El incidente principal fue una falla de rendimiento crítica durante una demostración en vivo, causada por una dependencia excesiva de la conectividad de red de larga distancia para un servicio de baja latencia. El sistema RxScanner, diseñado para identificar medicamentos falsos, dependía de un modelo de IA alojado en un centro de datos en Estados Unidos, mientras que el dispositivo se utilizaba en Sudáfrica. La distancia de 14,000 kilómetros, combinada con las limitaciones de ancho de banda y la posible inestabilidad de la red en la región, resultó en tiempos de respuesta inaceptables de más de 5 minutos por escaneo.
La causa raíz fue una decisión arquitectónica que no consideró adecuadamente las limitaciones de infraestructura en los entornos operativos previstos. Aunque el sistema funcionaba en otros países, la demostración en Ciudad del Cabo expuso una debilidad fundamental: la falta de resiliencia ante condiciones de red adversas. Las salvaguardas, si existían, no fueron suficientes para mitigar el impacto de la alta latencia y el bajo ancho de banda, lo que llevó a una experiencia de usuario completamente inaceptable y a la casi falla de una demostración crítica.
Este incidente subraya la importancia de diseñar sistemas distribuidos con una comprensión profunda de sus entornos de despliegue. La centralización del procesamiento de IA en un único centro de datos remoto, sin una estrategia robusta para el edge computing o la operación offline, fue una vulnerabilidad clave. La rápida adaptación a un modelo de 'small AI' local en el dispositivo no solo resolvió el incidente inmediato, sino que también reveló una oportunidad arquitectónica significativa para mejorar la robustez y accesibilidad del producto en regiones con infraestructura limitada.