Asistente Inteligente para la Clasificación de Residuos Impulsado por Amazon Nova

Por Lolita Medina, Corporate Facility Manager; Camila Labarca, Soft Services and Events Coordinator; Henrique Meira, Sr Leader, Customer Solutions y René Martínez, Principal Solutions Architect.

América Latina enfrenta desafíos sin precedentes en la gestión de residuos. De acuerdo a estudios de la UNEP, la región genera el 12% de los residuos globales, con volúmenes que se espera aumenten en un 25% para 2050. Según un estudio del gobierno local, en Chile se generan 17 millones de toneladas de residuos al año, de las cuales 7 millones corresponden a residuos domiciliarios. De estos últimos, sólo el 10% se recicla. Los analistas de NMSC proyectan que el mercado latinoamericano de gestión de residuos, valorado en $45,3 mil millones USD en 2023, alcanzará los $64,10 mil millones USD para 2030. Este crecimiento presenta una oportunidad para demostrar cómo la tecnología puede abordar los desafíos ambientales a escala.

¡Nuestro planeta no puede esperar, necesitamos una solución urgente! En este contexto, en la oficina de Amazon Web Services Chile hemos desarrollado un Asistente de Clasificación de Residuos impulsado por IA que aprovecha múltiples servicios de AWS para crear una solución de gestión de residuos inteligente y rentable.

Esta publicación técnica detalla la arquitectura, implementación e impacto de nuestra solución, proporcionando información para organizaciones que buscan implementar sistemas similares.

Liderando el Camino Hacia un Futuro con Cero Carbono

El compromiso de Amazon para lograr cero emisiones netas de carbono para 2040 va más allá de las declaraciones. A través de “The Climate Pledge”, estamos invirtiendo en soluciones transformadoras y fomentando la innovación en todas nuestras operaciones

En enero de 2024, la oficina de Amazon Web Services (AWS) Chile se embarcó en un programa de reciclaje con el objetivo de mejorar los procesos de gestión de residuos. Los resultados han sido notables: se logró una mejora del 52% en la eficiencia de reciclaje comparado con 2023, una reducción del 52.44% en residuos ordinarios, y la disminución de desechos destinados a vertedero del 90.3% (2023) al 81% (2024). Entre septiembre 2024 y febrero 2025, se procesaron 370.1 kilogramos de residuos compostables, lo que representó una reducción de 644.7 kg de emisiones de CO2. Este impacto ambiental positivo equivale a mantener 2,228 ampolletas LED apagadas durante un mes o evitar la tala de 318 árboles.

Durante la implementación del programa, se identificó un desafío importante: presentaba frecuentes errores en la segregación de residuos, lo que comprometía la calidad del proceso. Observando esta oportunidad de mejora, el equipo de AWS Chile tomó la iniciativa de desarrollar un asistente inteligente de clasificación de residuos. Utilizando una arquitectura 100% serverless que combina visión por computadora, IA generativa y capacidades de IoT, el sistema procesa artículos de desecho en menos de 3 segundos, con costos de implementación inicial inferiores a $300 USD y costos operativos por debajo de $3 USD por cada 1,000 imágenes procesadas.

Del Desafío a la Innovación

Amazon Chile fue pionero en la región de Latino-América lanzando un proyecto de compostaje en sus oficinas corporativas. Durante la puesta en marcha nos encontramos con un complejo desafío de gestión de residuos que exigía una solución innovadora. Los puntos tradicionales de recolección de residuos se estaban convirtiendo en zonas de contaminación, donde un solo artículo mal ubicado podía comprometer lotes enteros de materiales reciclables. Esta contaminación no solo anulaba nuestros esfuerzos de sostenibilidad, sino que también aumentaba los costos operativos y el impacto ambiental.

El desafío se extendía más allá de la simple ubicación de contenedores, por ejemplo, en el sitio de Chile reciclamos como plástico solo botellas de plástico y como metal solo latas de aluminio vacías y limpias. Necesitábamos un sistema que pudiera proporcionar orientación instantánea y precisa a los usuarios considerando las reglas locales de reciclaje mientras mantenía la eficiencia operativa. La solución tenía que escalarse a través de múltiples ubicaciones sin requerir una infraestructura extensa o un mantenimiento elevado. Lo más importante es que necesitaba prevenir la contaminación antes de que ocurriera, un enfoque proactivo en lugar de reactivo para la gestión de residuos.

Las implicaciones económicas eran igualmente significativas. Cada lote de reciclaje contaminado representaba tanto un costo directo en términos de tarifas de gestión de residuos como un costo indirecto de beneficios de reciclaje perdidos. Con los costos de gestión de residuos aumentando en toda América Latina, necesitábamos una solución que pudiera ofrecer resultados consistentes mientras mantenía bajos gastos operativos.

Estos requisitos nos llevaron a concebir un sistema impulsado por IA que pudiera combinar predicción en tiempo real con una interfaz fácil de usar y reglas específicas de reciclaje para transformar finalmente cómo las personas interactúan con los sistemas de eliminación de residuos en entornos corporativos.

