Onde:
Plataforma Inmobiliaria con IA
Un marketplace inmobiliario full-stack con capacidades avanzadas de búsqueda por IA, descubrimiento semántico de propiedades y asistencia de chat inteligente. Construido con un enfoque de arquitectura dual moderna que combina APIs REST tradicionales con funciones serverless edge.
Integración con OpenAI
► GPT-4o-mini para chat conversacional con IA y clasificación de intenciones
► API de Visión GPT-4o para análisis automatizado de imágenes de propiedades, extrayendo descripciones visuales detalladas de interiores, exteriores, colores, materiales y características arquitectónicas
► text-embedding-3-small (1536 dimensiones) para embeddings de texto de propiedades
► text-embedding-3-large (3072 dimensiones) para embeddings de imágenes y documentos
► Extracción inteligente de filtros desde consultas en lenguaje natural
► Recomendaciones de propiedades conscientes del contexto
Pipeline de Búsqueda Semántica
► Pipeline de procesamiento de IA multi-etapa con tiempo de respuesta <3s
► Clasificación de intenciones y extracción de filtros en paralelo
► Modo de búsqueda visual para consultas como "casas con pisos verdes" o "propiedades con jardines"
► Integración de búsqueda por proximidad a POI (Puntos de Interés)
► Construcción inteligente de contexto desde coincidencias vectoriales
Salida de Datos Estructurados
► Validación de esquemas con Zod para respuestas de API
► Extracción de filtros type-safe con interfaces TypeScript explícitas
► Respuestas JSON estructuradas desde modelos de IA usando function calling
► Detección determinística de referencias a propiedades ("la primera", "esa")
Base de Datos Vectorial Pinecone
► Tres índices especializados para diferentes tipos de contenido:
► Índice de Propiedades (text-embedding-3-small, 1536 dim): Descripciones, direcciones, características
► Índice de Imágenes (text-embedding-3-large, 3072 dim): Análisis visual de fotos de propiedades
► Índice de Documentos (text-embedding-3-large, 3072 dim): Planos, contratos, certificados
► Búsqueda vectorial paralela en todos los índices
► Filtrado por metadatos (precio, habitaciones, ubicación, amenidades)
► Deduplicación por property_id
► IDs de vectores basados en hash para operaciones idempotentes
Sistema de Generación de Embeddings
► Procesamiento batch automatizado (5 imágenes en paralelo, hasta 50 imágenes por propiedad)
► IDs de vectores determinísticos basados en hash SHA-256 para prevenir duplicados
► Análisis de imágenes con prompts detallados para características exteriores/interiores
► Fragmentación de texto de propiedades con división semántica de oraciones
► Generación async de embeddings fire-and-forget con seguimiento de errores
Orquestador principal de chat IA
► Pipeline de procesamiento de 5 pasos optimizado para rendimiento
► Clasificación de intenciones y extracción de filtros en paralelo
► Coordinación de búsqueda vectorial entre índices de Pinecone
► Generación de respuestas GPT-4o-mini con consciencia de contexto
► Gestión de historial de conversaciones con seguimiento de sesiones
Servicio de generación de embeddings
► Integración de OpenAI Vision API para análisis de imágenes
► Distribución de embeddings multi-índice
► Normalización automática de metadatos
► Procesamiento de texto basado en chunks
► Almacenamiento de documentos en Supabase con generación de previews
Parser de consultas en lenguaje natural
► Clasificación de intenciones (búsqueda, POI, comparar, actualizar_filtros)
► Extracción estructurada de filtros desde lenguaje natural
► Etiquetado de filtros IA (pet-friendly, cocina-moderna, barrio-tranquilo)
► Búsqueda de regiones con matching case-insensitive en base de datos
► Detección de referencias a propiedades
Coordinador de búsqueda semántica
► Generación paralela de embeddings (modelos small + large)
► Búsqueda vectorial multi-índice
► Obtención de propiedades PostgreSQL con filtrado por región
► Deduplicación y scoring de resultados
► Integración de Google Places API para consultas de POI
Google Maps API
► Places API para búsqueda de proximidad a POI
► Geocoding para validación de direcciones
► Cálculos de matriz de distancias
