girls.js

Inspiration

Nuestra inspiración nace de recorrer las calles de México y ver el esfuerzo diario de los tenderos, quienes representan el corazón de nuestras comunidades. Quisimos fusionar esa calidez y tradición del comercio local con el poder de la inteligencia artificial, transformando las icónicas corcholatas que todos conocemos en Tualito IA: un aliado estratégico para asegurar que sus negocios sigan prosperando frente a los retos del futuro

What it does

Tuali AI es un asistente comercial inteligente y asistente de voz de nivel institucional integrado en la plataforma de Arca Continental. Diseñado específicamente para modernizar y optimizar la operación diaria de las tiendas de abarrotes tradicionales, el sistema actúa como un copiloto interactivo para el tendero.

A través de un procesamiento de lenguaje natural avanzado y una interfaz gráfica de alta fidelidad, la aplicación monitorea el contexto del usuario (como la pantalla activa en la que navega, el historial comercial de stock y las condiciones climáticas en tiempo real de Durango). Con estos datos, genera recomendaciones proactivas y alertas críticas (como quiebres de stock o sugerencias de abastecimiento ante olas de calor) para impulsar las ventas y facilitar la toma de decisiones comerciales sin fricciones.

How we built it

La arquitectura del sistema se dividió en un ecosistema robusto de backend y frontend:

Backend Corporativo: Construido con Python y un servidor web optimizado que integra python-dotenv para la gestión segura de variables de entorno y credenciales de producción.

Inteligencia Artificial y Datos: Consumo directo de la API de Google Gemini para el modelado de instrucciones formales del sistema y la orquestación del lenguaje, sincronizado con la API de OpenWeatherMap para la inyección de metadatos climáticos dinámicos.

Frontend Avanzado: Diseñado desde cero utilizando HTML5, CSS3 moderno (con efectos de Glassmorphic/bocadillos translúcidos) y JavaScript nativo, estructurando un catálogo de productos premium con microinteracciones y botones interactivos optimizados mediante vectores SVG para el control de audio continuo.

Challenges we ran into

Uno de los mayores desafíos fue lograr la sincronización asíncrona perfecta entre las distintas fuentes de datos en el endpoint del chat (/api/tuali-chat). Lograr que el modelo de IA procesara al mismo tiempo el estado de la pantalla del usuario, la base de datos simulada del historial del cliente y los cambios climatológicos bruscos requirió una reestructuración profunda de las promesas en el código.

A nivel de entorno local, lidiar con la persistencia de configuraciones de Git, la administración de PATHs en Windows para la consola y evitar que el navegador almacenara en caché estilos e imágenes corruptas durante las pruebas de diseño UI/UX representó una importante curva de aprendizaje técnico.

Accomplishments that we're proud of

Estamos profundamente orgullosos de haber desarrollado una interfaz limpia, sofisticada y realista que se aleja por completo de un prototipo escolar común para lucir como una herramienta de software empresarial lista para producción.

Lograr que el sistema emita notificaciones proactivas automatizadas basadas en factores externos (como el clima local) simula el comportamiento de un analista de datos real al servicio de un pequeño comerciante. Además, la estabilidad lograda al unificar las llamadas de las 4 APIs principales en un repositorio de GitHub limpio y funcional representa un hito técnico clave para nuestro equipo.

What we learned

Este proyecto reforzó la importancia del control de versiones estricto y la organización de la arquitectura de software. Aprendimos que el diseño visual (UI/UX) es tan crítico como la lógica del backend: una tarjeta de producto con imágenes de alta definición y un escalado suave cambia por completo la confianza que el usuario deposita en una aplicación. Asimismo, profundizamos en la gestión segura de entornos locales a través de archivos .env, comprendiendo los protocolos profesionales para no exponer credenciales secretas en servidores remotos.

What's next for girls.js

El siguiente paso para el proyecto es la transición de las simulaciones locales a un entorno en la nube completamente escalable. Planeamos integrar bases de datos relacionales en producción para manejar historiales de miles de clientes en tiempo real, refinar el motor de reconocimiento de voz continua para entornos con alto ruido ambiental (típico de una tienda física) e implementar modelos predictivos de Machine Learning más robustos que permitan anticipar la demanda de inventario con semanas de antelación. Tambien queremos expandir nuestra IA por toda la aplicacion, siendo asi que ella maneje toda la informacion y el tendedero solo le de instrucciones, generando mas ganancia ya que Tualito le dara mejores recomendaciones.