VeriMatChain AI
Plataforma de verificación multimodal impulsada por inteligencia artificial diseñada para combatir la desinformación y el contenido sintético mediante análisis semántico, fact-checking RAG, almacenamiento descentralizado en IPFS y atestaciones inmutables sobre Solana. El sistema analiza texto, URLs y audio a través de un pipeline determinístico con hashing SHA-256, razonamiento contextual con Claude AI y evidencia criptográficamente verificable.
Métricas
- Etapas del pipeline
- 6
- Score de riesgo
- 0.0–1.0
- Niveles de riesgo
- 4
- Storage descentralizado
- IPFS
- Blockchain
- Solana
- Hackathon
- Dev3Pack 2026
El problema
El ecosistema digital moderno enfrenta una crisis de integridad informacional sin precedentes: la IA generativa permite producir desinformación a escala industrial, el audio sintético y el voice cloning son indistinguibles del original, y los sistemas de verificación tradicionales carecen de transparencia, inmutabilidad y explicabilidad. No existe una infraestructura abierta que combine razonamiento semántico con evidencia criptográficamente verificable y permanente.
La solución
VeriMatChain AI implementa un pipeline de verificación determinístico de 6 etapas sobre LangGraph: normalización y hashing SHA-256 del contenido, recuperación de evidencia contextual vía RAG con Google Fact Check Tools API, análisis semántico estructurado con Claude AI que evalúa sesgo, retórica manipuladora y claims no verificables, preservación descentralizada de la evidencia completa en IPFS vía Pinata, y atestación inmutable en Solana Devnet usando Program Derived Addresses. Cada verificación produce una cadena de custodia criptográficamente auditable.
Stack técnico
- Frontend
- Next.js 15 · React 19 · TypeScript · TailwindCSS · Zod
- Backend
- Python · FastAPI · LangGraph · Anthropic Claude API · IPFS · Solana · Railway
Desafíos
Diseñar un pipeline LangGraph donde cada nodo opera como una unidad independiente con responsabilidad única, permitiendo observabilidad completa y extensibilidad sin romper el flujo determinístico
Implementar hashing SHA-256 determinístico sobre contenido extraído de URLs con BeautifulSoup, removiendo scripts, anuncios y markup irrelevante para preservar solo el contenido semántico relevante antes del fingerprinting
Construir un sistema de atestaciones en Solana usando Program Derived Addresses que minimice el storage on-chain almacenando solo los artefactos de prueba irreducibles mientras mantiene la evidencia completa off-chain en IPFS
Integrar ElevenLabs AI Speech Classifier para detección de audio sintético como capa adicional del pipeline sin introducir latencia significativa en el flujo principal de verificación de texto y URLs
Calibrar el modelo de scoring de integridad de 0.0 a 1.0 para que funcione como señal asistiva y no como motor de verdad absoluta, comunicando explícitamente las limitaciones del sistema en la interfaz
Aprendizajes
La arquitectura híbrida on-chain/off-chain no es un compromiso sino una decisión de diseño deliberada: las operaciones de IA pesadas permanecen off-chain para reducir costos y latencia, mientras los artefactos de prueba criptográficos van on-chain para garantizar auditabilidad a largo plazo
LangGraph como orquestador de pipelines de IA es superior a encadenamiento secuencial manual porque cada nodo puede ser observado, reiniciado y sustituido independientemente sin afectar el estado global del pipeline
Claude produce análisis semántico más útil cuando el prompt especifica explícitamente las dimensiones a evaluar: sesgo de framing, retórica manipuladora, claims sin atribución, y consistencia contextual, en lugar de pedir una clasificación genérica de veracidad
Solana Devnet con PDAs es una arquitectura de attestation production-ready: los costos son extremadamente bajos, el throughput es suficiente para verificación en tiempo real, y la derivación determinística de addresses elimina la necesidad de índices centralizados