Integracja w ekosystemie danych („Gdzie”)
Metodologia integracji potoku SHAP z platformami obserwowalności, takimi jak Grafana, oraz ujednoliconym SDK Gemini w celu automatycznej diagnostyki w Portelcore.
4.1. Analityczny cykl pozytywny w Portelcore
Sección titulada «4.1. El Círculo Virtuoso Analítico en Portelcore»Ostateczna wartość interpretowalności za pomocą SHAP nie leży wyłącznie w pasywnym gromadzeniu telemetrii, ale w jej dynamicznej integracji w celu optymalizacji podejmowania decyzji biznesowych.
graph TD A["1. Inferencia & Telemetría<br>(Calcular Predicciones & SHAP)"] --> B["2. Almacenamiento Selectivo<br>(PostgreSQL / SQLite Indexado)"] B --> C["3. Observabilidad & BI<br>(Grafana / Looker Studio)"] C --> D["4. Diagnóstico por IA<br>(Gemini SDK Forensics)"] D --> E["5. Optimización del Modelo<br>(Refactorización de Features)"] E --> A style A fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style B fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style C fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style D fill:#a3be8c,stroke:#8fbcbb,stroke-width:2px,color:#2e3440 style E fill:#81a1c1,stroke:#5e81ac,stroke-width:1px,color:#2e34404.2. Pulpity nawigacyjne obserwowalności: Połączenie z Grafaną
Sección titulada «4.2. Dashboards de Observabilidad: Conexión con Grafana»Relacyjny schemat telemetrii analitycznej jest idealny do zasilania interaktywnych pulpitów nawigacyjnych, które pozwalają monitorować zachowanie i kondycję modelu.
1. Panel identyfikowalności i historii atrybucji (Wykres liniowy)
Sección titulada «1. Panel de Trazabilidad e Historial de Atribución (Gráfico de Líneas)»- Cel: Monitorowanie, czy wpływ konkretnej zmiennej biznesowej (np.
tickets_soporte_abiertos) zmienia się drastycznie w czasie. - Zapytanie SQL dla Grafana:
SELECTp.predicted_at AS "time",a.shap_value AS "Valor SHAP: Tickets Soporte"FROM model_predictions pJOIN shap_attributions a ON p.prediction_id = a.prediction_idWHERE a.feature_name = 'tickets_soporte_abiertos'AND p.portel_user_id = $portel_user_idORDER BY p.predicted_at ASC;
2. Panel śledczy odchyleń predykcyjnych (Tabela kontrolna)
Sección titulada «2. Panel Forense de Desvíos Predictivos (Tabla de Control)»- Cel: Wyświetlanie szczegółowych analiz prognoz, w których model popełnił największy błąd.
- Zapytanie SQL dla Grafana:
SELECTp.predicted_at AS "Fecha",p.portel_user_id AS "Usuario",p.output_probability AS "Probabilidad Predicha",a.feature_name AS "Variable",a.feature_value AS "Valor Observado",a.shap_value AS "Contribución SHAP"FROM model_predictions pJOIN shap_attributions a ON p.prediction_id = a.prediction_idWHERE p.actual_outcome IS NOT NULLAND (p.output_probability > 0.5) != p.actual_outcome -- DiscordanciaORDER BY ABS(a.shap_value) DESCLIMIT 20;
4.3. Zautomatyzowana diagnostyka śledcza z Gemini
Sección titulada «4.3. Diagnóstico Forense Automatizado con Gemini»Najwyższy poziom automatyzacji analitycznej w Portelcore polega na wykorzystaniu sztucznej inteligencji Google (Gemini) do audytu i diagnozowania błędów logicznych modelu predykcyjnego interpretowanego przez SHAP.
