Cuando la auditoría se convierte en un cuello de botella
Era necesario alcanzar una puntuación superior a 95 en SEO. El primer riesgo era financiero: la organización estaba pronta para adoptar plataformas SaaS del mercado con costos recurrentes en dólares. El segundo riesgo era operativo: el análisis artesanal de informes de Google Lighthouse consumía horas de desarrolladores sénior. El tercer riesgo era de ejecución: un flujo lento, con alta carga cognitiva y baja escalabilidad.
Del informe bruto a la acción lista para el equipo
MATH construyó una arquitectura propia de observabilidad con bots en Node.js mediante Cloud Functions para recopilar automáticamente los datos de Lighthouse, manteniendo un historial auditable en buckets de GCP.
La plataforma MATH AI Platform convierte errores técnicos en orientaciones claras de ejecución y casos de usuarios accionables. Una capa de filtrado organizó los datos antes de la visualización. La arquitectura se diseñó para avanzar hacia otros frentes, como accesibilidad y seguridad, sin necesidad de nuevas licencias.
Qué ganó la operación además de la puntuación
El tiempo de diagnóstico por página se redujo de 3 horas a 10 minutos, una disminución del 94%. El ahorro promedio de 80 horas por sprint representó una recuperación de capacidad equivalente a un desarrollador sénior a tiempo completo. La operación evitó un OPEX recurrente estimado entre US$ 3 mil y US$ 18 mil. Las páginas priorizadas pasaron de puntuaciones entre 40 y 50 a una puntuación de 100 en SEO y más de 80 en desempeño.
