ScalyticsCopilot
Scalytics Copilot es una plataforma de operaciones para IA privada con licencia Apache 2.0, diseñada para organizaciones que requieren gobernanza, control de despliegue y auditoría de cargas generativas de lenguaje.
Ficha actualizada 23 sept 2026, 16:39 · upstream 23 sept 2026, 16:32 · release sin release detectada
Qué es ScalyticsCopilot
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Scalytics Copilot es una plataforma de operaciones para IA privada diseñada para organizaciones que necesitan gobernanza, control de despliegue y auditoría de cargas generativas de lenguaje. Se diferencia de las soluciones estándar al optimizar por control en producción: garantiza la localización de datos, restringe el acceso a modelos con permisos basados en roles, soporta tanto modelos locales como externos en una sola plataforma, y ofrece flujos de despliegue autoadministrables (incluyendo GCP). Para equipos empresariales, es ideal cuando se requiere control gubernativo sobre IA, gestión de usuarios/grupos/permisos al nivel del modelo o proveedor, administración de claves API e integraciones, visibilidad operativa (uso, mantenimiento, controles administrativos) y propiedad del despliegue para cumplir requisitos regulatorios. Para desarrolladores, el repositorio ofrece un backend en Node.js con rutas modulares, frontend React para chat y administración, servicios Python para inferencia y búsqueda profunda, soporte de vLLM, integración MCP y agentes.
- Gobernanza de modelos LLM en entornos corporativos sin dependencias externas
- Control de acceso basado en roles para equipos distribuidos
- Auditoría de uso de IA generativa por departamentos o usuarios
- Despliegue local de modelos grandes (7B-70B) con monitoreo continuo
- Integración de agentes autónomos y herramientas MCP en flujos de trabajo
- Soporte de múltiples proveedores de modelo en un solo entorno
- Soporta modelos locales (vLLM) y externos en una plataforma única
- Permite control granular: permisos por usuario, grupo o modelo
- API compatible con OpenAI para integración con ecosistemas existentes
- Dashboard web y interfaz de chat para interacción directa
- Panel administrativo completo para gestión de modelos y usuarios
- Soporte de despliegue autoadministrable (incluido GCP)
- No incluye base de datos en el repositorio; se requiere configuración externa
- No incluye contenedores Docker ni archivos Dockerfile
- No incluye herramientas de despliegue como Kubernetes o Helm charts
- La inferencia local depende del hardware disponible (CPU/ram)
- El rendimiento puede degradarse con modelos muy grandes (>70B) en entornos no optimizados
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para producción, se recomienda usar un entorno de desarrollo como base y migrar a Kubernetes o Cloud Native. Se debe configurar el servicio de inferencia con vLLM y asignar CPU/ram según la capacidad del hardware. Para GCP, consultar `deploy/README.md`. Es obligatorio separar las claves API en variables de entorno y aplicar políticas de acceso estrictas. El backend Node.js debe mantenerse modularizado para escalar horizontalmente.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.