{"id":12320,"date":"2025-02-18T17:23:01","date_gmt":"2025-02-18T17:23:01","guid":{"rendered":"https:\/\/komorebi.ai\/?p=12320"},"modified":"2025-09-24T14:16:53","modified_gmt":"2025-09-24T14:16:53","slug":"agentes-logisticos-con-llms","status":"publish","type":"post","link":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/","title":{"rendered":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

En este art\u00edculo, exploramos las lecciones de IA en proyectos reales, espec\u00edficamente en la implementaci\u00f3n de Agentes Log\u00edsticos con LLMs<\/strong> en una empresa industrial. Este caso pr\u00e1ctico resalta aspectos cr\u00edticos, tales como la evaluaci\u00f3n de modelos, el aprovechamiento de retroalimentaci\u00f3n del usuario para la mejora continua, y el mantenimiento de la confianza del cliente gracias a la calidad de las respuestas.\n

\nEstas lecciones complementan las ideas compartidas por Victor Gallego de Komorebi AI, quien destaca en la entrada anterior<\/a><\/strong>, la importancia de definir objetivos claros y transformar la realidad en datos accionables a partir de un caso de Procesamiento del Lenguaje Natural en el sector financiero. Adem\u00e1s, conectamos la gesti\u00f3n de trade-offs entre diferentes m\u00e9tricas, ilustrada con un ejemplo de visi\u00f3n artificial, con la necesidad de establecer expectativas realistas con los clientes, asegurando que ambos p\u00e1rrafos resalten la complejidad y las mejores pr\u00e1cticas en el desarrollo de IA en entornos reales.\n

\n<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Integraci\u00f3n de Agentes Log\u00edsticos con LLMs<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para contextualizar, el cliente buscaba optimizar su sistema de gesti\u00f3n de pedidos,<\/strong> que hasta entonces depend\u00eda en gran medida del tratamiento manual de llamadas telef\u00f3nicas. \n

\nLa soluci\u00f3n empleada consisti\u00f3 en un chatbot interactivo, integrando un Modelo de Lenguaje (LLM) con plataformas como WhatsApp, Salesforce y el sistema ERP de la empresa. Este agente permite a los clientes realizar pedidos mediante lenguaje natural, minimizando errores y optimizando la gesti\u00f3n de pedidos.<\/strong> \n

\nAdem\u00e1s, identifica autom\u00e1ticamente detalles como la empresa, ubicaci\u00f3n de entrega, productos solicitados, fecha de env\u00edo y cualquier otra nota del cliente, como que el pedido es urgente.\n

\nEl LLM extrae y estructura la informaci\u00f3n del pedido, asegurando que se cumplan las pol\u00edticas empresariales y restricciones log\u00edsticas mediante un sistema basado en reglas de negocio. Esto no solo reduce la carga manual, sino que tambi\u00e9n disminuye los errores por malas interpretaciones.\n

\nEl sistema se comunica directamente con el cliente a trav\u00e9s de WhatsApp para aclarar detalles, ofreciendo hasta tres rondas de preguntas si es necesario. Si las dudas persisten, el pedido se transfiere a un agente humano. Esta experiencia es potenciada por una interfaz conversacional intuitiva, lo que facilita la adopci\u00f3n del sistema en la plataforma.\n

\nEl CRM de la empresa, Salesforce, registra el historial de pedidos y proporciona datos al LLM para personalizar las interacciones, sugerir pedidos previos y detectar posibles pedidos omitidos seg\u00fan los h\u00e1bitos del cliente.\n

\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"LLM\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t



\u00bfC\u00f3mo se eval\u00faa el rendimiento del Modelo (LLM)?<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Evaluar y comparar el rendimiento de diferentes modelos de lenguaje es esencial para proporcionar una experiencia fiable y satisfactoria al usuario. Sin embargo, avanzar de una demo a la producci\u00f3n con los modelos de lenguaje de gran tama\u00f1o (LLMs) puede ser complicado. Aunque muchos problemas son f\u00e1ciles de imaginar y demostrar, transformarlos en productos funcionales demanda tiempo y esfuerzo significativos.\n

\nUn desaf\u00edo inicial fue procesar pedidos complejos de clientes que utilizaban diversos nombres y formatos para describir los productos, lo que generaba confusiones y errores. Para automatizar este proceso, desarrollamos escenarios de evaluaci\u00f3n.<\/strong> Cada escenario simulaba una conversaci\u00f3n, poniendo a prueba la capacidad del modelo para completar pedidos correctamente. Estos escenarios act\u00faan como pruebas que nos permiten evaluar el rendimiento del modelo como agente en situaciones reales.\n

\nAlgunos ejemplos de estos escenarios incluyen: la creaci\u00f3n y modificaci\u00f3n de pedidos complejos (m\u00faltiples pedidos y m\u00faltiples materiales) consideraci\u00f3n de fines de semana y festivos nacionales antes de la creaci\u00f3n del pedido, cancelaci\u00f3n, a\u00f1adir comentarios en el pedido, comprobar el estado, etc.\n

