Cliente: Freepik Company
Sector: Tecnología / Contenido Creativo
Freepik Company, una de las mayores plataformas de recursos gráficos del mundo se encontraba con un desafío clave: superar las limitaciones de un sistema de ingesta de contenido que obstaculizaba el crecimiento de la empresa.
Reto
Freepik Company enfrentaba un cuello de botella crítico en su sistema de ingesta de contenido. Su infraestructura monolítica basada en máquinas virtuales apenas podía procesar 2 millones de archivos al mes, con un 20% de errores en los recursos recibidos y una enorme carga de trabajo manual para reencolar, corregir y validar los contenidos. La situación no solo limitaba el crecimiento, sino que generaba altos costes operativos y una acumulación significativa de deuda técnica.
Solución
Se diseñó y lideró la implementación de una arquitectura completamente nueva basada en microservicios desplegados en Google Kubernetes Engine (GKE). Esta nueva solución era capaz de recibir y procesar hasta 40 millones de ficheros al mes —incluyendo PSDs, EPS, JPGs, entre otros— aplicando una cadena de validaciones automáticas:
Detección de contenido NSFW
Filtros de calidad automatizados
Generación de previas
Validaciones de metadatos y consistencia
Historial de correcciones por usuario
Además, se implementó una estrategia de human-in-the-loop para casos que requerían revisión especializada. Esta interacción se gestionaba a través de una webapp en React, diseñada para ofrecer feedback ágil a usuarios específicos dentro del flujo.
Implementación
Los microservicios, desarrollados en Python, estaban preparados para escalar de forma completamente autónoma y horizontal, adaptándose dinámicamente al volumen de carga. Las bases de datos gestionaban cientos de millones de registros con eficiencia y resiliencia.
El sistema no solo aumentó drásticamente la capacidad de ingesta, sino que redujo los tiempos de procesamiento de horas a segundos por recurso, eliminando los cuellos de botella y disminuyendo significativamente los errores manuales.
Impacto
De 2M a 40M de archivos procesados mensualmente
Reducción de errores del 20% a cifras marginales
Automatización de procesos críticos que antes requerían intervención manual
Ahorro significativo en costes de infraestructura y soporte
Base sólida para seguir escalando el catálogo de recursos