Solución: Asistente de Clasificación de Residuos Impulsado por IA

Nuestra solución combina visión por computadora, IA generativa y capacidades de IoT en una arquitectura serverless, ofreciendo orientación de clasificación de residuos en tiempo real mientras mantiene bajos costos operativos y escalabilidad.

Los componentes clave de nuestra solución incluyen:

1. Sistema de Cámara Web: utiliza cámaras de alta resolución para la captura precisa de artículos de desecho.
2. Pantalla Digital: proporciona retroalimentación instantánea a los usuarios sobre la correcta eliminación de residuos.
3. Dispositivos IoT: permiten la integración segura de los componentes del sistema para una operación sin problemas.
4. Backend Serverless: garantiza escalabilidad y minimiza los requisitos de mantenimiento.
5. Soluciones de Inteligencia Artificial y de IA Generativa de AWS.

Implementación Técnica

La arquitectura de nuestra solución se adhiere a los principios del AWS Well-Architected Framework en sus seis pilares: excelencia operativa, seguridad, fiabilidad, eficiencia de rendimiento, optimización de costos y sostenibilidad. Las siguientes secciones detallan nuestras decisiones de implementación y su alineación con estas mejores prácticas arquitectónicas.

1. Computación Edge y Captura de Imágenes

En el corazón de nuestra solución de clasificación de residuos se encuentra una arquitectura de computación edge impulsada por AWS IoT Core y AWS IoT Greengrass. La interacción comienza cuando el usuario coloca el objeto de desecho bajo la cámara y presiona un botón de activación que inicia el flujo de trabajo de clasificación. El flujo de trabajo comienza capturando y haciendo zoom en la imagen de residuos aprovechando varios componentes de IoT Greengrass y cargándola en Amazon Simple Storage Service (Amazon S3) para su procesamiento remoto. La integración de IoT Core proporciona una comunicación segura y fluida entre el sistema de cámara Edge y la nube de AWS, asegurando una transferencia de datos confiable mientras mantiene estrictos protocolos de seguridad mediantes certificados únicos asignados a cada dispositivo en particular.

2. Almacenamiento en la Nube y Gestión de Eventos

Después de la captura en el edge, nuestra solución hace una transición a procesamiento basado en la nube a través de un sistema diseñado de almacenamiento, computación y enrutamiento de eventos impulsado por AWS Step Functions. Cada imagen se almacena automáticamente en S3 con metadatos específicos almacenados en Amazon DynamoDB que ayudan a rastrear su recorrido a través de todo el pipeline de procesamiento. La orquestación real comienza cuando Amazon EventBridge toma el control. Tan pronto como una imagen llega a S3, EventBridge detecta este evento e inicia un proceso de flujo de trabajo. Funcionando como el sistema nervioso central de nuestra aplicación.

3. Orquestación de Computación

Cuando una imagen ingresa a nuestro pipeline de procesamiento, Step Functions comienza una secuencia de operaciones. Cada estado en nuestro flujo de trabajo representa un paso de procesamiento – desde el análisis inicial de la imagen hasta la decisión final de clasificación. El servicio gestiona la transferencia fluida de datos entre estados, asegurando que la salida del reconocimiento de etiquetas de imágenes se convierta en la entrada para nuestra fase de análisis de IA Generativa. Las transiciones de estados que involucran acciones de computación y base de datos son manejadas por AWS Lambda integrado a través de AWS AppSync para garantizar escalabilidad, confiabilidad y una sobrecarga operativa cercana a cero. Las funciones Lambda y AppSync sirven como tejido conectivo de nuestro pipeline de IA, orquestando el flujo de datos entre servicios y aplicando lógica de negocio a las salidas de IA.

4. Pipeline de IA y Machine Learning

Nuestro sistema de identificación de residuos utiliza múltiples servicios de IA de AWS, creando un pipeline de machine learning que ofrece decisiones de clasificación sobre 95% de precisión en casi tiempo real, con menos de 3 segundos de espera en promedio. En el núcleo de nuestra arquitectura de IA se encuentra Amazon Bedrock, que proporciona los medios para acceder a nuestros modelos de IA generativa a través de la API unificada.

El análisis comienza con Amazon Rekognition, nuestra primera capa de inteligencia. Cuando llega una imagen, Rekognition realiza un análisis visual detallado, identificando materiales, objetos y características clave con precisión. Este análisis inicial proporciona contexto adicional sobre la composición, forma y propiedades del material del artículo de desecho. Utilizamos las capacidades multimodales de baja latencia y rentabilidad de Amazon Nova como modelo base de IA Generativa de la solución. Nova procesa la imagen de residuos y las etiquetas identificadas para correlacionarlas con nuestra base de datos de reglas locales de reciclaje.

