Markatzy

Construida para varias firmas en un solo sistema, con protección de datos conforme a la LOPDP de Ecuador desde el inicio.

• Cada consulta sobre datos de una firma se limita a la organización de esa firma, y esto se aplica en la capa de API
• Límites de tasa escalonados en los endpoints de registro, búsqueda y escritos, contra el scraping y los costos descontrolados; las direcciones IP se convierten en hash antes de usarse
• Webhooks de pago verificados por firma y procesados una sola vez, sin importar el número de reintentos
• Registros de auditoría de la actividad de los casos, de las correcciones del registro y de las referencias en que se basa cada escrito
• Política de privacidad y términos versionados, con registro de la versión aceptada por cada usuario
• Todos los modelos de IA se ejecutan en AWS Bedrock, de modo que no existen claves de API de modelos que puedan filtrarse

Conforme a la Decisión 486 de la Comunidad Andina, quien tenga legítimo interés puede oponerse a una solicitud de registro de marca dentro de los 30 días siguientes a su publicación. En Ecuador, la oficina de propiedad intelectual (SENADI) publica las solicitudes en una gaceta mensual de aproximadamente 1.000 a 2.300 entradas, en páginas escaneadas. Una firma que vigila 100 marcas debe evaluar unos 170.000 pares cada mes, y los conflictos relevantes suelen ser fonéticos o visuales, no de grafía idéntica.

Conocí este problema como abogado de marcas, tramitando solicitudes y oposiciones ante el SENADI, y en ese momento escribí mis primeros scripts de comparación. Markatzy es ese trabajo convertido en producto.

Cuando un conflicto justifica actuar, Claude redacta el escrito de oposición. Los artículos obligatorios de la Decisión 486 están siempre en su contexto, y puede consultar otros artículos en una base de conocimiento jurídico mediante herramientas de búsqueda: búsqueda vectorial más un pequeño grafo de qué artículos citan a cuáles. Cada cita del escrito está enlazada a su artículo de origen en un registro de auditoría que el abogado puede verificar, y el escrito se genera como PDF listo para revisión.

La base de conocimiento es, en sí misma, una carpeta de 82 notas en texto plano en git que un abogado puede editar, sincronizada en un solo sentido con la base de datos. Se consideró una base de datos de grafos y se descartó por ser más de lo que necesita un corpus de este tamaño.

Más de 3.000 commits en doce meses, escritos conforme a una constitución del proyecto y con las especificaciones por delante. 858 pruebas automatizadas y un pipeline de integración continua que ejecuta verificación de tipos, linting, migraciones contra un PostgreSQL real con pgvector y una quality gate de SonarQube que hace fallar la compilación. La aplicación y sus procesos en segundo plano se ejecutan en Railway desde una sola imagen; el proceso por lotes escala a cero y se activa para la gaceta mensual.

Cada solicitud se puntúa frente a cada marca vigilada en cuatro dimensiones. La puntuación global es la más alta de las cuatro, junto con la dimensión que la produjo, porque basta una sola semejanza fuerte para confundir al público. Cada organización fija sus propios umbrales, y la coincidencia de clases de Niza se muestra como contexto, sin incorporarse a la puntuación.

• Fonética: las palabras de la marca se transcriben al Alfabeto Fonético Internacional en español y en inglés (eSpeak NG); los dígitos se leen como palabras y como letras, y cuenta el mejor de hasta 16 pares de variantes
• Tipográfica: distancia de edición, además de comprobar si una marca está contenida en la otra y cuál es la palabra con mejor coincidencia
• Semántica: los embeddings de texto de Cohere comparan el significado, de modo que afloran traducciones y sinónimos
• Visual: la imagen del logotipo y la marca publicada comparten un mismo espacio de embeddings, de modo que un logotipo se compara con todas las marcas del registro sin generar el embedding de cada logotipo del registro