Que pasa cuando combinas scraping web, inteligencia artificial y seniales sociales en tiempo real. En el Smart City Expo de Santiago del Estero lo mostramos en vivo.
Internet esta llena de datos sobre lo que pasa en tu ciudad ahora mismo. Hay personas subiendo historias desde un bar. Hay tiktokers filmando en una cafeteria. Hay resenas de Google que se actualizan cada hora. Hay productos siendo publicados y modificados en marketplaces. Hay noticias saliendo de medios locales.
Toda esa informacion existe. Es publica. Es gratuita. Y en su mayoria, nadie la esta usando para tomar decisiones.
En el Smart City Expo de Santiago del Estero 2026 presentamos una charla con una propuesta concreta: mostrar como se puede convertir ese volumen de datos dispersos en aplicaciones funcionales, en tiempo real, usando scraping web e inteligencia artificial. Y hacerlo en minutos, no en meses.
El problema de los LLMs solos: brillantes pero ciegos
Antes de entrar en las demos, hay un concepto que vale la pena establecer porque es la base de todo lo que viene.
Los modelos de lenguaje (LLMs) como GPT, Gemini o Claude son herramientas extraordinarias. Agilizan el desarrollo de software, procesan lenguaje natural de forma sorprendente y sintetizan informacion compleja con una precision que hace unos años era impensable.
Pero tienen un problema estructural que casi nadie menciona cuando los vende: no saben lo que esta pasando ahora mismo.
Tienen un knowledge cutoff, una fecha de corte a partir de la cual no tienen informacion nueva. No pueden salir solos a buscar datos masivos del mundo exterior. Y cuando no saben algo, en lugar de reconocerlo, a veces lo inventan. Eso se llama alucinacion, y es uno de los riesgos mas reales del uso de IA en aplicaciones de negocio.
Un LLM sin datos frescos es como un analista brillante que lleva seis meses sin salir de la oficina. Puede razonar muy bien sobre lo que ya sabe, pero si le preguntas que esta pasando en el mercado hoy, se va a quedar corto.
La combinacion que resuelve esto es simple: scraping masivo mas IA. El scraping aporta los datos reales, actualizados y verificables del mundo exterior. La IA los interpreta, los organiza y los convierte en inteligencia accionable. Juntos, forman un sistema que puede tomar decisiones basadas en hechos, no en suposiciones.
Eso es exactamente lo que hace Crawlos: actuar como el sistema sensorial de los LLMs.
Que es Crawlos
Crawlos es una API de scraping web que permite extraer informacion estructurada desde multiples sitios web mediante una unica plataforma.
El proceso tiene tres capas:
Exploracion. Navegacion automatizada por sitios web y aplicaciones moviles imitando el comportamiento humano. Sin bloqueos, sin captchas que interrumpan el flujo, sin necesidad de gestionar proxies o infraestructura propia.
Extraccion. Conversion de informacion no estructurada, el HTML crudo, los JSONs anidados, las tablas dinamicas, en bases de datos organizadas y listas para usar.
Inteligencia. Entrega de datos limpios y estructurados para analisis predictivo, monitoreo de precios, deteccion de tendencias y toma de decisiones en tiempo real.
El objetivo es que cualquier desarrollador, empresa o equipo de datos pueda obtener informacion confiable de internet sin tener que construir y mantener una infraestructura de scraping desde cero.
En la charla mostramos dos demos en vivo que ilustran exactamente como se usa esto en la practica.
Demo 1: un comparador de precios de Mercado Libre construido con IA en tiempo real
La primera demostracion fue un comparador de precios armado en el momento frente a la audiencia, usando tres herramientas: Crawlos, Gemini y Next.js.
La idea era simple: pedirle a CrawlosBot, nuestro agente conversacional, que obtuviera productos de Mercado Libre relacionados con perfumes.
En segundos, el sistema devolvio un conjunto de datos completo: precios, caracteristicas de productos, informacion de vendedores, categorias, posicionamiento dentro del marketplace y datos comerciales relevantes.
Hasta ahi, el resultado era una tabla de datos estructurados. Util, pero no inmediatamente accionable para alguien que no es tecnico.
El paso siguiente fue el que genero mas reaccion en la sala: usando Gemini, el sistema convirtio esos datos crudos en un dashboard funcional generado automaticamente en Next.js, capaz de visualizar:
- rangos de precios en el segmento
- vendedores dominantes en la categoria
- productos patrocinados versus organicos
- tendencias comerciales del mercado
- diferencias de posicionamiento entre marcas y publicaciones
Todo eso, en el tiempo que tarda una consulta de lenguaje natural.
Lo importante de esta demo no fue el scraping en si. Fue mostrar que un LLM puede transformar datos crudos en una aplicacion funcional casi en tiempo real, siempre que tenga acceso a datos reales y actualizados para trabajar. Sin esos datos, el modelo no tiene con que construir. Con ellos, puede hacer el trabajo de un equipo de desarrollo en minutos.
Demo 2: monitoreando las cafeterias de Santiago del Estero con seniales sociales
La segunda demo fue la mas alineada al contexto del evento: ciudades inteligentes, datos urbanos, decision en tiempo real.
