Laboratorio
Proyectosy desarrolloscon IA.
Proyectos en contacto con usuarios reales, desde flujos comerciales automatizados y herramientas internas de gestión hasta apps de consumo masivo.
Por Alejandro Kikuchi · LinkedIn
Automatización comercial · Workana
Cada lead calificado al llegar y cada reunión de venta evaluada contra el playbook, sin trabajo manual.
Entre los flujos armados para Workana, dos trabajan juntos. Uno califica cada lead que entra por las landings, avisa al equipo y mide cuánto tarda en responder. El otro revisa una vez por semana las primeras reuniones de venta contra el playbook y genera una devolución para cada vendedor. Mejoraron el desempeño del equipo y las tasas de cierre.
La decisión
Dos puntajes separados, uno para la calidad del lead y otro para el desempeño del vendedor en la reunión. Juntos se usan para anticipar el pipeline y mejorar la conversión.
- n8n
- Typeform
- HubSpot
- Calendly
- Fathom
- OpenAI
- Google Drive
- Slack
Flujo 1 · cada lead, al entrar
Formulario
Landings con Typeform
Puntaje
Reglas armadas a partir de datos históricos
¿Agendó?
Cruce con Calendly y el calendario
Aviso al equipo
Por Slack
Tiempo de respuesta
Cuánto tarda el equipo en contestar
Flujo 2 · una vez por semana · más de 20 reuniones
Grabación
Primera reunión, desde Fathom
Rúbrica
8 preguntas de sí o no sobre el playbook
Puntaje y devolución
Un documento por vendedor
Conversación
Una persona la da cara a cara
Software de gestión
Todo el equipo de una inmobiliaria hace tasaciones, informes y presupuestos en una sola plataforma, con el mismo estándar.
Los comerciales cargan los datos de la propiedad y el informe de comercialización sale redactado, con el formato de la inmobiliaria, listo para ajustar y descargar en PDF. En la misma plataforma viven las tasaciones, desde el borrador hasta el informe impreso, una calculadora de gastos de escrituración que además capta contactos desde la web, y los usuarios y permisos de todo el equipo. Menos horas en tareas repetitivas, y cada documento que le llega a un cliente sale con la misma calidad.
La decisión
La IA solo corrige el estilo de un bloque cuando alguien lo pide, con un tope de uso diario. No escribe en el informe por su cuenta, y si una corrección toca una cifra, el sistema la marca.
- Next.js
- React
- TypeScript
- PostgreSQL
- Drizzle
- Better Auth
- OpenAI
- Railway
Un informe de comercialización
Formulario
Datos de la propiedad y del mercado
Texto armado
Editable bloque por bloque
Corrector de estilo
IA, a pedido y con tope diario
Revisión
El agente decide qué queda
PDF A4
Generado en el servidor
Evaluación con IA · Workana
Una evaluación que certifica cuánto se apalanca un profesional en la IA para elevar su productividad.
Una certificación de fluidez en IA, construida para Workana, para los profesionales que presenta a sus clientes. La persona resuelve casos reales en rondas, con un asistente de IA integrado, y después de cada ronda explica sus decisiones a cámara. La plataforma registra cómo trabajó, prepara un borrador de evaluación y emite un certificado que cualquiera puede verificar.
La decisión
En vez de prohibir la IA o vigilar la pantalla, la evaluación la trae integrada y mide el resultado. La IA propone el puntaje; el veredicto lo da una persona.
- Next.js
- React
- TypeScript
- PostgreSQL
- OpenAI
- Whisper
- Railway
Quien rinde
Consentimiento
Antes de grabar nada
Caso con IA
Asistente integrado, en rondas
Respuesta a cámara
Explica lo que decidió
Quien evalúa
Borrador
La IA propone un puntaje
Veredicto
Lo da una persona
Certificado
Con verificación pública
Seguridad
Cada deploy pasa por un guardián que frena cualquier dato privado antes de que salga.