\nDescartamos el fine-tuning del modelo, ya que el LLM seleccionado rend\u00eda adecuadamente con t\u00e9cnicas como el prompt engineering y llamadas a herramientas de log\u00edstica (\u201ctools\u201d), y la integraci\u00f3n de fuentes de datos externas. Ajustes adicionales habr\u00edan a\u00f1adido complejidad sin ofrecer beneficios significativos.\nRecoger el feedback de los usuarios<\/strong> ha sido crucial para mejorar el producto. No se trata solo de acumular datos, sino de comprender que la mejora continua es un proceso de iteraci\u00f3n constante.<\/strong>\n

\n<\/p> \t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t


Mejorar la seguridad y confiabilidad de los LLMs<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\tEste proyecto ha evidenciado la importancia que tiene que el LLM sea confiable ya que es la interfaz con el cliente final. O dicho de otra manera, la calidad del output de los LLMs es esencial para preservar la confianza de los clientes.\n

\nEn este sentido, conseguimos un tiempo promedio de respuesta < 30 segundos y hasta un 90% de las conversaciones terminan en pedido confirmado, el resto derivan a agente.<\/strong> Y aseguramos que todos los pedidos confirmados (100%) son factibles log\u00edsticamente.<\/strong>\n

\nReferente a la privacidad de los datos y el cumplimiento del GDPR, se soluciona haciendo que los clientes rellenen un formulario de protecci\u00f3n de datos al registrarse e integrando WhatsApp Business, que ofrece funciones de seguridad mejoradas.\n

\nEn este sentido, de cara al futuro para mejorar la seguridad de los modelos,<\/strong> hemos propuesto en Komorebi AI un m\u00e9todo novedoso que hemos denominado Configurable Safety Tuning (CST)<\/a><\/strong> y b\u00e1sicamente, permite un control configurable de los niveles de seguridad de los LLM en tiempo de inferencia, de modo que los usuarios pueden dictar el comportamiento del modelo seg\u00fan el system prompt.\n

\nPara terminar, se ha visto que los LLMs tienen un coste variable pero en este caso de uso no son nada costosos (<1 c\u00e9ntimo el coste de una conversaci\u00f3n) ya que la automatizaci\u00f3n del proceso de pedidos minimiza el esfuerzo manual y ampl\u00eda la eficiencia operativa al reducir los errores y aumentar volumen de pedidos entrantes.\n

\n\u00bfQuieres aprovechar las capacidades de la Inteligencia Artificial en tu empresa? P\u00f3nte en contacto con nosotros en consulta@komorebi.ai<\/a><\/b>.<\/p> Estamos deseando conectar, aprender y crecer contigo.\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

