paperless-ngx/AI_SCANNER_IMPROVEMENT_PLAN.md

AI Scanner - Plan de Mejoras y Siguientes Pasos

Documento de Planificación

Fecha: 2025-11-11
Proyecto: IntelliDocs-ngx AI Scanner
Estado: PRODUCTION READY - Mejoras Planificadas

---

📋 Resumen Ejecutivo

El sistema AI Scanner está completamente implementado y funcional. Este documento detalla todas las mejoras, optimizaciones y tareas pendientes organizadas por prioridad y área.

---

🎯 Áreas de Mejora Identificadas

1. Testing y Calidad de Código

2. Migraciones de Base de Datos

3. API REST Endpoints

4. Integración Frontend

5. Optimización de Performance

6. Mejoras de ML/AI

7. Monitoreo y Observabilidad

8. Documentación de Usuario

9. Seguridad Avanzada

10. Internacionalización

---

📊 ÉPICA 1: Testing y Calidad de Código

Issue 1.1: Tests Unitarios para AI Scanner

Prioridad: 🔴 ALTA
Estimación: 3-5 días
Dependencias: Ninguna

Descripción: Crear suite completa de tests unitarios para ai_scanner.py

Tareas:

• Tests para AIDocumentScanner.__init__() y lazy loading
• Tests para _extract_entities() con mocks de NER
• Tests para _suggest_tags() con diferentes niveles de confianza
• Tests para _detect_correspondent() con y sin entidades
• Tests para _classify_document_type() con ML classifier mock
• Tests para _suggest_storage_path() con diferentes características
• Tests para _extract_custom_fields() con todos los tipos de campo
• Tests para _suggest_workflows() con varias condiciones
• Tests para _suggest_title() con diferentes combinaciones de entidades
• Tests para apply_scan_results() con transacciones atómicas
• Tests para manejo de errores y excepciones
• Alcanzar cobertura >90%

Archivos a Crear:

• src/documents/tests/test_ai_scanner.py
• src/documents/tests/test_ai_scanner_integration.py

Criterios de Aceptación:

• Cobertura de código >90% para ai_scanner.py
• Todos los tests pasan en CI/CD
• Tests incluyen casos edge y errores

---

Issue 1.2: Tests Unitarios para AI Deletion Manager

Prioridad: 🔴 ALTA
Estimación: 2-3 días
Dependencias: Ninguna

Descripción: Crear tests para ai_deletion_manager.py y modelo DeletionRequest

Tareas:

• Tests para create_deletion_request() con análisis de impacto
• Tests para _analyze_impact() con diferentes documentos
• Tests para format_deletion_request_for_user() con varios escenarios
• Tests para get_pending_requests() con filtros
• Tests para modelo DeletionRequest (approve, reject)
• Tests para workflow completo de aprobación/rechazo
• Tests para auditoría y tracking
• Tests que verifiquen que AI nunca puede eliminar sin aprobación

Archivos a Crear:

• src/documents/tests/test_ai_deletion_manager.py
• src/documents/tests/test_deletion_request_model.py

Criterios de Aceptación:

• Cobertura >95% para componentes críticos de seguridad
• Tests verifican constraints de seguridad
• Tests pasan en CI/CD

---

Issue 1.3: Tests de Integración para Consumer

Prioridad: 🔴 ALTA
Estimación: 2-3 días
Dependencias: Issue 1.1

Descripción: Tests de integración para _run_ai_scanner() en pipeline de consumo

Tareas:

• Test de integración end-to-end: upload → consumo → AI scan → metadata
• Test con ML components deshabilitados
• Test con fallos de AI scanner (graceful degradation)
• Test con diferentes tipos de documentos (PDF, imagen, texto)
• Test de performance con documentos grandes
• Test con transacciones y rollbacks
• Test con múltiples documentos simultáneos

Archivos a Modificar:

• src/documents/tests/test_consumer.py (añadir tests AI)

Criterios de Aceptación:

• Pipeline completo testeado end-to-end
• Graceful degradation verificado
• Performance aceptable (<2s adicionales por documento)

