Tecnologías VM
Proyectos
Finalista de hackathon · 2025

Canopy Intelligence

Canopy Intelligence llegó a la final del Financial AI Hackathon Championship 2025 (LandingAI), en la pista de Strategic Investment Timing. Lo construyó nuestro equipo Pura Vida Sloth: ubica tecnologías emergentes sobre un Hype Cycle al estilo Gartner combinando grafos de conocimiento con GraphRAG sobre datos de mercado de múltiples fuentes.

Dos vistas de un mismo sistema: el Hype Cycle que dibujan los agentes, disolviéndose en el grafo de conocimiento del que lo leen —mismo grafo, mismo gráfico. El punto ámbar es la contradicción detectada: la cresta en el gráfico, el nodo central en el grafo.
Demo

Mira el sistema en acción.

El demo de Canopy Intelligence en el hackathon: el pipeline GraphRAG de cinco fases y el frontend de Hype-Cycle en vivo.
Imágenes

De Nueva York al Hype Cycle.

Momentos reales del Financial AI Hackathon Championship en Nueva York, y los gráficos de Hype-Cycle que el sistema produce para la industria de eVTOL.

Charla de apertura en el hackathon de LandingAI
Financial AI Hackathon Championship, NYC 2025
El cofundador Oscar Montes con Andrew Ng
El Hype Cycle de Canopy Intelligence para eVTOL, con la línea de tiempo de madurez tecnológica
El grafo de conocimiento completo y la base de inteligencia desde la que se lee el gráfico
01 / 05
14Fuentes de datos independientes
12Agentes LangGraph
4Capas temporales de inteligencia
86.5%Fidelidad de extracción en 52 filings de la SEC

Su tesis es el análisis de contradicciones entre capas. Lee cuatro capas temporales independientes: señales de innovación, formación de mercado, realidad financiera y narrativa. Su desacuerdo es la señal sobre la que vale la pena actuar; así, cuando la saturación mediática llega a su pico mientras los insiders venden y la innovación se desacelera, esa contradicción revela el timing 12 a 24 meses antes que el consenso.

Por dentro corre un pipeline de cinco fases, totalmente reproducible: 14 colectores de fuentes de datos, procesamiento de documentos multiformato (con el Agentic Document Extraction de LandingAI para una extracción de alta fidelidad en los filings de la SEC), ingesta pura-GraphRAG en Neo4j Aura, una máquina de estados LangGraph de 12 agentes y un backend en tiempo real con FastAPI y WebSocket que alimenta un frontend en D3.js.

Cada score se rastrea hasta los documentos de origen, así que los análisis son auditables y el mismo grafo siempre produce el mismo gráfico. El proyecto se volvió nuestra inmersión profunda en GraphRAG como patrón de arquitectura, y en el Agentic Document Extraction de LandingAI. Ambos son hoy técnicas de referencia que reutilizamos.

Cómo lee el mercado

Cuatro capas, leídas unas contra otras.

La señal es la contradicción entre capas independientes: revelada de 12 a 24 meses antes del consenso.

18–24 meses de anticipación

Señales de innovación

Patentes, papers de investigación, actividad en GitHub.

12–18 meses de anticipación

Formación de mercado

Contratos gubernamentales, registros regulatorios, ofertas de empleo.

0–6 meses

Realidad financiera

Filings de la SEC, operaciones de insiders, tenencias, precios y resultados.

Rezagada

Narrativa

Noticias (GDELT) y comunicados de prensa.

El pipeline

Cinco fases, de extremo a extremo.

  1. 01

    Fase 1

    Recolección multifuente: 14 colectores con checkpoint/resume, control de tasa y descargas en paralelo.

  2. 02

    Fase 2

    Procesamiento de documentos: parsing multiformato, extracción con GPT-4o-mini y el ADE de LandingAI para los filings de la SEC.

  3. 03

    Fase 3

    Ingesta al grafo: GraphRAG puro en Neo4j Aura; solo datos crudos y relaciones, nunca scores derivados.

  4. 04

    Fase 4

    Inteligencia: una máquina de estados LangGraph de 12 agentes que puntúa cada capa y luego detecta la fase de Gartner.

  5. 05

    Fase 5

    API en tiempo real: streaming con FastAPI + WebSocket hacia un frontend interactivo de Hype-Cycle en D3.js.

Contacto

Construyamos algo que funcione.

¿Tienes un problema real donde la tecnología emergente podría ser parte de la respuesta? Nos gustaría saber de él.