포트폴리오

Este servicio está disponible solo para miembros.

Desarrollo de un sistema de recopilación automática con IA de noticias financieras basado en Telegram y Notion

Cliente confidencial de investigación financiera

#AI, #AutomatizaciónDeFlujos, #InvestigaciónFinanciera, #RecopilaciónAutomáticaEnTelegram, #AutomatizaciónDeNotion, #Gemini, #ResumenConIA, #MonitorizaciónDeNoticias, #DetecciónDeDuplicados, #Macmini

Cliente confidencial de investigación financiera

Presentación del portafolio

Este proyecto es un sistema de automatización que recopila automáticamente mensajes de Telegram, enlaces de noticias e información de mercado generados a diario en tareas de research financiero, y los resume y clasifica con IA para guardarlos de forma estructurada en una base de datos de Notion.

La empresa cliente tenía que revisar y organizar manualmente la información de inversión y mercado que llegaba desde varios canales y chats. IT7 integró un entorno Mac mini siempre activo, Telegram API, Gemini API y Notion API para crear un flujo automatizado que cubre desde la recopilación hasta el resumen, la detección de duplicados y la carga por categorías.

La clave no es un simple scraping, sino haber unido en un único flujo operativo la recopilación automática de noticias de Telegram, la extracción del cuerpo de artículos enlazados, el resumen con IA, la detección de noticias duplicadas y la carga automática en la DB de Notion. Puede aplicarse a tareas que requieren organizar información con rapidez, como research financiero, monitorización de noticias de inversión, gestión interna del conocimiento o seguimiento de competidores.

 


Objetivos del proyecto

  • Recopilar automáticamente noticias financieras y mensajes de mercado generados en canales y conversaciones de Telegram
  • Extraer el contenido de varios enlaces de noticias incluidos en los mensajes e incorporarlo al resumen con IA
  • Generar título resumido, mensaje resumido, clasificación y estado de duplicado, y guardarlos en la DB de Notion
  • Permitir que incluso usuarios no técnicos ajusten la frecuencia de ejecución y los criterios de clasificación modificando solo archivos de configuración Markdown

 


Alcance principal de la implementación

  • Configuración de un daemon de recopilación 24/7 basado en Mac mini y ejecución automática tras reinicio
  • Actualización automática del alcance de recopilación de conversaciones y canales de Telegram de la cuenta del cliente
  • Procesamiento de distintos tipos de entrada: mensaje original, URL de enlace, cuerpo del artículo, enlaces de YouTube, etc.
  • Implementación de un pipeline basado en Gemini para resumen, clasificación y detección de duplicados
  • Diseño de una estructura para cargar automáticamente los mismos datos en la DB principal de Notion y en DB por categoría
  • Entrega de archivos Markdown editables por el operador para frecuencia de ejecución, criterios de clasificación y prompts de resumen
  • Transferencia de manual operativo, copia de seguridad del código fuente y procedimiento de verificación de incidencias

 


Aplicaciones posibles

  • Automatización de la monitorización de noticias de Telegram para sociedades de valores, gestoras y equipos de research
  • Automatización de gestión del conocimiento cargando resúmenes de noticias por área en Notion, Slack o la wiki interna
  • Procesos para distinguir artículos duplicados y mensajes repetidos y revisar rápidamente solo los temas nuevos importantes
  • Automatización always-on de bajo coste con Mac mini, servidores internos o VM en la nube

 


Stack tecnológico

El sistema se construyó como una solución de automatización operativa combinando Python, Telethon, Gemini API, Notion API, SQLite, macOS LaunchDaemon, archivos de configuración Markdown y módulos de extracción de contenido.

La recopilación y el procesamiento están separados. Si falla la red o una API externa, el estado se guarda en la DB local para poder reprocesarlo en el siguiente ciclo de ejecución. Además, aunque cambie el orden de columnas o la vista de la base de datos de Notion, la carga por API se mantiene porque el guardado se basa en nombres de propiedades.

 


Puntos clave de aplicación

Este caso es adecuado para empresas que necesitan un sistema automático de recopilación de noticias financieras de Telegram, automatización de DB de noticias en Notion, automatización del resumen de noticias con Gemini API y automatización de la detección de noticias duplicadas.

Los usuarios ya no tienen que copiar manualmente cada mensaje de Telegram y pueden revisar en Notion el flujo de noticias financieras según el título resumido, el mensaje resumido, la clasificación y el estado de duplicado.

 


FAQ del proyecto

Q. ¿Es posible la recopilación automática aunque haya muchos canales de Telegram?
Sí. Los objetivos de recopilación se actualizan según la lista de conversaciones y canales de la cuenta del cliente, y pueden ajustarse exclusiones, clasificaciones y frecuencia según la política operativa.

Q. ¿Puede resumir también mensajes que incluyan varios enlaces?
Sí. El sistema extrae los enlaces de artículos del mensaje y analiza también el contenido de cada enlace para generar resúmenes por enlace y una visión global.

Q. ¿En qué formato se guarda en Notion?
Se guarda como row de base de datos con propiedades como título resumido, mensaje original, mensaje resumido, URL original, clasificación, prioridad, estado de procesamiento y estado de duplicado.

Q. ¿Qué ocurre si hay costes de IA o incidencias con la API?
El sistema deja los datos recopilados y el estado de procesamiento en una DB local, para que puedan reprocesarse una vez se restablezca el pago de la API o la incidencia.

 


Resultados y valor

Se automatizó una tarea de organización de noticias financieras que antes requería revisión manual, reduciendo el tiempo dedicado a trabajos repetitivos y creando un sistema operativo para revisar el flujo de noticias por categoría y tema en Notion.

En especial, no se trata de un simple scraping, sino de un caso de automatización end-to-end que abarca desde el mensaje original y el artículo enlazado hasta el resumen con IA, la detección de duplicados y la carga en DB por categoría, sentando una base ampliable para futuras automatizaciones de research, monitorización y gestión interna del conocimiento.

  • 2026.06 ~ 2026.07
  • Cliente confidencial de investigación financiera