El Problema
Seguía 20+ canales de Telegram de IA/tech. Gastaba 2+ horas/día scrolleando hype y promos para encontrar 2-3 posts realmente valiosos. Construí un filtro ML en 5 días. Valora posts de 1 a 5 estrellas — la IA aprende tu gusto. Elimina el 80% del ruido.
Antes / Después
Antes: 20+ canales, 100+ posts/día → 2+ horas scrolleando → encontrar 2-3 buenos posts → agotado
Después: El bot agrega todo → valorar durante 2 semanas → la IA aprendió: “le gustan sistemas RAG, no le gustan benchmarks de LLM” → muestra 15-20 posts/día (todos relevantes) → 15 minutos leyendo
Impacto: 85% de precisión después de 6 semanas. Descubrí que salto posts de benchmarks pero leo cada artículo de RAG — un patrón del que no era consciente.
Cómo Funciona
Paso 1: El bot monitorea 20+ canales, envía todos los posts a un único feed de Telegram.
Paso 2: Valora cada post de 1-5 estrellas. Después de ~100 valoraciones (2 semanas), el modelo ML ve patrones. Entiende significado, no solo palabras clave.
Paso 3: El bot empieza a filtrar. Muestra solo posts similares a los que valoraste con 4-5 estrellas. Se vuelve más inteligente con cada valoración.
Resultado: 100+ posts diarios → 15-20 curados. Solo señal, cero ruido.
Arquitectura Técnica
- Ingesta de Contenido: Monitoreo de Telegram API, deduplicación entre canales
- Almacenamiento: PostgreSQL (mensajes, valoraciones) + Qdrant (embeddings para similitud semántica)
- Modelo ML: Similitud vectorial híbrida + features de metadatos. Clasificación binaria: “¿El usuario dará 4-5 estrellas?”
- Entrega Adaptativa: Cold start (2 semanas) → Aprendizaje (semanas 3-6) → Optimizado (6+ semanas)
- Refinamiento Continuo: Re-entrenamiento nocturno, seguimiento de precisión, detección de cambio de intereses
Qué Lo Hace Especial
Aprende matices, no solo temas. No filtra “todo contenido de IA” — filtra “anuncios de productos de IA” mientras mantiene “posts técnicos de implementación RAG.” Descubre patrones en tu gusto que no sabías que tenías.
Números Reales
- Filtra 75-85% del ruido (100+ → 15-20 mensajes relevantes)
- Tiempo: 15 min de lectura enfocada vs 2+ horas scrolleando
- 85%+ precisión después de 6 semanas
- 572 horas ahorradas por año