Supercharger: cómo Rocket Close optimizó operaciones de títulos con IA agente

Introducción

La complejidad en los procesos de títulos y cierre de operaciones inmobiliarias suele convertirse en un cuello de botella durante la demanda creciente de hipotecas y préstamos. Rocket Close, una agencia de títulos y administración de tasaciones con base en Detroit dentro de Rocket Companies, enfrentó ese desafío y desarrolló Supercharger junto con AWS. La iniciativa busca reducir la fricción del proceso de compra-venta y optimizar tareas operativas que antes consumían demasiado tiempo y dependían de múltiples fuentes dispersas.

Este artículo describe cómo funciona Supercharger, por qué se escogió la pila tecnológica, y qué lecciones son aplicables para equipos y tomadores de decisión en América Latina que lidian con procesos regulados y fragmentados.

El reto en las operaciones de títulos

Los examinadores de títulos deben verificar información que proviene de fuentes dispares: bases de datos internas, guías estatales, requisitos municipales y reglas locales sobre sucesiones o identificación fiscal. Cada jurisdicción puede tener excepciones y matices que obligan a búsquedas detalladas y comprobaciones manuales. Por ejemplo, entender un requisito de grabación específico de un condado puede implicar horas de navegación entre distintas guías y sistemas.

Este trabajo intensivo en investigación retrasa el procesamiento de órdenes, aumenta la probabilidad de errores por ingreso manual y limita la capacidad de escalar con una cartera de clientes en expansión. En regiones de América Latina, aunque las estructuras administrativas difieren, existen desafíos paralelos: normativa local fragmentada, dependencia de registros municipales y procesos manuales que afectan tiempos y costos.

Qué es Supercharger

Supercharger es una solución de IA agente diseñada para asistir equipos operativos en cada etapa del procesamiento de órdenes de título y cierre. Combina conocimiento específico del dominio con capacidades conversacionales basadas en grandes modelos de lenguaje (LLMs) y herramientas que consultan datos operativos en tiempo real. La propuesta central es centralizar el conocimiento y automatizar las tareas de investigación que consumen más tiempo, entregando respuestas accionables que mejoran la eficiencia y la experiencia del cliente.

A nivel funcional, Supercharger permite a un miembro del equipo preguntar en lenguaje natural sobre una orden o un requisito estatal y recibir guías, checklists y pasos concretos que antes requerían indagación manual en múltiples fuentes.

Arquitectura y flujo de trabajo

La solución se construyó usando Strands Agents, un SDK open source que facilita la creación de agentes basados en modelos. El LLM principal en esta implementación es Anthropic Claude, accedido a través de Amazon Bedrock, lo que ofrece flexibilidad para elegir o cambiar modelos en el futuro.

Los elementos clave de la arquitectura incluyen:

• Integración con Amazon Bedrock Knowledge Bases para centralizar políticas, procedimientos y requisitos por jurisdicción.
• Uso de Amazon Bedrock Guardrails y controles de acceso a nivel de fila para minimizar el riesgo de exposición accidental de datos sensibles de clientes.
• Registro completo de conversaciones y trazabilidad para cumplir con requisitos de auditoría y cumplimiento.
• Comunicación con bases operativas internas (por ejemplo, la API Atlas Web) para recuperar información de órdenes y mantener consistencia de datos.

El flujo de una consulta es el siguiente:

1. El usuario inicia una conexión mediante un request HTTP con un token JWT.
2. El proveedor de identidad valida el token y establece la conexión WebSocket mediante Istio.
3. Se invoca el agente de título (Strands Agent) que inicia el flujo basado en prompts de sistema y la entrada del usuario.
4. El agente consulta la base de conocimiento para encontrar políticas y procedimientos relevantes.
5. El agente decide qué herramienta o función invocar y con qué parámetros (selección de herramientas mediante capacidades del modelo).
6. Las MCP tools (herramientas del Model Context Protocol) realizan operaciones como obtener información de la orden desde la API de Atlas Web.
7. Se sintetiza contexto acorde a la orden y la jurisdicción, combinando datos de múltiples fuentes.
8. La respuesta resultante se transmite al usuario a través del WebSocket y se renderiza progresivamente en la interfaz de chat.

Seis capacidades que definen Supercharger

Supercharger organiza sus funciones en seis capacidades interconectadas:

• Conversation Analytics: comprende intención y contexto en interacciones multi-turno para que las respuestas sean naturales y útiles.
• Asistencia para exámenes de título a nivel estatal: checklists y guías específicas según jurisdicción que entregan la información correcta en el momento preciso.
• Integración API: evita ingreso manual de datos y mantiene la consistencia con sistemas existentes.
• Guardrails y precisión de respuestas: controles que aseguran calidad, cumplimiento normativo y protección del cliente.
• Logging y monitoreo: visibilidad completa del desempeño del sistema y de las interacciones para auditoría.
• Acceso unificado a múltiples fuentes: mantiene el contexto necesario para decisiones complejas sin saltar entre sistemas.

Por qué Strands Agents y un enfoque MCP

Strands Agents ofrece un marco para crear agentes que combinan planificación, invocación de herramientas y reflexión usando las capacidades de razonamiento de los LLMs. Con pocas líneas de código, permite definir prompts, listar herramientas y pasar de pruebas locales a producción. Para casos más complejos, se puede personalizar la selección de herramientas y la estrategia de contexto.

El uso de MCP tools facilita que el agente ejecute operaciones concretas —como recuperar datos de una API operativa— manteniendo una separación clara entre el razonamiento del modelo y las acciones sobre sistemas externos. Esto mejora rastreabilidad y control en entornos donde el cumplimiento es crítico.

Seguridad y cumplimiento

En el plano de seguridad, Supercharger integra Amazon Bedrock Guardrails con controles de acceso a nivel de fila para minimizar el riesgo de exposición de datos sensibles. Todas las conversaciones quedan registradas con trazabilidad completa, lo que es fundamental para cumplir con políticas internas y regulatorias.

El uso de autenticación JWT e intercepción mediante Istio garantiza que las conexiones se validen antes de permitir acceso al agente y a fuentes de datos internas.

Impacto operativo y lecciones para la región

Supercharger aborda problemas comunes en procesos de titulo: reduce la carga de investigación, evita duplicidad de consultas en múltiples sistemas y libera tiempo de los examinadores para actividades de mayor valor. Aunque Rocket Close es una organización estadounidense, las lecciones aplican a equipos latinoamericanos que enfrentan fragmentación normativa y dependencia de sistemas locales.

Recomendaciones prácticas para adopción regional:

• Centralizar guías y procedimientos en una base de conocimiento accesible por agentes.
• Implementar control de accesos granulares y registro de auditorías desde el inicio.
• Emplear un enfoque de herramientas (MCP) que aísle el acceso a sistemas críticos y facilite trazabilidad.
• Comenzar con casos de uso acotados (p. ej., verificación de requisitos por jurisdicción) y escalar progresivamente.

Conclusión

Supercharger es un ejemplo claro de cómo combinar agentes LLM, bases de conocimiento y una arquitectura de herramientas para transformar operaciones complejas y reguladas. Al centralizar conocimiento y automatizar búsquedas manuales, la solución mejora la eficiencia operativa y la experiencia del cliente sin renunciar al control y cumplimiento necesario en procesos de títulos. Para empresas en América Latina que enfrentan procesos fragmentados y regulación local diversa, el enfoque técnico y las decisiones de diseño de Supercharger ofrecen una hoja de ruta práctica para reducir fricciones y escalar operaciones con seguridad.