► Estimaciones de tiempo caminando
► Detalles de lugares con ratings y reseñas
Sistema de Arquitectura Dual
API Express.js (Node.js)
► Endpoints REST para operaciones CRUD de propiedades
► Integración JWT + Supabase Auth
► Chat en tiempo real con Socket.io y Redis pub/sub
► Clustering de workers con pools de conexiones por worker
► Protección CSRF y middleware de seguridad
Deno Edge Functions (Supabase)
► Chat IA serverless y búsqueda semántica
► Deployment edge de baja latencia
► Estrategia de caching multi-tier (FIFO en memoria)
► Escalado automático y optimización de cold start
Base de Datos y Almacenamiento
► PostgreSQL con PostGIS para consultas geoespaciales
► Query builder type-safe Kysely
► Connection pooler para escalado en producción
► Supabase Storage para imágenes de propiedades
► Redis para caching y pub/sub
Optimizaciones de Rendimiento
► Caching multi-tier (embeddings: 24h, propiedades: 10min, búsquedas: 5min)
► Procesamiento batch paralelo para embeddings de imágenes
► Inputs de búsqueda con debounce (500ms)
► Prefetching de resultados de consultas al hacer hover
► Persistencia de historial de chat en localStorage
React 19 + TypeScript + Vite
► Patrones modernos de React con hooks
► Desarrollo type-safe con TypeScript estricto
► HMR rápido con Vite
Gestión de Estado
► TanStack Query v5 para estado del servidor
► Actualizaciones optimistas para favoritos y ofertas
► Caching inteligente con configuración staleTime
► URL params como única fuente de verdad para estado de búsqueda
UI y Estilos
► Tailwind CSS para estilos utility-first
► Librería de componentes ShadcnUI + Radix UI
► Sistema de diseño personalizado (fuentes Montserrat, Saira, Inter)
► Diseño responsive con enfoque mobile-first
Funcionalidades Clave
► Búsqueda conversacional potenciada por IA con historial de chat persistente
► Chat de propiedades en tiempo real con Socket.io
► Tarjetas de propiedades interactivas con links clickeables al chat IA
► Búsqueda basada en región y radio
► Modal de filtros avanzados con amenidades y condiciones
► Propiedades favoritas con actualizaciones optimistas
► Sistema de negociación de ofertas
► Programación de visitas
Type Safety
► Cobertura TypeScript de punta a punta
► Tipos de base de datos generados con Kysely
► Validación runtime con Zod
► Configuración estricta de ESLint + Prettier
Build y Deploy
► Path aliases para imports limpios (@/, @controllers/, @services/)
► Configuración basada en environment
► Hot reload en desarrollo
► Clustering en producción con graceful shutdown
Testing y Monitoreo
► Logging detallado en consola en edge functions
► Logging estructurado con Winston en Express
► Tracking de rendimiento (clasificación de intenciones, tasas de cache hit)
► Manejo de error boundaries
► Tiempo de Respuesta IA: <3 segundos end-to-end
► Procesamiento de Embeddings: 5-10 minutos para 50 imágenes (batch paralelo)
► Búsqueda Vectorial: <500ms en 3 índices de Pinecone
► Tasa de Cache Hit: ~70% reducción en consultas repetidas
► Consultas a BD: Type-safe con tiempo de respuesta <100ms
► Chat en Tiempo Real: Entrega de mensajes sub-segundo con Socket.io
1. Chat IA con Memoria - Historial de chat persistente usando localStorage, contexto de referencias a propiedades
2. Búsqueda Visual Semántica - "Mostrame propiedades con cocinas de mármol" usando embeddings de imágenes
3. Regiones en Lenguaje Natural - "Propiedades en Avenidas Novas" auto-completa la selección de región
4. Detección Inteligente de Filtros - Extrae precio, habitaciones, amenidades de consultas conversacionales
5. Links de Propiedades Clickeables en Chat - Navegar a detalles de propiedades directamente desde respuestas IA
6. Embedding Batch Paralelo - Procesar 50 imágenes en 5-10 minutos con deduplicación
7. Búsqueda Vectorial Multi-Índice - Combina embeddings de texto, imagen y documentos para resultados completos
8. Inteligencia de Proximidad a POI - "Propiedades cerca de hospitales" con cálculos de distancia caminando
SugarSync:
Ecosistema de gestión de diabetes potenciado por IA enfocado en nutrición personalizada, insights de glucosa y colaboración médico-paciente.