---

Issue 1.4: Pre-commit Hooks y Linting

Prioridad: 🟡 MEDIA
Estimación: 1 día
Dependencias: Ninguna

Descripción: Ejecutar y corregir linters en código nuevo

Tareas:

• Ejecutar ruff en archivos nuevos
• Corregir warnings de import ordering
• Corregir warnings de type hints
• Ejecutar black para formateo consistente
• Ejecutar mypy para verificación de tipos
• Actualizar pre-commit hooks si necesario

Archivos a Revisar:

• src/documents/ai_scanner.py
• src/documents/ai_deletion_manager.py
• src/documents/consumer.py

Criterios de Aceptación:

• Cero warnings de linters
• Código pasa pre-commit hooks
• Type hints completos

---

📊 ÉPICA 2: Migraciones de Base de Datos

Issue 2.1: Migración Django para DeletionRequest

Prioridad: 🔴 ALTA
Estimación: 1 día
Dependencias: Issue 1.2 (tests)

Descripción: Crear migración Django para modelo DeletionRequest

Tareas:

• Ejecutar python manage.py makemigrations
• Revisar migración generada
• Añadir índices custom si necesario
• Crear migración de datos si hay datos existentes
• Testear migración en entorno dev
• Documentar pasos de migración

Archivos a Crear:

• src/documents/migrations/XXXX_add_deletion_request.py

Criterios de Aceptación:

• Migración se ejecuta sin errores
• Índices creados correctamente
• Backward compatible si posible

---

Issue 2.2: Índices de Performance para DeletionRequest

Prioridad: 🟡 MEDIA
Estimación: 0.5 días
Dependencias: Issue 2.1

Descripción: Optimizar índices de base de datos para queries frecuentes

Tareas:

• Analizar queries frecuentes
• Añadir índice compuesto (user, status, created_at)
• Añadir índice para reviewed_at
• Añadir índice para completed_at
• Testear performance de queries

Archivos a Modificar:

• src/documents/models.py (añadir índices)

Criterios de Aceptación:

• Queries de listado <100ms
• Queries de filtrado <50ms

---

📊 ÉPICA 3: API REST Endpoints

Issue 3.1: API Endpoints para Deletion Requests - Listado y Detalle

Prioridad: 🔴 ALTA
Estimación: 2-3 días
Dependencias: Issue 2.1

Descripción: Crear endpoints REST para gestión de deletion requests

Tareas:

• Crear serializer DeletionRequestSerializer
• Endpoint GET /api/deletion-requests/ (listado paginado)
• Endpoint GET /api/deletion-requests/{id}/ (detalle)
• Filtros: status, user, date_range
• Ordenamiento: created_at, reviewed_at
• Paginación (page size: 20)
• Documentación OpenAPI/Swagger

Archivos a Crear:

• src/documents/serializers/deletion_request.py
• src/documents/views/deletion_request.py
• Actualizar src/documents/urls.py

Criterios de Aceptación:

• Endpoints documentados en Swagger
• Tests de API incluidos
• Permisos verificados (solo requests propios o admin)

---

Issue 3.2: API Endpoints para Deletion Requests - Acciones

Prioridad: 🔴 ALTA
Estimación: 2 días
Dependencias: Issue 3.1

Descripción: Endpoints para aprobar/rechazar deletion requests

Tareas:

• Endpoint POST /api/deletion-requests/{id}/approve/
• Endpoint POST /api/deletion-requests/{id}/reject/
• Endpoint POST /api/deletion-requests/{id}/cancel/
• Validación de permisos (solo owner o admin)
• Validación de estado (solo pending puede ser aprobado/rechazado)
• Respuesta con resultado de ejecución si aprobado
• Notificaciones async si configurado

Archivos a Modificar:

• src/documents/views/deletion_request.py
• Actualizar src/documents/urls.py

Criterios de Aceptación:

• Workflow completo funcional via API
• Validaciones de estado y permisos
• Tests de API incluidos