Además de la «inteligencia» y capacidades de «razonamiento» superiores de la IA Generativa, también brinda flexibilidad para incorporar o eliminar nuevas reglas o materiales a reciclar, sin necesidad de reentrenar el modelo subyacente. Sólo es necesario agregarlo la versión del prompt configurada en el sistema como vemos por ejemplo a continuación:

    prompt = """ You are an expert waste classification assistant specialized in recycling and waste management. Your task is to perform the following steps:
    1- Analyze the provided image and identify the waste material(s) leveraging the following identified image labels as additional context.
    - Labels: %s
    2- Classify the waste type into one of the next specific categories strictly following the associated recycling rules.
    - plastic bottle: only plastic bottle will be accepted, no other plastic object
    - paper: only paper or cardboard like materials with no oil stains will be accepted
    - aluminum can: only empty cans will be accepted, no other aluminum object
    - compost: only compostable waste will be accepted, cant contain any other non-organic material
    - landfill: any other waste type that doesn't fall into any of the previous categories
    3- For each classification:
    Provide a confidence score (0-1) using up to 5 decimal digits
    Create a JSON object using the next structure example: {"score": 0.988, "label": "plastic bottle"}
    4- Aggregate every JSON object from step 3 into a JSON array and return it using the following format example: [{"score": 0.988, "label": "plastic bottle"},{"score": 0.01711, "label": "aluminum can"},{"score": 0.15449, "label": "paper"},{"score": 0.37167, "label": "compost"}]

    Limit the response to the JSON array assembled in step 4 with all 5 categories and its corresponding scores.

    """ % (', '.join(rekognition_labels))

5. Almacenamiento y Recuperación de Datos

El éxito de nuestro sistema de clasificación de residuos depende en gran medida de capacidades de acceso y almacenamiento de datos rápidas y confiables.

Elegimos DynamoDB como nuestro servicio principal de base de datos, aprovechando su arquitectura serverless y características de rendimiento para gestionar los requisitos de datos de nuestro sistema. Con tiempos de respuesta de milisegundos de un solo dígito, DynamoDB asegura que las transacciones en el backend ocurran instantáneamente, manteniendo nuestro compromiso con la experiencia del usuario.

Hemos implementado una estrategia de particionamiento que permite consultar eficientemente decisiones históricas de clasificación y analíticas del sistema. Cada transacción de clasificación de residuos se registra con claves de ordenación basadas en marcas de tiempo, facilitando el análisis de series temporales del rendimiento del sistema y los patrones de comportamiento del usuario.

La naturaleza NoSQL de DynamoDB proporciona la flexibilidad que necesitamos para adaptar nuestro modelo de datos a medida que descubrimos nuevos conocimientos y requisitos. Esta capa de almacenamiento no solo admite nuestras necesidades operativas actuales, sino que también proporciona la base para futuras capacidades analíticas y mejoras del sistema.

Próximos pasos

Estamos ampliando las capacidades del sistema con mejoras específicas:

• Empaquetar las soluciones utilizando Infraestructura como Código como AWS CloudFormation o AWS Cloud Developer Kit (AWS CDK) y publicarlas en un repositorio de código público para hacerlas disponibles para todos
• Integración de Gestión de Edificios: Permitiendo análisis automatizados de residuos y planificación de capacidad en las instalaciones
• Plataforma Analítica Mejorada: Proporcionando información más profunda sobre patrones de residuos y oportunidades de optimización
• Soporte Multilingüe: Facilitando el despliegue global y la adopción de usuarios locales
• Reconocimiento Avanzado de Residuos: Incorporando nuevos tipos de residuos y clasificaciones de falsos positivos a medida que ingresan al flujo del asistente
• Desarrollo de Aplicaciones Móviles: Extendiendo la accesibilidad y el compromiso del usuario más allá de puntos fijos de recolección

Cada mejora aborda necesidades específicas del mercado mientras apoya nuestros objetivos más amplios de sostenibilidad.

Conclusión

El Asistente de Clasificación de Residuos impulsado por AWS demuestra cómo los servicios de AWS pueden transformar los desafíos ambientales en oportunidades para la innovación. Al combinar IoT, IA Generativa y arquitectura serverless basada en eventos, hemos creado una solución que es tanto sofisticada y práctica.

Nuestra implementación en Amazon Chile demuestra que la gestión inteligente de residuos no solo es ambientalmente responsable sino también económicamente viable. Con costos mínimos de configuración, altas tasas de precisión y arquitectura escalable, esta solución ofrece un modelo para organizaciones que buscan mejorar sus prácticas de gestión de residuos.

Esta iniciativa sirvió de inspiración a los equipos de coordinación del evento AWS Experience de Santiago de Chile del 2025, donde desplegamos 3 sitios con la solución de reciclaje personalizada a la capacidades logísticas del lugar. Durante el evento logramos catalogar y clasificar con la solución el 58% de los residuos como papel.

Le invitamos a explorar la implementación de soluciones similares en su organización. Para obtener más información sobre nuestra implementación o para programar una demostración, contacte a la oficina de Amazon Chile.

Autores

	Lolita Medina, Corporate Facility Manager
	Camila Labarca, Soft Services and Events Coordinator
	Henrique Meira, Sr Leader, Customer Solutions
	René Martínez, Principal Solutions Architect

Revisores

	Gonzalo Vásquez, Senior Solutions Architect
	Nelson Rojas, Senior Customer Solutions Mgr