Búsqueda de video con IA: Social Department enseña a su sistema a encontrar lo que nadie sabe describir
Búsqueda de video con IA: Social Department codifica criterio editorial en cuatro acciones sobre Amazon Bedrock. Qué puedes aplicar en tu empresa hoy mismo.

Buscar "un personaje con una taza de café" es fácil para cualquier buscador. Lo difícil es pedirle "la escena que se hará viral". Ese es el problema que Social Department, el "sistema operativo de IA para el marketing de entretenimiento", intentó resolver con una búsqueda de video con IA que no espera a que el usuario describa lo que quiere, sino que propone clips según criterios editoriales y tendencias del momento. El caso lo detalla AWS junto a la propia compañía en su blog de machine learning.
Qué construyó Social Department: cuatro preguntas de criterio convertidas en código
Los estudios, cadenas y plataformas de streaming gestionan decenas de miles de videos. Cuando llega un brief de campaña, el reloj corre y lo que se necesita casi nunca se puede escribir en una caja de búsqueda: qué momento viajará, qué frase es citable, qué fotograma funciona como meme. Hasta ahora eso lo resolvía una persona que conocía bien la serie y pasaba una semana viendo material. Esa persona no escala a todo un catálogo.
La respuesta de la compañía se llama QuickSearch, un conjunto de acciones de un solo clic, cada una con su propia estrategia de recuperación, criterio editorial y modelo de ranking:
La decisión arquitectónica clave es que la búsqueda semántica sola tiene un techo: responde solo a lo que sabes articular. Por eso el sistema separa dos pipelines con ritmos distintos. El de comprensión de contenido trabaja al subir cada video. El de captación de tendencias se actualiza de forma continua, porque lo que se comenta fuera del catálogo cambia cada hora. Ambos se unen solo cuando el usuario elige una acción.
En la parte de AWS, un flujo de AWS Step Functions orquesta unas dos docenas de funciones Lambda. Cada video entra por un bucket de Amazon S3, se registra en DynamoDB y se transcodifica con AWS Elemental MediaConvert. Los modelos Marengo 3.0 y Pegasus 1.2 de TwelveLabs aportan el razonamiento sobre escenas. Los modelos corren en Amazon Bedrock, con Claude de Anthropic disponible, y la recuperación usa Amazon OpenSearch Serverless. El diseño es de Social Department y lo implementó TrackIt, socio de AWS.
La parte visible de la fuente no publica métricas de negocio, como tiempo ahorrado o aumento de engagement. Lo que sí ofrece es un patrón de arquitectura y de gobierno de IA que vale la pena estudiar.
Cómo aplicar la búsqueda de video con IA y su criterio editorial en tu empresa
La lección va más allá del entretenimiento. Cualquier organización con grandes archivos (capacitaciones, llamadas grabadas, contenido de producto, material de marca) enfrenta el mismo muro: la búsqueda encuentra objetos, pero no juicio.
1. Escribe tu criterio antes de elegir el modelo. Social Department no busca "memes" en abstracto; define qué significa "memeable" o "quotable" para cada biblioteca. Sin esa definición editorial, el mejor modelo devolverá resultados genéricos.
2. Separa lo que cambia lento de lo que cambia rápido. El catálogo se actualiza cuando entra contenido nuevo; las tendencias, cada hora. Ejecutarlos como pipelines independientes y cruzarlos solo al momento de la consulta evita reprocesar todo y mantiene la frescura.
3. Verifica la salida contra la fuente. En producción, el código descarta cualquier cita que no esté en la transcripción del episodio. Es una defensa barata contra alucinaciones que cualquier equipo puede replicar.
4. Mantén a una persona en la decisión final. Su principio es que "la IA propone y las personas deciden": alguien del equipo del cliente aprueba cada publicación. Es la misma lógica de Arca, que deja que la IA lleve el proceso pero solo un humano mueve el dinero.
5. Protege la entrada y los datos. Amazon Bedrock Guardrails filtra ataques de prompt en el texto de búsqueda, y el uso de Bedrock mantiene los datos dentro del límite de AWS, sin compartirlos con proveedores de modelos ni usarlos para entrenar.
Cuándo tiene sentido dar este paso
Es buen momento si tu equipo ya dedica días a revisar material para encontrar "el momento correcto" y puedes explicar qué hace bueno a un resultado. Si no puedes, empieza por documentar ese criterio. Para quienes trabajan en marketing, el caso conecta con campañas lanzadas desde una conversación con agentes, como en MoEngage, y con la discusión sobre modelos entrenados con datos propios que Disney explora con Adobe.
La pregunta que deberías hacerte
La ventaja de esta búsqueda de video con IA no está en un modelo más grande, sino en convertir el olfato de tu mejor experto en un proceso repetible y auditable. ¿Qué decisiones de criterio consumen hoy semanas de tu equipo, y cuáles podrías definir lo bastante bien como para que una máquina las proponga y una persona las apruebe?
Preguntas frecuentes
¿Qué es QuickSearch de Social Department?
Es un conjunto de cuatro acciones de un solo clic para la búsqueda de video con IA: Shareable Scenes, Quotable Quotes, Memeable Moments y Trend Align. Cada una combina criterios editoriales, estrategia de recuperación y ranking propios, y devuelve clips relevantes sin que el marketer tenga que describirlos.
¿Qué tecnologías de AWS usa esta solución?
Usa Amazon Bedrock para los modelos (incluidos Marengo 3.0 y Pegasus 1.2 de TwelveLabs y Claude), AWS Step Functions y Lambda para orquestar, S3 y EventBridge para la ingesta, DynamoDB para metadatos, MediaConvert para transcodificar, OpenSearch Serverless para recuperar y Bedrock Guardrails para filtrar ataques de prompt.
¿Cómo controlan los errores y el riesgo de la IA generativa?
Con tres capas: el código valida la salida contra el material original (una cita se descarta si no está en la transcripción), Bedrock Guardrails filtra ataques de prompt en las búsquedas y una persona del equipo del cliente aprueba cada publicación antes de que salga.