first commit

2025-11-19 01:09:25 -03:00
parent e7a380f36e
commit be10a888fb
28 changed files with 2481 additions and 464 deletions
--- a/AI_FUNCTIONALITY.md
+++ b/AI_FUNCTIONALITY.md
@@ -0,0 +1,170 @@
+# Sistema de IA para Checklists Inteligentes
+
+## Modos de IA
+
+### 1. **OFF (Sin IA)**
+- El mecánico completa manualmente todas las respuestas
+- Sin sugerencias ni asistencia automática
+- Control total del usuario
+
+### 2. **ASSISTED (IA Asistida)**
+**Funcionalidades:**
+- **Análisis de fotos**: Cuando el mecánico sube una foto, la IA analiza la imagen y sugiere:
+  - Estado del componente (bueno/malo)
+  - Nivel de criticidad (ok/minor/critical)
+  - Observaciones automáticas basadas en lo que detecta
+- **Sugerencias contextuales**: Basándose en respuestas previas
+- **Detección de anomalías**: Si detecta algo crítico, lo marca automáticamente
+- **El mecánico puede aceptar o rechazar** las sugerencias
+
+**Ejemplo de flujo:**
+```
+1. Mecánico sube foto de pastillas de freno
+2. IA analiza: "Desgaste del 85%, menos de 2mm de material"
+3. Sugiere: Estado=Crítico, Requiere reemplazo inmediato
+4. Mecánico revisa y confirma o modifica
+```
+
+### 3. **FULL (IA Completa - Copilot)**
+**Funcionalidades:**
+- **Inspección automática por fotos**: El mecánico solo toma fotos
+- **Análisis completo**: La IA responde todas las preguntas automáticamente
+- **Generación de informe**: Crea observaciones y recomendaciones
+- **Detección de problemas**: Marca automáticamente items críticos
+- **El mecánico solo revisa y firma** al final
+
+**Ejemplo de flujo:**
+```
+1. Mecánico toma 20 fotos del vehículo
+2. IA procesa todas las fotos
+3. Responde las 99 preguntas automáticamente
+4. Genera observaciones detalladas
+5. Marca 3 items como críticos
+6. Mecánico revisa el informe completo
+7. Ajusta si es necesario
+8. Firma y completa
+```
+
+## Implementación Técnica
+
+### Análisis de Imágenes con OpenAI Vision
+```javascript
+// Frontend: Subir foto
+const analyzeImage = async (imageFile, questionType) => {
+  const formData = new FormData()
+  formData.append('image', imageFile)
+  formData.append('question_id', questionId)
+  
+  const response = await fetch('/api/analyze-image', {
+    method: 'POST',
+    body: formData
+  })
+  
+  return response.json() // { status, observations, confidence }
+}
+```
+
+### Backend: Procesamiento con IA
+```python
+# Backend: Analizar imagen con OpenAI GPT-4 Vision
+import openai
+from PIL import Image
+
+async def analyze_vehicle_component(image_path: str, question: Question):
+    # Cargar imagen
+    with open(image_path, 'rb') as f:
+        image_data = f.read()
+    
+    # Prompt especializado según tipo de pregunta
+    prompts = {
+        "brakes": "Analiza el estado de las pastillas de freno. Indica desgaste, grietas, material restante.",
+        "tires": "Evalúa la banda de rodadura, presión aparente, desgaste irregular.",
+        "lights": "Verifica funcionamiento de luces, roturas, opacidad.",
+        # ... más prompts especializados
+    }
+    
+    # Llamada a OpenAI Vision API
+    response = openai.ChatCompletion.create(
+        model="gpt-4-vision-preview",
+        messages=[{
+            "role": "user",
+            "content": [
+                {"type": "text", "text": prompts.get(question.section, "Analiza este componente")},
+                {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_data}"}}
+            ]
+        }],
+        max_tokens=300
+    )
+    
+    # Parsear respuesta
+    ai_analysis = response.choices[0].message.content
+    
+    # Determinar status según análisis
+    if "crítico" in ai_analysis.lower() or "falla" in ai_analysis.lower():
+        status = "critical"
+    elif "menor" in ai_analysis.lower() or "atención" in ai_analysis.lower():
+        status = "minor"
+    else:
+        status = "ok"
+    
+    return {
+        "status": status,
+        "observations": ai_analysis,
+        "confidence": 0.85,
+        "ai_analysis": {
+            "raw_response": ai_analysis,
+            "model": "gpt-4-vision",
+            "timestamp": datetime.now()
+        }
+    }
+```
+
+## Ventajas de cada modo
+
+### OFF
+✅ Control total del mecánico
+✅ Sin dependencia de conectividad
+✅ Sin costos de API
+
+### ASSISTED
+✅ Ayuda al mecánico a no olvidar detalles
+✅ Documenta mejor con análisis de fotos
+✅ Reduce errores humanos
+✅ Aprende patrones comunes
+⚠️ Requiere internet y API key
+
+### FULL
+✅ Rapidez extrema (5-10 min vs 30-40 min)
+✅ Consistencia en evaluaciones
+✅ Ideal para inspecciones masivas
+✅ Genera informes detallados automáticamente
+⚠️ Requiere validación del mecánico
+⚠️ Mayor costo de API
+
+## Casos de Uso Recomendados
+
+**OFF**: 
+- Talleres sin internet estable
+- Inspecciones básicas
+- Presupuesto limitado
+
+**ASSISTED**: 
+- Talleres medianos/grandes
+- Inspecciones preventivas
+- Documentación detallada requerida
+
+**FULL**: 
+- Flotas de vehículos
+- Inspecciones pre-compra masivas
+- Talleres de alto volumen
+- Empresas de rent-a-car
+
+## Próximos pasos de implementación
+
+1. ✅ Estructura de base de datos preparada
+2. ⏳ Endpoint `/api/analyze-image` para análisis
+3. ⏳ Integración con OpenAI Vision API
+4. ⏳ UI para mostrar sugerencias de IA
+5. ⏳ Sistema de confianza (confidence score)
+6. ⏳ Historial de sugerencias aceptadas/rechazadas
+7. ⏳ Fine-tuning del modelo con datos reales