Construimos un sistema capaz de monitorear la actividad social y la relevancia urbana de 12 de las cafeterias mas importantes de Santiago del Estero, en tiempo real, usando datos obtenidos de tres fuentes publicas:
- Google Maps
- TikTok
- Instagram Stories
El sistema generaba un ranking dinamico que se actualizaba a medida que llegaban nuevas seniales. Pero el concepto detras del ranking era lo que hacia interesante la demo.
La pregunta que el sistema responde
El sistema no intentaba responder "cual es la mejor cafeteria de Santiago del Estero". Esa es una pregunta estatica, subjetiva, y la responde bien cualquier ranking de resenas.
La pregunta que el sistema respondia era otra: que cafeteria esta siendo vivida ahora mismo.
Esa distincion importa. Una cafeteria puede tener 4,8 estrellas en Google y llevar tres meses sin que nadie la mencione en redes. Otra puede tener 4,1 estrellas pero estar siendo filmada por diez personas en este momento. Si estas decidiendo adonde llevar a un cliente o donde hacer una reunion, el segundo dato puede ser mas relevante que el primero.
Las tres capas del ranking
Google Maps: reputacion historica. La base estable del sistema. Rating acumulado, cantidad de resenas, reputacion construida a lo largo del tiempo. Esta capa aporta consistencia y evita que un momento viral momentaneo distorsione todo el ranking. Representa que tan bueno es historicamente un lugar.
TikTok: energia social. La capa de conversacion y viralidad. El sistema analizaba views, likes, shares y cantidad de videos mencionando cada cafeteria. Esto permitia detectar que lugares estaban siendo hablados en redes en ese momento. Importante: la viralidad sola no alcanza para definir el ranking, porque puede haber contenido promocionado, campanas pagas o ruido. Por eso esta capa pondera junto con las otras dos.
Instagram Stories: actividad en tiempo real. La capa mas "live" del sistema. Cantidad de historias etiquetando el lugar, recencia de esas historias, actividad en las ultimas horas. La logica era directa: si hay historias subidas en este momento, probablemente hay gente en ese lugar en este momento. Esta era la senial mas cercana al estado real de la ciudad.
Como se lee el ranking
Cada movimiento en el ranking era explicable. Una cafeteria subia porque aparecieron nuevas stories en la ultima hora. Otra porque un TikTok empezo a viralizarse esa manana. Otra se mantenia estable en la parte alta gracias a su reputacion historica consolidada, aunque no hubiera actividad reciente en redes.
No era una formula matematica opaca. Era un sistema transparente donde cada cambio tenia una causa identificable.
Ese nivel de explicabilidad es clave cuando el sistema va a informar decisiones reales, ya sea de un ciudadano eligiendo donde ir, de un gestor urbano evaluando actividad comercial en distintos barrios, o de una empresa analizando el pulso de una zona de la ciudad.
El concepto central: momentum social local
El termino que usamos en la charla para describir lo que el sistema mide es momentum social local.
No es popularidad absoluta. No es reputacion historica. Es la combinacion de tres seniales que juntas responden una pregunta que ningun ranking tradicional puede responder: que esta siendo vivido ahora.
Este concepto tiene aplicaciones mucho mas amplias que las cafeterias:
- Un gobierno municipal puede usarlo para medir la actividad real de distintas zonas comerciales y tomar decisiones de infraestructura basadas en datos.
- Una cadena de locales puede usarlo para entender en que barrios hay mas movimiento en tiempo real y ajustar promociones o personal.
- Un desarrollador inmobiliario puede usarlo para analizar el dinamismo urbano de distintas zonas antes de tomar decisiones de inversion.
- Un medio de comunicacion puede usarlo para detectar tendencias locales antes de que se conviertan en noticias.
La tecnologia es la misma. Lo que cambia es la pregunta que se le hace al sistema.
Por que esto cambia la forma de construir software
El mensaje central de la charla fue este: el scraping web dejo de ser solamente extraccion de datos. Combinado con modelos de IA, permite construir sistemas completos capaces de entender mercados, analizar ciudades, detectar tendencias, generar dashboards automaticamente y convertir datos en aplicaciones funcionales.
Y lo mas importante de todo: esto puede hacerse extremadamente rapido.
Las dos demos que mostramos en vivo no fueron experimentos de laboratorio. Fueron aplicaciones reales, construidas con datos reales, frente a una audiencia real. El tiempo de construccion fue de minutos, no de semanas.
El limite no esta en la tecnologia. Esta en la imaginacion de quien la usa.
Proba Crawlos
Si tenes un caso de uso que requiere datos en tiempo real, ya sea monitoreo de competidores, analisis de mercado, inteligencia urbana o cualquier otro escenario donde internet tenga la informacion que necesitas, Crawlos es el punto de partida.
Accede a la plataforma en crawlos.ai
Crawlos es una plataforma de AutoScraping, empresa argentina de ingenieria de datos e inteligencia artificial. La charla en el Smart City Expo Santiago del Estero 2026 fue presentada por Andres Avido y Nicolas Maldonado.