En este art\u00edculo, exploramos las lecciones de IA en proyectos reales, espec\u00edficamente en la implementaci\u00f3n de Agentes Log\u00edsticos con LLMs en una empresa industrial. Este caso pr\u00e1ctico resalta aspectos cr\u00edticos, tales como la evaluaci\u00f3n de modelos, el aprovechamiento de retroalimentaci\u00f3n del usuario para la mejora continua, y el mantenimiento de la confianza del cliente gracias […]<\/p>\n","protected":false},"author":4,"featured_media":12351,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14,15],"tags":[124,40,19,121],"yoast_head":"\nLecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI<\/title>\n<meta name=\"description\" content=\"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI\" \/>\n<meta property=\"og:description\" content=\"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\" \/>\n<meta property=\"og:site_name\" content=\"Komorebi AI\" \/>\n<meta property=\"article:published_time\" content=\"2025-02-18T17:23:01+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-09-24T14:16:53+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/komorebi.ai\/wp-content\/uploads\/2025\/02\/image-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1888\" \/>\n\t<meta property=\"og:image:height\" content=\"624\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Komorebi\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Komorebi\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\"},\"author\":{\"name\":\"Komorebi\",\"@id\":\"https:\/\/komorebi.ai\/es\/#\/schema\/person\/336f45585e4847739e8921750ed3659e\"},\"headline\":\"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs\",\"datePublished\":\"2025-02-18T17:23:01+00:00\",\"dateModified\":\"2025-09-24T14:16:53+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\"},\"wordCount\":917,\"publisher\":{\"@id\":\"https:\/\/komorebi.ai\/es\/#organization\"},\"keywords\":[\"Agentes\",\"ia\",\"Inteligencia Artificial\",\"LLM\"],\"articleSection\":[\"Expertos\",\"IA & Tech\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\",\"url\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\",\"name\":\"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI\",\"isPartOf\":{\"@id\":\"https:\/\/komorebi.ai\/es\/#website\"},\"datePublished\":\"2025-02-18T17:23:01+00:00\",\"dateModified\":\"2025-09-24T14:16:53+00:00\",\"description\":\"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.\",\"breadcrumb\":{\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/komorebi.ai\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/komorebi.ai\/es\/#website\",\"url\":\"https:\/\/komorebi.ai\/es\/\",\"name\":\"Komorebi AI\",\"description\":\"Komorebi\",\"publisher\":{\"@id\":\"https:\/\/komorebi.ai\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/komorebi.ai\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/komorebi.ai\/es\/#organization\",\"name\":\"Komorebi AI\",\"url\":\"https:\/\/komorebi.ai\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/komorebi.ai\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/komorebi.ai\/wp-content\/uploads\/2022\/07\/isologotipo_normal.png\",\"contentUrl\":\"https:\/\/komorebi.ai\/wp-content\/uploads\/2022\/07\/isologotipo_normal.png\",\"width\":456,\"height\":277,\"caption\":\"Komorebi AI\"},\"image\":{\"@id\":\"https:\/\/komorebi.ai\/es\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/komorebi.ai\/es\/#\/schema\/person\/336f45585e4847739e8921750ed3659e\",\"name\":\"Komorebi\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/komorebi.ai\/es\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/01b743ff848198056f88ce25e1a4f9ab?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/01b743ff848198056f88ce25e1a4f9ab?s=96&d=mm&r=g\",\"caption\":\"Komorebi\"},\"url\":\"https:\/\/komorebi.ai\/es\/author\/komorebi\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI","description":"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/","og_locale":"es_ES","og_type":"article","og_title":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI","og_description":"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.","og_url":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/","og_site_name":"Komorebi AI","article_published_time":"2025-02-18T17:23:01+00:00","article_modified_time":"2025-09-24T14:16:53+00:00","og_image":[{"width":1888,"height":624,"url":"https:\/\/komorebi.ai\/wp-content\/uploads\/2025\/02\/image-1.png","type":"image\/png"}],"author":"Komorebi","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Komorebi","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#article","isPartOf":{"@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/"},"author":{"name":"Komorebi","@id":"https:\/\/komorebi.ai\/es\/#\/schema\/person\/336f45585e4847739e8921750ed3659e"},"headline":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs","datePublished":"2025-02-18T17:23:01+00:00","dateModified":"2025-09-24T14:16:53+00:00","mainEntityOfPage":{"@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/"},"wordCount":917,"publisher":{"@id":"https:\/\/komorebi.ai\/es\/#organization"},"keywords":["Agentes","ia","Inteligencia Artificial","LLM"],"articleSection":["Expertos","IA & Tech"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/","url":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/","name":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs - Komorebi AI","isPartOf":{"@id":"https:\/\/komorebi.ai\/es\/#website"},"datePublished":"2025-02-18T17:23:01+00:00","dateModified":"2025-09-24T14:16:53+00:00","description":"Caso de uso de Agentes Log\u00edsticos con LLMs: chatbots con LLMs integrados que agilizan procesos log\u00edsticos y garantizan la eficiencia.","breadcrumb":{"@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/komorebi.ai\/es\/agentes-logisticos-con-llms\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/komorebi.ai\/"},{"@type":"ListItem","position":2,"name":"Lecciones de IA en proyectos reales: Agentes Log\u00edsticos con LLMs"}]},{"@type":"WebSite","@id":"https:\/\/komorebi.ai\/es\/#website","url":"https:\/\/komorebi.ai\/es\/","name":"Komorebi AI","description":"Komorebi","publisher":{"@id":"https:\/\/komorebi.ai\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/komorebi.ai\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/komorebi.ai\/es\/#organization","name":"Komorebi AI","url":"https:\/\/komorebi.ai\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/komorebi.ai\/es\/#\/schema\/logo\/image\/","url":"https:\/\/komorebi.ai\/wp-content\/uploads\/2022\/07\/isologotipo_normal.png","contentUrl":"https:\/\/komorebi.ai\/wp-content\/uploads\/2022\/07\/isologotipo_normal.png","width":456,"height":277,"caption":"Komorebi AI"},"image":{"@id":"https:\/\/komorebi.ai\/es\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/komorebi.ai\/es\/#\/schema\/person\/336f45585e4847739e8921750ed3659e","name":"Komorebi","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/komorebi.ai\/es\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/01b743ff848198056f88ce25e1a4f9ab?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/01b743ff848198056f88ce25e1a4f9ab?s=96&d=mm&r=g","caption":"Komorebi"},"url":"https:\/\/komorebi.ai\/es\/author\/komorebi\/"}]}},"_links":{"self":[{"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/posts\/12320"}],"collection":[{"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/comments?post=12320"}],"version-history":[{"count":47,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/posts\/12320\/revisions"}],"predecessor-version":[{"id":13276,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/posts\/12320\/revisions\/13276"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/media\/12351"}],"wp:attachment":[{"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/media?parent=12320"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/categories?post=12320"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/komorebi.ai\/es\/wp-json\/wp\/v2\/tags?post=12320"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}