ADR-013: Parser basado en diccionario sobre LLM para voz→datos en app apícola¶
Estado: aceptado Fecha: 2026-05-17
Contexto¶
La app Cuaderno de Campo Apícola necesita convertir las inspecciones dictadas por voz en registros estructurados (reina presente/ausente, nivel de varroa, estado de cría, etc.). La app debe funcionar 100% offline en el colmenar (sin cobertura móvil en zonas de montaña). Las alternativas: usar un LLM para interpretar el texto transcrito, o usar un parser determinista basado en diccionario.
Decisión¶
Parser basado en diccionario especializado para convertir la transcripción de Whisper en datos estructurados. Sin dependencia de LLM en el dispositivo.
Alternativas consideradas¶
| Opción | Por qué se descartó |
|---|---|
| LLM en dispositivo (Ollama, llama.cpp) | Peso del modelo (>4 GB), latencia en hardware móvil, consumo de batería, complejidad de despliegue |
| LLM en servidor (API) | Requiere conexión a internet. Viola requisito offline-first. Latencia de red |
| NLP tradicional (spaCy, StanfordNLP) | Peso de modelos, complejidad de integración en app móvil |
Consecuencias¶
- ✅ 100% offline: funciona sin conexión en el colmenar
- ✅ Rápido: milisegundos vs segundos del LLM
- ✅ Determinista: mismo input → mismo output. Sin alucinaciones
- ✅ Ligero: ~50 KB de diccionario vs >4 GB de modelo LLM
- ✅ Fiable para vocabulario apícola conocido (~200 términos)
- ❌ No entiende lenguaje fuera del dominio apícola
- ❌ Requiere mantenimiento del diccionario si cambia la terminología