---

Issue 3.3: API Endpoints para AI Suggestions

Prioridad: 🟡 MEDIA
Estimación: 2-3 días
Dependencias: Ninguna

Descripción: Exponer sugerencias de AI via API para frontend

Tareas:

• Endpoint GET /api/documents/{id}/ai-suggestions/
• Serializer para AIScanResult
• Endpoint POST /api/documents/{id}/apply-suggestion/
• Endpoint POST /api/documents/{id}/reject-suggestion/
• Tracking de sugerencias aplicadas/rechazadas
• Estadísticas de accuracy de sugerencias

Archivos a Crear:

• src/documents/serializers/ai_suggestions.py
• Actualizar src/documents/views/document.py

Criterios de Aceptación:

• Frontend puede obtener y aplicar sugerencias
• Tracking de user feedback
• API documentada

---

Issue 3.4: Webhooks para Eventos de AI

Prioridad: 🟢 BAJA
Estimación: 2 días
Dependencias: Issue 3.1, 3.3

Descripción: Sistema de webhooks para notificar eventos de AI

Tareas:

• Webhook cuando AI crea deletion request
• Webhook cuando AI aplica sugerencia automáticamente
• Webhook cuando scan AI completa
• Configuración de webhooks via settings
• Retry logic con exponential backoff
• Logging de webhooks enviados

Archivos a Crear:

• src/documents/webhooks.py
• Actualizar src/paperless/settings.py

Criterios de Aceptación:

• Webhooks configurables
• Retry logic robusto
• Eventos documentados

---

📊 ÉPICA 4: Integración Frontend

Issue 4.1: UI para AI Suggestions en Document Detail

Prioridad: 🔴 ALTA
Estimación: 3-4 días
Dependencias: Issue 3.3

Descripción: Mostrar sugerencias de AI en página de detalle de documento

Tareas:

• Componente AISuggestionsPanel en Angular/React
• Mostrar sugerencias por tipo (tags, correspondent, etc.)
• Indicadores de confianza visual (colores, iconos)
• Botones "Aplicar" y "Rechazar" por sugerencia
• Animaciones de aplicación
• Feedback visual cuando se aplica
• Responsive design

Archivos a Crear:

• src-ui/src/app/components/ai-suggestions-panel/
• Actualizar componente de document detail

Criterios de Aceptación:

• UI intuitiva y atractiva
• Mobile responsive
• Tests de componente incluidos

---

Issue 4.2: UI para Deletion Requests Management

Prioridad: 🔴 ALTA
Estimación: 3-4 días
Dependencias: Issue 3.1, 3.2

Descripción: Dashboard para gestionar deletion requests

Tareas:

• Página /deletion-requests con listado
• Filtros por estado (pending, approved, rejected)
• Vista detalle de deletion request con impacto completo
• Modal de confirmación para aprobar/rechazar
• Mostrar análisis de impacto de forma clara
• Badge de notificación para pending requests
• Historial de requests completados

Archivos a Crear:

• src-ui/src/app/components/deletion-requests/
• src-ui/src/app/services/deletion-request.service.ts

Criterios de Aceptación:

• Usuario puede revisar y aprobar/rechazar requests
• Análisis de impacto claro y comprensible
• Notificaciones visuales

---

Issue 4.3: AI Status Indicator

Prioridad: 🟡 MEDIA
Estimación: 1-2 días
Dependencias: Ninguna

Descripción: Indicador global de estado de AI en UI

Tareas:

• Icono en navbar mostrando estado de AI (activo/inactivo)
• Tooltip con estadísticas (documentos escaneados hoy, sugerencias aplicadas)
• Link a configuración de AI
• Mostrar si hay pending deletion requests
• Animación cuando AI está procesando

Archivos a Modificar:

• Navbar component
• Crear servicio de AI status

Criterios de Aceptación:

• Estado de AI siempre visible
• Notificaciones no intrusivas

---

Issue 4.4: Settings Page para AI Configuration

Prioridad: 🟡 MEDIA
Estimación: 2-3 días
Dependencias: Ninguna

Descripción: Página de configuración para features de AI

Tareas:

• Toggle para enable/disable AI scanner
• Toggle para enable/disable ML features
• Toggle para enable/disable advanced OCR
• Sliders para thresholds (auto-apply, suggest)
• Selector de modelo ML
• Test button para probar AI con documento sample
• Estadísticas de performance de AI

Archivos a Crear:

• src-ui/src/app/components/settings/ai-settings/

Criterios de Aceptación:

• Configuración intuitiva y clara
• Cambios se reflejan inmediatamente
• Validación de valores

---

📊 ÉPICA 5: Optimización de Performance

Issue 5.1: Caching de Modelos ML

Prioridad: 🔴 ALTA
Estimación: 2 días
Dependencias: Ninguna

Descripción: Implementar caché eficiente para modelos ML

Tareas:

• Implementar singleton pattern para modelos ML
• Caché en memoria con LRU eviction
• Caché en disco para embeddings
• Lazy loading mejorado con preloading opcional
• Warm-up de modelos en startup si configurado
• Métricas de cache hits/misses

Archivos a Modificar:

• src/documents/ai_scanner.py
• src/documents/ml/*.py

Criterios de Aceptación:

• Primera carga lenta, subsecuentes rápidas
• Uso de memoria controlado (<2GB)
• Cache hits >90% después de warm-up

---

Issue 5.2: Procesamiento Asíncrono con Celery

Prioridad: 🟡 MEDIA
Estimación: 2-3 días
Dependencias: Issue 5.1

Descripción: Mover AI scanning a tareas Celery asíncronas

Tareas:

• Crear tarea Celery scan_document_ai
• Queue separada para AI tasks (priority: low)
• Rate limiting para AI tasks
• Progress tracking para scans largos
• Retry logic para fallos temporales
• Configurar workers dedicados para AI

Archivos a Crear:

• src/documents/tasks/ai_scanner_tasks.py
• Actualizar src/documents/consumer.py

Criterios de Aceptación:

• Consumo de documentos no bloqueado por AI
• AI procesa en background
• Progress visible en UI

---

Issue 5.3: Batch Processing para Documentos Existentes

Prioridad: 🟡 MEDIA
Estimación: 2 días
Dependencias: Issue 5.2

Descripción: Command para aplicar AI scanner a documentos existentes

Tareas:

• Management command scan_documents_ai
• Opciones: --all, --filter-by-type, --date-range
• Progress bar con ETA
• Dry-run mode
• Resumen de sugerencias al final
• Opción para auto-apply high confidence

Archivos a Crear:

• src/documents/management/commands/scan_documents_ai.py

Criterios de Aceptación:

• Puede procesar miles de documentos
• No afecta performance del sistema
• Resultados reportados claramente

---

Issue 5.4: Query Optimization

Prioridad: 🟡 MEDIA
Estimación: 1-2 días
Dependencias: Ninguna

Descripción: Optimizar queries de base de datos en AI scanner

Tareas:

• Usar select_related() para foreign keys
• Usar prefetch_related() para M2M
• Cachear queries frecuentes (tags, correspondents)
• Analizar slow queries con Django Debug Toolbar
• Optimizar N+1 queries si existen

Archivos a Modificar:

• src/documents/ai_scanner.py
• src/documents/ai_deletion_manager.py

Criterios de Aceptación:

• Número de queries reducido >50%
• Tiempo de scan reducido >30%

---

📊 ÉPICA 6: Mejoras de ML/AI

Issue 6.1: Training Pipeline para Custom Models

Prioridad: 🟡 MEDIA
Estimación: 3-4 días
Dependencias: Issue 1.1

Descripción: Pipeline para entrenar modelos custom con datos del usuario

Tareas:

• Recolectar datos de training (documentos + metadata confirmada)
• Script de preparación de datos
• Training script con hyperparameter tuning
• Evaluación de modelo (accuracy, precision, recall)
• Versionado de modelos
• A/B testing de modelos

Archivos a Crear:

• src/documents/ml/training/
• scripts/train_classifier.py

Criterios de Aceptación:

• Pipeline reproducible
• Métricas de evaluación claras
• Modelos mejorados vs baseline

