Process Platform

Visión General

La Plataforma de Procesos es la capa de gobierno operativo del Foris Suite. Concentra en un solo lugar la configuración de reglas de negocio, la ejecución de operaciones masivas y la orquestación de flujos de trabajo complejos que atraviesan todos los portales y servicios de la suite.

A diferencia de los enfoques tradicionales donde las reglas están hardcodeadas en el código o dispersas entre sistemas, la Plataforma de Procesos las convierte en activos configurables y auditables, administrables por el equipo de la institución —sin necesidad de intervención de desarrollo— y potenciados por inteligencia artificial para su creación y mantenimiento.

Propuesta de Valor

Módulos

1. Reglas (Rules)

Motor de configuración centralizada de reglas de negocio para todos los productos del Foris Suite. Cada regla es un objeto de datos estructurado, versionado, multi-tenant y asociado a un servicio específico (Albus, Darwin, Stella).

Estructura de una Regla

Cada regla está compuesta por tres elementos:

• Filtros — Pre-condiciones que determinan si la regla debe evaluarse. Actúan como puertas tempranas.
• Condiciones — Requisitos que deben cumplirse para que la regla aplique. Evalúan atributos del estudiante, del curso, del estado de matrícula, de carga académica, de estado financiero, entre otros.
• Acciones — Operaciones que se ejecutan cuando se cumplen las condiciones. Pueden generar impedimentos, modificar la visibilidad de cursos, cambiar estados de matrícula o marcar cursos como aprobados.

Tipos de Reglas (Metis)

El motor de evaluación de reglas académicas se llama Metis. Define los siguientes tipos:

Niveles de Alerta

Las reglas tipo checkout impediment pueden emitir tres niveles de alerta:

• X1 — Error crítico (rojo): la matrícula es incompatible y no puede continuar.
• X2 — Advertencia (amarillo): situación a revisar; puede proceder bajo responsabilidad.
• X3 — Informativa (azul): mensaje de orientación al estudiante, sin bloqueo.

Operadores y Funciones

El motor soporta un vocabulario amplio de operadores para construir condiciones expresivas:

• Comparación: ==, !=, >, <, >=, <=
• Membresía: in, not in, contains, does not contain
• Operaciones de conjuntos: contains any, contains all, intersects, set_eq, y más
• Cadenas: like, endswith
• Rangos: in range, not in range from above, etc.
• Especiales: requisites_are_met, prerequisites_are_met, alternative_has_slot, course_is_in_the_minimum_enrollable_level, now_is_after, entre otros

Las funciones de atributo permiten cálculos sobre datos dinámicos del estudiante:

• approved_course_codes — cursos ya aprobados por el estudiante
• intended_plus_approved_credits — suma de créditos intencionados y aprobados
• credits_per — créditos agrupados por área, tipo o modalidad
• groups_operator — evaluación de disponibilidad y bloques horarios
• group_weekly_hours — horas semanales de un grupo, para control de sobrecarga

Conjuntos de Reglas (Rule Sets)

Las reglas se agrupan en Rule Sets, que son colecciones temáticas de reglas activas para un tenant y servicio dados. Toda modificación a un Rule Set pasa por un flujo de aprobación:

1. Un usuario solicita un cambio (requested).
2. Un segundo usuario lo revisa y aprueba o rechaza (approved / rejected).
3. El cambio entra en vigencia automáticamente al ser aprobado.

Este flujo garantiza gobernanza y control de cambios sobre configuraciones críticas que afectan a miles de estudiantes.

Las ediciones soportan las siguientes acciones: add_rule, delete_rule, enable_bypass, disable_bypass, update_bypass.

Bypasses

Los bypasses permiten desactivar una regla de forma controlada para casos de excepción, sin eliminarla del Rule Set. Son configurables y también pasan por el flujo de aprobación.

Agente de IA — Metis

Integrado directamente en el módulo de Reglas, Metis es un agente conversacional que permite al equipo institucional gestionar reglas en lenguaje natural:

• Describir una regla técnica en JSON en texto legible por humanos
• Crear una nueva regla a partir de una descripción en lenguaje natural
• Buscar reglas similares por semántica (búsqueda vectorial)
• Validar la estructura de una regla antes de activarla
• Actualizar reglas existentes mediante instrucciones conversacionales

Metis utiliza contexto visual: si el usuario está viendo una regla específica en la pantalla, el agente lo sabe y puede referenciarla directamente en la conversación. Soporta interacción multilingüe.

Ejemplo práctico: un analista académico puede escribir "Crea una regla que bloquee la matrícula a estudiantes con más de dos materias reprobadas en el último período" y Metis genera la regla en el formato correcto, la valida y la propone para aprobación.

