Mientras se sucedían los episodios de nuestro podcast necesitábamos producir la transcripción de cada entrega de forma fiable y accesible para todo el equipo. Tras una primera aproximación con Vertex AI que demostró su eficacia, decidimos crear una solución interna con una interfaz gráfica para que cualquier colaborador pudiera generar transcripciones sin conocimientos profundos de Google Cloud ni de modelos de lenguaje.
Como desarrolladores Java optamos por construir la solución sobre Agent Development Kit ADK, un framework de Google pensado para crear agentes. ADK está disponible en varias implementaciones y ofrece una libreri´a java que facilita la definicio´n de agentes. Las dependencias principales introducen clases clave como BaseAgent LlmAgent e InMemoryRunner. LlmAgent actua como el builder del agente donde se define nombre descripcio´n modelo e instrucciones. InMemoryRunner gestiona el ciclo de vida del agente y permite crear sesiones que mantienen el estado conversacional y recolectan los events que devuelven las respuestas.
Para facilitar el desarrollo ADK dispone de un artefacto adicional google-adk-dev que levanta una interfaz web de pruebas mediante la clase AdkWebServer. Esta UI muestra a la izquierda el flujo de pensamiento del agente logs y el estado de las sesiones mientras que el panel central ofrece un chat para interactuar y enviar inputs como fragmentos de audio para validar la calidad de la transcripción.
En cuanto al modelo, Gemini 3 supuso un salto notable, especialmente por su entrenamiento multimodal. Gemini 3 pro y los modelos especializados en imagen y vdeo mejoran la precisión y la robustez de las transcripciones automáticas. Tras probar Gemini 3 vimos una clara mejora en la fidelidad y en la capacidad para manejar distintos formatos y ruidos de fondo.
Para la interfaz de usuario elegimos Javelit una alternativa a Streamlit para Java que permite crear componentes web desde el mismo lenguaje de la API sin necesidad de frameworks front end complejos. Con Javelit puedes componer pantallas con componentes como Jt.title Jt.text Jt.code Jt.html Jt.echarts Jt.button o Jt.textInput y desplegar aplicaciones ligeras con poco esfuerzo de CSS.
La combinacio´n ADK Gemini y Javelit aceleró la construccio´n de nuestra aplicacio´n de transcripción para podcast: ADK aporta la inteligencia de agentes Gemini ofrece la calidad de transcripción y Javelit la capa visual para usuarios no técnicos. El despliegue en entornos serverless como Cloud Run permite publicar la aplicacio´n con costes contenidos y escalado automático. Añadimos opciones como mostrar horodatado generar una transcripción estricta equivalente a las palabras exactas de los participantes o una versi?n más legible adaptada a consumo humano.
Este tipo de soluciones encaja perfectamente con la oferta de Q2BSTUDIO donde desarrollamos aplicaciones a medida y software a medida integrando inteligencia artificial y ciberseguridad para empresas. Nuestro equipo combina experiencia en IA para empresas y en servicios cloud aws y azure para desplegar soluciones seguras y escalables. Si buscas una aplicacio´n personalizada puedes conocer nuestros servicios de desarrollo en software y aplicaciones a medida y si te interesa potenciar procesos con modelos y agentes IA descubre nuestras propuestas en servicios de inteligencia artificial.
Además integramos prácticas de ciberseguridad y pentesting y ofrecemos servicios de inteligencia de negocio y visualizacio´n con power bi para convertir datos en decisiones. La experiencia obtenida con el proyecto de transcripción demuestra que agentes IA bien diseñados combinados con buenas interfaces permiten crear productos de alto valor para podcasts servicios internos y procesos de negocio.
Si te interesa explorar prototipos rápidos o migrar tus procesos a soluciones basadas en agentes IA automatización y business intelligence contacta con Q2BSTUDIO para un estudio a medida. Implementaciones como la que presentamos permiten transformar ideas en aplicaciones funcionales completas en tiempo reducido y con foco en seguridad rendimiento y experiencia de usuario.
Puedes revisar un ejemplo de referencia del enfoque agente en GitHub en Agent Z transcribe podcast y contactarnos para adaptar esa arquitectura a tus casos de uso empresariales.