---

Issue 6.2: Active Learning Loop

Prioridad: 🟢 BAJA
Estimación: 3-5 días
Dependencias: Issue 6.1, Issue 3.3

Descripción: Sistema de aprendizaje continuo basado en feedback de usuario

Tareas:

• Tracking de sugerencias aceptadas/rechazadas
• Identificar casos difíciles (low confidence)
• Re-training periódico con nuevos datos
• Métricas de mejora de accuracy over time
• Dashboard de ML performance

Archivos a Crear:

• src/documents/ml/active_learning.py

Criterios de Aceptación:

• Accuracy mejora con uso
• Re-training automático configurable

---

Issue 6.3: Multi-language Support para NER

Prioridad: 🟡 MEDIA
Estimación: 2-3 días
Dependencias: Ninguna

Descripción: Soporte para múltiples idiomas en extracción de entidades

Tareas:

• Detección automática de idioma
• Modelos NER multilingües
• Fallback a inglés si idioma no soportado
• Tests con documentos en español, francés, alemán
• Configuración de idiomas soportados

Archivos a Modificar:

• src/documents/ml/ner.py
• src/paperless/settings.py

Criterios de Aceptación:

• Funciona con español, inglés, francés, alemán
• Accuracy >80% en cada idioma

---

Issue 6.4: Confidence Calibration

Prioridad: 🟡 MEDIA
Estimación: 2 días
Dependencias: Issue 3.3

Descripción: Calibrar confianza basada en feedback histórico

Tareas:

• Analizar correlación entre confianza y accuracy real
• Ajustar thresholds automáticamente
• Calibración por tipo de sugerencia
• Calibración por usuario (si user acepta todas, subir threshold)
• Tests de calibración

Archivos a Modificar:

• src/documents/ai_scanner.py

Criterios de Aceptación:

• Confianza correlaciona con accuracy
• Auto-apply solo cuando realmente correcto >95%

---

📊 ÉPICA 7: Monitoreo y Observabilidad

Issue 7.1: Metrics y Logging Estructurado

Prioridad: 🟡 MEDIA
Estimación: 2 días
Dependencias: Ninguna

Descripción: Implementar logging estructurado y métricas

Tareas:

• Logging estructurado (JSON) con contexto
• Métricas Prometheus: ai_scans_total, ai_scan_duration_seconds
• Métricas de sugerencias: applied, rejected, ignored
• Métricas de confianza por tipo
• Alertas para errores de AI (>5% failure rate)
• Dashboard Grafana

Archivos a Crear:

• src/documents/metrics.py
• Configuración Prometheus

Criterios de Aceptación:

• Métricas exportadas a Prometheus
• Dashboard básico en Grafana
• Alertas configuradas

---

Issue 7.2: Health Checks para AI Components

Prioridad: 🟡 MEDIA
Estimación: 1 día
Dependencias: Issue 7.1

Descripción: Health checks para componentes ML/AI

Tareas:

• Endpoint /health/ai/ con status de componentes
• Check si modelos cargados correctamente
• Check si NER funcional
• Check uso de memoria
• Check GPU si habilitado
• Incluir en health check general

Archivos a Crear:

• src/documents/health_checks.py

Criterios de Aceptación:

• Health check responde rápido (<100ms)
• Indica qué componente falla

---

Issue 7.3: Audit Log Detallado

Prioridad: 🟡 MEDIA
Estimación: 1-2 días
Dependencias: Ninguna

Descripción: Audit log completo de acciones de AI

Tareas:

• Log de cada scan con resultados
• Log de sugerencias aplicadas automáticamente
• Log de deletion requests con reasoning
• Retention configurable (default: 90 días)
• API para consultar audit log
• Exportación de audit log

Archivos a Modificar:

• src/documents/ai_scanner.py
• src/documents/ai_deletion_manager.py

Criterios de Aceptación:

• Audit trail completo y consultable
• Cumple con requisitos de auditoría

---

📊 ÉPICA 8: Documentación de Usuario

Issue 8.1: Guía de Usuario para AI Features

Prioridad: 🔴 ALTA
Estimación: 2-3 días
Dependencias: Issue 4.1, 4.2

Descripción: Documentación completa para usuarios finales

Tareas:

