El siguiente proyecto se centra en la optimización del proceso de ventas de la empresa PowerStreet, dedicada a la provisión de soluciones de software ERP para grandes compañías de consumo masivo. El objetivo principal fue diseñar e implementar una solución basada en Inteligencia Artificial (IA) que permita generar pedidos sugeridos, con el fin de mejorar la eficiencia de los vendedores en ruta, reducir las pérdidas asociadas a devoluciones de mercadería y elevar la calidad del servicio ofrecido a los clientes. La metodología de trabajo se estructuró en dos fases, en la primera etapa, se aplicó el enfoque de Design Thinking , esto incluyó entrevistas con los vendedores y el acompañamiento en sus recorridos diarios, lo que permitió identificar falencias clave del proceso existente. Se detectó que la generación de pedidos se realizaba mediante un método rudimentario y poco preciso, lo cual generaba ineficiencias operativas y pérdidas económicas significativas. En la segunda etapa, se adoptó un marco de trabajo ágil que combinó prácticas de Scrum y Kanban, facilitando la gestión de un proyecto con requerimientos cambiantes y alta incertidumbre tecnológica. Como resultado, se desarrolló una solución robusta y escalable que integra dos modelos de IA: un clasificador XGBoost, encargado de identificar los 20 productos con mayor probabilidad de venta, y un modelo de lenguaje de gran escala, Llama 3.2-1B, utilizado para predecir las cantidades óptimas de cada producto. La arquitectura híbrida del sistema fue desplegada en Amazon Web Services, combinando servicios “serverless” como Lambda y SQS con SageMaker para el despliegue de los modelos de IA. El proyecto concluyó exitosamente con la validación del sistema en un entorno de prueba y la entrega de una solución funcional, integrada al ecosistema de PowerStreet y lista para su implementación en la aplicación móvil de los vendedores.