Revisa los archivos que efectivamente se publican, no el código fuente, y frena el deploy si encuentra API keys, source maps, archivos .env, comentarios internos o un import de servidor que se coló en el bundle del navegador. Corre después de cada build en cuatro proyectos y explica cada hallazgo en español y en inglés.
La decisión
Cuando la IA escribe buena parte del código, hace falta algo que revise lo que sale. Y si el chequeo no puede correr, el deploy no sale.
- Node.js
- node:test
$ node --test test/# tests 109# pass 109# fail 0 $ npm run build> node scripts/leak-guard/cli.mjs scanleak-guard scan (119 files, 15 secret needles, 1.2s): 0 blocking, 0 warnings, 0 known (baseline)Nothing new leaks. / No se filtra nada nuevo. # Si algo se filtra, el build se corta:# ✖ BLOCK credential · secret-content · client-import · exposer# ⚠ WARN html-comment · code-comment · name · marker
Automatización
Cada conversación, de una llamada a un audio de WhatsApp, resumida en una sola base de conocimiento.
Llamadas por Zoom o Meet, reuniones en persona y audios de WhatsApp entran por el mismo lugar. Un agente lee cada transcripción junto con lo ya conversado con esa persona y escribe un resumen con lo acordado, los compromisos, la plata y las preguntas abiertas. Todo queda en una sola base, que se consulta antes de una llamada o para armar una propuesta.
La decisión
El audio nunca sale de la computadora, se transcribe ahí mismo y se borra a los 30 días. Lo que queda es el resumen, y una persona lo revisa antes de guardarlo.
- whisper.cpp
- ffmpeg
- Claude Code
- Git
Entra
- Transcripción de una llamada
- Audio de una reunión en persona
- Resumen anterior con la misma persona
Sale: un resumen por conversación
fecha · tipo · contraparte · propósito
precio hablado · quién lo nombró primero
# Qué pasó
# Compromisos
# Plata
# Sus palabras
# Pedidos y señales
# Preguntas abiertas
Procesamiento multimodal
Visión por computadora que reconoce cada diapositiva de una clase grabada y le asigna lo que se dijo mientras estaba en pantalla.
Toma la grabación de una clase y la presentación en PDF, reconoce qué diapositiva está en pantalla en cada momento y ordena la transcripción por diapositiva. Ya procesó trece clases de dos cursos. Sobre ese registro, un paso aparte con IA limpia el texto para estudiar y repasar.
La decisión
Para reconocer diapositivas y transcribir alcanza con visión por computadora y Whisper, corriendo en la computadora. El modelo de lenguaje entra solo para limpiar el texto, y cada cambio riesgoso se revisa.
- Python
- OpenCV
- PySceneDetect
- PyMuPDF
- whisper.cpp
- ffmpeg
Diapositiva 20 · Cómo definir el ICP
- Tomar los mejores clientes actuales
- Buscar patrones
- Criterios de inclusión y exclusión
- Validar
Transcripción de esa diapositiva
# Slide 20 · 00:34:08 → 00:36:08
Si el tuyo es un negocio que ya está funcionando, tenés a favor que podés mirar quién ya te compra y detectarlo. Podés tomar quiénes son tus mejores clientes actuales…
Producto digital
Evaluación, plan personalizado y pagos integrados en una app para hijos que cuidan a sus padres mayores.
Una evaluación de varios pasos arma un plan según cada situación, y un kit pago reúne lo necesario para una emergencia, con cobro por Mercado Pago y acceso que se habilita al confirmarse el pago. Hecha de punta a punta: experiencia, contenido, pagos y deploy.
La decisión
La evaluación y el plan salen de reglas fijas que se pueden revisar una por una, sin IA adentro del producto. La IA se usó para construirlo.
- Next.js
- React
- TypeScript
- PostgreSQL
- Drizzle
- Better Auth
- Mercado Pago
- Railway
El método detrás de estos proyectos, en un workshop.
Llevás un proyecto propio y lo trabajás con el mismo método: elegir bien el problema, simplificarlo hasta la versión más chica que ya sirve y escalar de a poco.