2. MOPS — Operaciones Masivas

MOPS (Massive Operations Platform Service) es el motor de operaciones por lotes del Foris Suite. Permite ejecutar procesos sobre grandes volúmenes de registros —estudiantes, cursos, pagos— de forma validada, trazable y segura.

Modelo de Operación

Cada Operación define una plantilla de proceso masivo:

• Esquema de datos — Encabezados y tipos esperados en el archivo de entrada
• Validaciones — Serie de pasos de validación ordenados que deben pasar antes de ejecutar
• Máximo de filas — Límite configurable (por defecto 5.000 registros)
• Pipeline de ejecución — Referencia al pipeline Piper que procesa los datos validados
• Control de concurrencia — Evita ejecuciones paralelas del mismo tipo para el mismo contexto (por ejemplo, mismo período y campus)

Ciclo de Vida de una Ejecución

Archivo subido
     ↓
 Validating  →  Waiting for Validation  →  Validated
                                                ↓
                                           Processing  →  Waiting for Processing
                                                                    ↓
                                                              Finished / Error

Cada fila del archivo tiene su propia trazabilidad: resultado de validación, payload procesado, respuesta del servicio externo y bandera de advertencia si aplica.

Casos de Uso Principales

Seguridad y Trazabilidad

• Cada ejecución queda registrada con el usuario que la inició.
• El archivo original se respalda automáticamente en S3 antes de cualquier procesamiento.
• Los errores se capturan con timestamp, tipo y contexto detallado.
• El sistema previene ejecuciones duplicadas o concurrentes que puedan generar inconsistencias.

3. Procesos

Módulo de monitoreo y control de ejecución de tareas en el ecosistema Foris: pipelines de datos, algoritmos de optimización (Viktor, Paul), entrenamientos de modelos de machine learning y jobs de procesamiento por imágenes.

Capacidades

• Visualización del estado en tiempo real: en espera, ejecutando, finalizado, con error.
• Logs detallados de ejecución, incluyendo trazas de error con contexto.
• Agente de IA para interpretación de logs: el usuario puede preguntar qué salió mal y recibir una explicación en lenguaje natural.
• Historial de ejecuciones con métricas de duración y resultados.

4. Workflows

Motor de orquestación de alto nivel que combina diferentes tipos de procesos dentro del Foris Suite en un único flujo automatizado. Los Workflows actúan como el "director de orquesta" que coordina cuándo y cómo se ejecuta cada componente.

Qué puede orquestar un Workflow

• Pipelines de Datos (Piper): transformación y movimiento de datos entre sistemas.
• Algoritmos: ejecución de Viktor (optimización de horarios), Paul (proyección de demanda) u otros motores analíticos.
• Procesos de Plataforma: jobs de ML, procesamiento de imágenes, tareas administrativas.
• Campañas de Email: envío de comunicaciones automáticas a grupos de usuarios (Iris Mailing).
• Operaciones MOPS: desencadenar procesos masivos como parte de un flujo mayor.

Casos de Uso

• Al cierre del período de matrículas, disparar automáticamente: validación de carga académica → generación de horarios optimizados → notificación a estudiantes → reporte a directivos.
• Cada noche, ejecutar el pipeline de sincronización de datos financieros → actualizar el modelo de riesgo en Stella → enviar alertas a asesores.
• Al importar un nuevo plan de estudios, validar la consistencia de los datos → activar el algoritmo de equivalencias → notificar al equipo académico.

DSL Declarativo + Agente de IA

Los Workflows se definen mediante un DSL (Domain Specific Language) declarativo que permite expresar flujos complejos de forma legible. El agente de IA asociado permite:

• Configurar Workflows en lenguaje natural.
• Describir en texto plano qué hace un Workflow existente.
• Diagnosticar fallos en ejecuciones anteriores.

Integración con el Foris Suite

La Plataforma de Procesos es transversal a toda la suite:

• Albus consume las Reglas de Metis en tiempo real durante la matrícula y usa MOPS para operaciones masivas sobre estudiantes.
• Darwin utiliza MOPS para cargar datos de demanda y ejecuta Workflows para coordinar el ciclo completo de programación académica.
• Stella activa Workflows para ejecutar los modelos de riesgo y MOPS para operaciones de intervención masiva.
• Data Platform provee el motor de ejecución (Piper) al que se conectan tanto MOPS como los Workflows.
• Identity Hub garantiza que cada operación quede atribuida a un usuario autenticado y autorizado.

Usuarios Objetivo