• Guía: "Cómo funciona el AI Scanner"
• Guía: "Entendiendo las sugerencias de AI"
• Guía: "Gestión de Deletion Requests"
• Guía: "Configuración de AI"
• FAQ sobre AI features
• Screenshots de UI
• Videos tutorial (opcional)

Archivos a Crear:

• docs/ai-scanner-user-guide.md
• docs/ai-deletion-requests.md
• docs/ai-configuration.md
• docs/ai-faq.md

Criterios de Aceptación:

• Documentación clara y con ejemplos
• Screenshots actualizados
• Traducida a español e inglés

---

Issue 8.2: API Documentation

Prioridad: 🟡 MEDIA
Estimación: 1-2 días
Dependencias: Issue 3.1, 3.2, 3.3

Descripción: Documentación de API REST completa

Tareas:

• Swagger/OpenAPI spec completo
• Ejemplos de requests/responses
• Guía de autenticación
• Rate limits documentados
• Error codes documentados
• Postman collection

Archivos a Crear:

• docs/api/ai-scanner-api.md
• postman/ai-scanner.json

Criterios de Aceptación:

• API completamente documentada
• Ejemplos funcionan
• Postman collection testeada

---

Issue 8.3: Guía de Administrador

Prioridad: 🟡 MEDIA
Estimación: 2 días
Dependencias: Issue 8.1

Descripción: Documentación para administradores del sistema

Tareas:

• Guía de instalación y configuración
• Guía de troubleshooting
• Guía de optimización de performance
• Guía de training de modelos custom
• Guía de monitoreo y métricas
• Best practices

Archivos a Crear:

• docs/admin/ai-scanner-setup.md
• docs/admin/ai-scanner-troubleshooting.md
• docs/admin/ai-scanner-optimization.md

Criterios de Aceptación:

• Admin puede configurar sistema completamente
• Troubleshooting cubre casos comunes

---

📊 ÉPICA 9: Seguridad Avanzada

Issue 9.1: Rate Limiting para AI Operations

Prioridad: 🟡 MEDIA
Estimación: 1-2 días
Dependencias: Ninguna

Descripción: Implementar rate limiting para prevenir abuso

Tareas:

• Rate limit por usuario: X scans/hora
• Rate limit global: Y scans/minuto
• Rate limit para deletion requests: Z requests/día
• Bypass para admin/superuser
• Mensajes de error claros cuando se excede
• Métricas de rate limiting

Archivos a Modificar:

• src/documents/views/*.py
• Middleware de rate limiting

Criterios de Aceptación:

• No se puede abusar del sistema
• Límites configurables
• Admin puede ver quién está rate limited

---

Issue 9.2: Validation de Inputs

Prioridad: 🔴 ALTA
Estimación: 1 día
Dependencias: Ninguna

Descripción: Validación exhaustiva de inputs para prevenir inyección

Tareas:

• Validar todas las entradas de usuario
• Sanitizar strings antes de procesamiento ML
• Validar confianza en rango [0.0, 1.0]
• Validar IDs de documentos
• Prevenir path traversal en file paths
• Tests de seguridad

Archivos a Modificar:

• src/documents/ai_scanner.py
• src/documents/ai_deletion_manager.py

Criterios de Aceptación:

• Inputs validados exhaustivamente
• Tests de seguridad pasan

---

Issue 9.3: Permissions Granulares

Prioridad: 🟡 MEDIA
Estimación: 2 días
Dependencias: Issue 3.1

Descripción: Sistema de permisos granular para AI features

Tareas:

• Permiso: can_view_ai_suggestions
• Permiso: can_apply_ai_suggestions
• Permiso: can_approve_deletions
• Permiso: can_configure_ai
• Role-based access control
• Tests de permisos

Archivos a Modificar:

• src/documents/permissions.py
• src/documents/views/*.py

Criterios de Aceptación:

• Permisos granulares funcionales
• Admin puede asignar permisos
• Tests verifican permisos