App multiplataforma
► Construida con React Native, Expo y TypeScript para iOS y Android
► Flujos para registro diario de comidas, lecturas de glucosa y actividad física
► UX mobile-first para entrada rápida, recordatorios y seguimiento de progreso
Vistas de paciente y médico
► Experiencias separadas para pacientes y profesionales
► Dashboards para profesionales para revisar tendencias, notas y alertas
► Compartición segura de registros para seguimiento remoto
Inteligencia nutricional y de alimentos
► Integración con APIs de USDA y Edamam para macronutrientes y conteo de carbohidratos
► Entrada de alimentos por voz y texto para registro más rápido
► Normalización de ingredientes y porciones en datos nutricionales estructurados
Insights predictivos de glucosa
► Embeddings de Pinecone + OpenAI para correlacionar comidas, actividad e historial de glucosa
► Recuperación estilo RAG de días/comidas similares para sugerir riesgo o respuesta esperada
► Sugerencias inteligentes para timing y composición de comidas basadas en patrones históricos
Plataforma Supabase
► Esquema PostgreSQL para usuarios, profesionales, registros, alertas y recomendaciones
► Row Level Security (RLS) para aislamiento estricto de datos multi-tenant
► Supabase Auth para gestión de cuentas y manejo de sesiones
Edge Functions para IA
► Supabase Edge Functions (Deno) para orquestar llamadas a OpenAI y consultas a Pinecone
► Pipelines serverless para análisis nutricional y generación de insights de glucosa
► Salidas JSON estructuradas validadas con Zod para APIs type-safe
Mentalidad de seguridad y compliance
► Flujos de datos modelados siguiendo principios tipo HIPAA (mínimo privilegio, auditabilidad)
► Separación de datos tipo PHI de metadatos de analytics
► Almacenamiento encriptado para información sensible donde aplique
1. Conteo de carbohidratos asistido por IA vía USDA/Edamam con entrada por voz
2. Espacio de trabajo compartido médico-paciente con contexto histórico y notas
3. Tarjetas de insights predictivos para "riesgo del día" basado en días anteriores
4. Recomendaciones event-driven corriendo en Edge Functions serverless
5. Arquitectura multi-tenant protegida con RLS lista para pilotos clínicos
Spark n Co:
En este proyecto, contribuí a integrar una solución de chat potenciada por IA usando OpenAI y DeepSeek para automatizar y agilizar la gestión de tickets de Jira.
El sistema aprovecha procesamiento de lenguaje natural avanzado para interpretar consultas de usuarios en tiempo real, generando tickets automáticamente, creando reportes de incidentes y despachando notificaciones sin intervención manual.
Pursuit:
Lideré el desarrollo de una app móvil usando React Native y Expo, que integra Supabase para servicios de backend y autenticación.
También implementé un modelo de Retrieval and Augmented Generation (RAG) con Pinecone para almacenar planes de entrenamiento y nutrición personalizados basados en los datos personales de cada usuario, todos generados con un modelo de IA de OpenAI.
La app combina IA, salida de datos estructurados y análisis de datos para proveer recomendaciones personalizadas que optimizan el rendimiento individual y el bienestar general.
En el proceso, entrené al equipo en:
► APIs de modelos de IA generativa, conteo de tokens basado en costos, inyección de contexto, gestión de estructura de prompts y salida de datos estructurados.
► Creé embeddings y funciones de similitud para generar recomendaciones y búsquedas por similitud.
► Creé Supabase edge functions usando Deno.js y las optimicé para interactuar con los tiempos de request de OpenAI.
Rentscape:
Desarrollé una funcionalidad dentro de la plataforma Rentscape que presenta una solución de chat potenciada por IA.
Este sistema aprovecha la interacción de chat con IA combinada con function_calling y salida de datos estructurados para generar datos precisos mientras la IA obtiene datos con cada mensaje.
Esos datos se usan para generar embeddings y realizar búsquedas en Pinecone de las mejores propiedades en alquiler.
La solución ofrece una experiencia de búsqueda intuitiva y personalizada basada en un cálculo matemático, agilizando el proceso de toma de decisiones en el mercado inmobiliario.
En el proceso instruí al equipo en lo siguiente:
► Uso de modelos de razonamiento de IA que permiten function_calling y salida de datos estructurados al mismo tiempo.
► Gestión de bases de datos vectoriales y creación de clientes para Pinecone usando Edge functions de Supabase con Deno
Las responsabilidades son: Pre-seleccionar nuevos Teaching Assistants. Entrenarlos en habilidades blandas. Realizar role-plays, donde los candidatos pre-seleccionados participan en una situación simulada. Finalmente elegir a los finalistas, quienes estarán a cargo de los estudiantes entrantes al bootcamp de Henry.
Desarrollar una página dinámica usando AWS (DynamoDB, S3, Lambda), NextJs, Zustand, Tailwind, MaterialTailwind. Integrar sistema de markdown de texto enriquecido y gestión de archivos multimedia. Autenticación con token y formularios controlados. Desarrollar con metodologías SCRUM, ejercitar GitFlow, coordinar con tablero de tareas de Notion. Optimizar la funcionalidad del sitio, lograr interfaz de usuario ágil y dinámica, lograr estética atractiva según estándares de página principal y representativa de una empresa que provee servicios tecnológicos. Proponer ideas creativas y soluciones para mejora de procesos.
Tareas principales: Coordinar un grupo de nuevos estudiantes durante toda la experiencia del bootcamp. Guiar a los estudiantes en los primeros pasos del curso y aclarar sus dudas. Proporcionar asistencia en la resolución de ejercicios y fomentar el trabajo en equipo (Pair Programming). Sugerir ideas para mejorar los procesos del Bootcamp. Promover la colaboración y construir comunidad entre los estudiantes.
