# 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