---

📊 ÉPICA 10: Internacionalización

Issue 10.1: Traducción de Mensajes de AI

Prioridad: 🟢 BAJA
Estimación: 1-2 días
Dependencias: Ninguna

Descripción: Internacionalizar todos los mensajes de AI

Tareas:

• Marcar strings para traducción con gettext
• Traducir a español
• Traducir a inglés
• Traducir mensajes de deletion requests
• Traducir labels de UI
• Tests con diferentes locales

Archivos a Modificar:

• src/documents/ai_scanner.py
• src/documents/ai_deletion_manager.py
• Archivos de traducción

Criterios de Aceptación:

• Todos los mensajes traducidos
• UI cambia según locale
• Tests pasan en ambos idiomas

---

📅 Roadmap Propuesto

Sprint 1 (2 semanas) - Fundamentos

• Issue 1.1: Tests Unitarios AI Scanner
• Issue 1.2: Tests Unitarios AI Deletion Manager
• Issue 1.3: Tests de Integración Consumer
• Issue 2.1: Migración DeletionRequest

Sprint 2 (2 semanas) - API

• Issue 3.1: API Endpoints Deletion Requests - Listado
• Issue 3.2: API Endpoints Deletion Requests - Acciones
• Issue 3.3: API Endpoints AI Suggestions

Sprint 3 (2 semanas) - Frontend

• Issue 4.1: UI AI Suggestions
• Issue 4.2: UI Deletion Requests
• Issue 4.3: AI Status Indicator

Sprint 4 (2 semanas) - Performance

• Issue 5.1: Caching Modelos ML
• Issue 5.2: Procesamiento Asíncrono
• Issue 7.1: Metrics y Logging

Sprint 5 (2 semanas) - Documentación y Refinamiento

• Issue 8.1: Guía de Usuario
• Issue 8.2: API Documentation
• Issue 1.4: Linting
• Issue 9.2: Validation

Sprint 6 (2 semanas) - ML Improvements

• Issue 6.1: Training Pipeline
• Issue 6.3: Multi-language Support
• Issue 6.4: Confidence Calibration

---

📊 Priorización

🔴 ALTA Prioridad (Hacer primero)

1. Tests (Issues 1.1, 1.2, 1.3)
2. Migración DB (Issue 2.1)
3. API básica (Issues 3.1, 3.2)
4. UI básica (Issues 4.1, 4.2)
5. Documentación usuario (Issue 8.1)
6. Seguridad (Issue 9.2)

🟡 MEDIA Prioridad (Hacer después)

7. Optimización (Issues 5.1, 5.2, 5.3, 5.4)
8. API avanzada (Issue 3.3)
9. ML improvements (Issues 6.3, 6.4)
10. Monitoreo (Issues 7.1, 7.2, 7.3)
11. Seguridad avanzada (Issues 9.1, 9.3)

🟢 BAJA Prioridad (Nice to have)

12. Webhooks (Issue 3.4)
13. Active Learning (Issue 6.2)
14. i18n (Issue 10.1)
15. Guías avanzadas (Issues 8.3)

---

📈 Métricas de Éxito

Cobertura de Tests

• Target: >90% para código crítico
• Target: >80% para código general

Performance

• AI Scan time: <2s por documento
• API response time: <200ms
• UI load time: <1s

Calidad

• Zero linting errors
• Zero security vulnerabilities
• API uptime: >99.9%

User Satisfaction

• User feedback: >4.5/5
• AI suggestion acceptance rate: >70%
• Deletion request false positive rate: <5%

---

🎯 Conclusión

Este plan de mejoras cubre todos los aspectos necesarios para llevar el AI Scanner de PRODUCTION READY a PRODUCTION EXCELLENCE. La implementación de estos issues transformará el sistema en una solución robusta, escalable y amigable para el usuario.

Total Estimado: ~60-80 días de desarrollo (3-4 meses con 1 desarrollador)

Épicas: 10
Issues: 35+
Prioridad Alta: 8 issues
Prioridad Media: 18 issues
Prioridad Baja: 9 issues