En esta posición, inicié un proyecto fullstack desde cero, como parte de mi propio proyecto de bootcamp, usando React, Redux, Html y Css para el frontend; node.js y express con morgan como middleware para el backend, con el desafío de una API defectuosa, con caídas frecuentes, y actualizaciones que cambiaban la estructura, aquí aprendí cómo crear mi propia API en github para hacer solicitudes de soporte, y estructurar el código para el manejo adecuado de errores y para funcionar ya sea que la API esté caída o no.
Comencé integrando los conocimientos del bootcamp en el frontend como React, Redux, Html y Css y en el backend con express en un proyecto integrador del bootcamp, el cual fue modificado de varias formas a lo largo del bootcamp mismo, avanzando en la parte funcional, y en las tarjetas es posible ver el progreso visual.
Programé, actualicé y reparé impresoras 3D FDM
Un marketplace inmobiliario full-stack con capacidades avanzadas de búsqueda por IA, descubrimiento semántico de propiedades y asistencia de chat inteligente. Construido con un enfoque de arquitectura dual moderna que combina APIs REST tradicionales con funciones serverless edge.
Una app multiplataforma de gestión de diabetes impulsada por IA, enfocada en nutrición personalizada, insights de glucosa y colaboración médico-paciente. Construida con React Native, Expo y Supabase, integra APIs de USDA y Edamam para conteo de carbohidratos, registro de alimentos por voz y análisis nutricional estructurado. Usando OpenAI y Pinecone, SugarSync correlaciona comidas, actividad y datos históricos de glucosa para mostrar insights predictivos y tarjetas de "riesgo del día", todo sobre un backend seguro multi-tenant protegido con RLS listo para uso clínico.
Una aplicación móvil desarrollada con React Native y Expo, integrando Supabase para servicios de backend y autenticación, y utilizando OpenAI. Implementa un modelo de Retrieval Augmented Generation (RAG) con Pinecone para generar planes de entrenamiento y nutricionales personalizados basados en los datos personales de cada usuario. La aplicación combina IA y análisis de datos para proporcionar recomendaciones personalizadas que optimizan el rendimiento individual y el bienestar general.
Una integración dentro de la plataforma Rentscape que presenta una solución de chat impulsada por IA. Este sistema aprovecha el chat interactivo combinado con function calling para generar datos precisos, que luego se utilizan para realizar búsquedas en Pinecone de las mejores propiedades en alquiler. La solución ofrece una experiencia de búsqueda intuitiva y personalizada, agilizando el proceso de toma de decisiones en el mercado inmobiliario.
Blog dinámico entregado para incorporación al sitio web de la empresa. Colaboración entre estudiantes aplicando la metodología "scrum". Interfaz de usuario construida en Next.js 13, con implementación de Zustand para gestión de estado global. Servidor construido en AWS Lambda, configurando AWS Api Gateway como trigger de eventos. Sistema de almacenamiento de imágenes en AWS S3 Buckets.
App desarrollada con React Native y Expo usando la API de Pokemon, para mostrar información sobre pokemon. La persistencia de datos se maneja con la librería AsyncStorage.
Desarrollé una app con React Native CLI y TypeScript para ver las imágenes tomadas por el telescopio Hubble proporcionadas por la API 'Astronomy Picture of the Day' de NASA.
App desarrollada con React Native Expo y Tailwind es una herramienta simple pero efectiva para mejorar la productividad. Con una interfaz minimalista y fácil de usar, esta aplicación permite a los usuarios dividir su tiempo en períodos de trabajo y descanso usando la técnica Pomodoro.
Mi nombre es <Joaquín Emanuel Lizarraga />, pero mis amigos me llaman Ema. Escribí mi primer programa en un PIC usando un grabador PIC en C cuando tenía 14 años. Después de eso, pasé a Arduino, construyendo sistemas de domótica y robótica con IoT. Ahora, creo aplicaciones que interactúan con sensores y aprovechan la IA.
Actualmente, estoy desarrollando SugarSync, una app para el control y manejo de la diabetes que permite a los usuarios leer datos de varias marcas de sensores, registrar su consumo de carbohidratos y mantener un registro completo accesible para sus médicos.
Entre mis logros más orgullosos está mi experiencia durante el bootcamp de Henry, donde fui elegido como Teaching Assistant. Guié y apoyé a los nuevos ingresantes del bootcamp a través de un camino intensivo hasta la graduación, logrando una tasa de éxito del 100%. Hoy, soy un desarrollador especializado en implementaciones de IA para aplicaciones móviles, trabajando en proyectos innovadores que integran soluciones de chat impulsadas por IA, gestión automatizada de tickets y otras tecnologías de vanguardia.
