FlowRider

Inspiration

La complejidad de las páginas bancarias y la dificultad para encontrar información valiosa. Casos concretos, como la consulta de datos personales o las instrucciones para completar trámites bancarios.

What it does

Transforma la interacción entre el usuario y un asistente virtual, al mismo tiempo cambiando las reglas de cómo puede brindar ayuda el mismo asistente. Brinda una mejor experiencia para el usuario que busca datos particulares dentro de los portales bancarios.

How we built it

Empezamos con un framework compuesto por Node, React y Tailwind, los cuales establecieron las bases para el funcionamiento tanto del backend como del frontend. Con la ayuda de Node, se establecieron las dependencias y archivos necesarios para hacer uso de las APIs, en nuestro caso, Gemini API, nuestra elección del modelo LLM, y ElevenLabs, reconocimiento de voz. Finalmente, usamos Typescript para definir los componentes visuales.

Accomplishments that we're proud of

Integración de tecnología Speech-to-Text con ElevenLabs para complementar la experiencia del usuario. La aplicación puede interpretar lo que dice el usuario y alimentarlo al modelo LLM para transformar la interfaz de usuario, tal como mejor le sirve.

What we learned

Integración de inteligencia artificial para transformar los elementos visuales de una aplicación. La inteligencia artificial no solo sirve para trabajar en el backend de una aplicación, sino que también puede ofrecer varias soluciones a los elementos gráficos al frente de la misma, tal como lo es la creación de una interfaz dinámica.

What's next for FlowRider

Al momento, FlowRider se enfoca en el área de seguros, pero los usuarios pueden sacar mejor provecho de la aplicación en otros casos como inversiones, banca personal, crédito, pagos y educación financiera.