Skrypt automatyzacji: analisis_forense_ia.py
Sección titulada «Script de Automatización: analisis_forense_ia.py»Ten skrypt współpracuje z bazą danych telemetrii i wykorzystuje ujednolicone SDK Google GenAI (google-genai) do generowania diagnostyki w ustrukturyzowanym języku naturalnym.
import osimport sqlite3from google import genaifrom google.genai import types
# Inicialización segura del cliente unificado de Gemini API# Recuerda exportar la variable de entorno: export GEMINI_API_KEY="tu_clave_de_pruebas"client = genai.Client()
def generar_diagnostico_forense(prediction_id: str) -> str: """ Extrae las atribuciones SHAP de una predicción errónea y genera un diagnóstico detallado utilizando Gemini 2.5 Flash. """ # Conexión a la base de datos local conn = sqlite3.connect("data/portel_telemetry.db") cursor = conn.cursor()
# 1. Obtener detalles de la predicción cursor.execute(""" SELECT portel_user_id, output_probability, actual_outcome FROM model_predictions WHERE prediction_id = ? """, (prediction_id,)) pred_info = cursor.fetchone()
if not pred_info: return "ID de predicción no encontrado."
user_id, prob, actual = pred_info
# 2. Obtener atribuciones SHAP cursor.execute(""" SELECT feature_name, feature_value, shap_value FROM shap_attributions WHERE prediction_id = ? ORDER BY ABS(shap_value) DESC """, (prediction_id,)) attributions = cursor.fetchall() conn.close()
# 3. Construir el prompt analítico desglose_txt = "" for feat, val, shap in attributions: desglose_txt += f"- {feat}: Valor Observado = {val:.2f}, Contribución SHAP = {shap:+.4f}\n"
prompt = f""" Actúa como un experto Ingeniero de Machine Learning y Analista Cuantitativo en Portelcore. Debemos auditar un fallo lógico en nuestro modelo de predicción de abandono (Churn) 'portel_user_churn'.
DETALLES DE LA PREDICCIÓN: - ID Predicción: {prediction_id} - ID Usuario: {user_id} - Probabilidad Predicha por el Modelo: {prob:.4f} (Umbral de decisión > 0.5) - Resultado Real: {'Abandono' if actual else 'Permanencia'} - Estado de Predicción: FALLIDO (El modelo predijo {'Abandono' if prob > 0.5 else 'Permanencia'}, pero ocurrió lo contrario)
CONTRIBUCIONES DETALLADAS DE SHAP: {desglose_txt}
TAREA: 1. Realiza una autopsia técnica del error. Explica por qué el modelo se equivocó basándote en las contribuciones de SHAP. 2. Determina si el modelo confió excesivamente en variables sesgadas o de ruido. 3. Recomienda acciones correctivas de ingeniería de datos para este usuario o para reentrenar el modelo en portelcore.com. """
# 4. Invocación al SDK unificado de Gemini response = client.models.generate_content( model='gemini-2.5-flash', contents=prompt, config=types.GenerateContentConfig( temperature=0.2, # Baja temperatura para análisis consistentes y precisos ) )
return response.text
# Demostración práctica de invocación en laboratorioif __name__ == "__main__": prediction_test_id = "pred_user_17222_40_231" print("--- Iniciando Análisis Forense de Telemetría con Gemini ---") try: diagnostico = generar_diagnostico_forense(prediction_test_id) print("\nDIAGNÓSTICO ENVIADO POR GEMINI API:") print(diagnostico) except Exception as e: print(f"Error en la llamada al SDK GenAI: {e}")4.4. Lista kontrolna walidacji ekosystemu
Sección titulada «4.4. Checklist de Validación del Ecosistema»Upewnij się, że integracja przebiega od początku do końca, zanim uznasz potok za zamknięty:
- Zapytania Grafana są indeksowane, aby uniknąć pełnego skanowania tabel w bazach danych
portelcore.com. ✓ - Skrypt
analisis_forense_ia.pywykorzystuje wyłącznie ujednolicony SDKgoogle-genai(genai.Client()). ✓ - Temperatura modelu generatywnego Gemini jest ustawiona konserwatywnie ($0.2$), aby uniknąć halucynacji analitycznych w środowisku produkcyjnym. ✓

