsApp) sin afectar al sistema.
La IA puede cambiarse (Claude, Gemini, modelos locales) manteniendo la funcionalidad.
El backend es independiente y puede ser consumido por diferentes frontends.
Cada componente puede evolucionar por separado.
Funcionalidades Principales#
Bot de Telegram#
Desarrollado en Python.
Monitorea mensajes en tiempo real.
Identifica solicitudes de soporte.
Envía confirmación automática al usuario.
Integración con OpenAI#
Interpretación inteligente de mensajes.
Extracción de información clave (tipo de problema, urgencia, recursos afectados).
Generación de respuestas contextualizadas para el cliente.
Creación automática de descripciones estructuradas para el equipo de DevOps.
Sistema de Logs y Monitoreo#
Tokenizer para el control de consumo de la API.
Logs detallados de todas las interacciones.
Métricas de uso y rendimiento.
Gestión de Base de Datos#
ORM Django para la manipulación eficiente de los datos.
Estructura relacional optimizada.
Historial completo de solicitudes.
Plataforma Web#
Interfaz moderna y responsiva.
Dashboard con métricas (Total de Tareas, En Progreso, Completadas).
Visualización detallada de cada tarea.
Sistema de etiquetas (tags) y categorización.
Filtros y búsqueda avanzada.
Stack Tecnológico#
Backend#
Python: Lenguaje principal para el bot y la lógica de negocio.
Django: Framework web y ORM para la gestión de la base de datos.
PostgreSQL: Base de datos relacional robusta y escalable.
Frontend#
Next.js: Framework de React para aplicaciones web modernas.
TypeScript: Tipado estático para un código más seguro.
Tailwind CSS: Framework de CSS utilitario para diseño responsivo.
Inteligencia Artificial#
- OpenAI API: Procesamiento de lenguaje natural y generación de respuestas.
Infraestructura#
Telegram Bot API: Integración con Telegram.
RESTful API: Comunicación entre componentes.
Herramientas de Desarrollo#
PyCharm: IDE para desarrollo en Python.
DataGrip: Gestión y visualización de la base de datos.
WebStorm: IDE para desarrollo frontend.
Flujo de Funcionamiento#
1. Recepción de la Solicitud#
Cuando un cliente envía un mensaje en el grupo de Telegram:
"Hola a todos,
Estamos teniendo un problema aquí y necesitamos ayuda. El sistema se cayó hace
unos 20 minutos y no vuelve a estar en línea. Los usuarios se quejan de que
no pueden acceder a la plataforma.
¿Pueden verificar qué está pasando? ¿Podría ser algo relacionado con Kubernetes?
¿Los pods están funcionando normalmente? ¿Y qué hay de los recursos en AWS?
¿Se habrá superado algún límite de CPU o memoria en las instancias?
Necesitamos que esto vuelva a funcionar lo antes posible. ¿Tienen alguna
idea de lo que puede estar ocurriendo?
¡Gracias!"
2. Procesamiento por el Bot#
El bot captura el mensaje y lo envía a la API de OpenAI, que:
Identifica que es una solicitud de soporte.
Extrae información relevante (problema: sistema caído, causa posible: Kubernetes/AWS).
Clasifica la urgencia (alta, debido al impacto en los usuarios).
Genera una respuesta para el cliente.
3. Respuesta Automática#
El bot responde inmediatamente:
"¡Hola! Hemos recibido tu solicitud y estamos verificando lo ocurrido.
Agradecemos tu paciencia y nos pondremos en contacto pronto con
más información."
4. Creación de la Tarea#
El sistema crea automáticamente una tarea estructurada:
- \[Incidente\]
- Problema de caída del sistema con posibles impactos en Kubernetes y recursos AWS.
Descripción: Investigar caída del sistema y analizar posibles problemas en Kubernetes y recursos en AWS en relación a límites de CPU y memoria.
Cliente: Infra EmpresaABC.
Tags: #infra #aws #kubernetes.
Estado: Estimación → Complejo.
Fecha de Creación: 22/01/2026.
5. Visualización en la Plataforma#
El equipo de DevOps accede a la plataforma web y visualiza:
Dashboard con todas las tareas.
Detalles completos de la solicitud.
Historial de interacciones.
Posibilidad de actualizar estados y añadir comentarios.
Beneficios de la Solución#
Para el Cliente#
Respuesta inmediata y automática.
Confirmación de que la solicitud fue recibida.
Transparencia en el proceso.
Para el Equipo de DevOps#
Centralización de todas las solicitudes.
Organización y priorización facilitadas.
Reducción de tareas perdidas u olvidadas.
Historial completo de atenciones.
Métricas e indicadores de rendimiento.
Para la Organización#
Automatización de procesos manuales.
Reducción del tiempo de respuesta.
Mejora en la calidad de la atención.
Datos estructurados para análisis y mejora continua.
Desafíos y Aprendizajes#
Integración con APIs#
Trabajar con la API de OpenAI exigió una comprensión profunda de:
Gestión de tokens.
Optimización de prompts.
Tratamiento de errores y fallbacks.
Control de costes.
Arquitectura Desacoplada#
Diseñar un sistema modular desde el inicio fue fundamental para:
Facilitar el mantenimiento.
Permitir la evolución independiente de los componentes.
Posibilitar pruebas aisladas.
Garantizar la escalabilidad.
Procesamiento de Lenguaje Natural#
Crear prompts eficientes para extraer información relevante de los mensajes fue un proceso iterativo de:
Pruebas con diferentes escenarios.
Ajustes en los prompts.
Validación de la calidad de las respuestas.
Este proyecto fue una excelente oportunidad para aplicar conocimientos de:
Python y desarrollo de bots.
Inteligencia Artificial aplicada a problemas reales.
Arquitectura de software desacoplada y escalable.
DevOps y automatización de procesos.
Desarrollo full-stack con tecnologías modernas.
Más que un proyecto técnico, fue una experiencia de aprendizaje sobre cómo la IA puede aplicarse para resolver problemas reales y mejorar los procesos del día a día.
¡Estoy emocionado por seguir evolucionando esta solución y explorando nuevas posibilidades de automatización e inteligencia artificial en el contexto de DevOps!
¿Quieres Saber Más?#
Si tienes interés en:
Implementar una solución similar.
Contribuir con el proyecto.
Discutir arquitectura y buenas prácticas.
Compartir experiencias con automatización e IA.
¡Ponte en contacto!