Nexo Solar

Inspiración

Creamos Nexo Solar porque el seguimiento de una cotización requiere entender al cliente: qué necesita, qué dudas tiene y cuándo está listo para continuar. Queremos ayudar a los agentes comerciales a decidir el siguiente paso sin insistir cuando el cliente necesita tiempo.

Qué hace

Conectamos un portal del cliente con un dashboard para agentes comerciales y analistas.

El cliente solicita una cotización personalizada, comparte información de su proyecto y elige cómo prefiere que lo contactemos. Desde el dashboard revisamos la solicitud, preparamos la propuesta, atendemos dudas y registramos si la venta se concreta o se pierde, junto con su motivo.

Nuestro asistente con Gemini interpreta el historial y prepara recomendaciones y borradores. El backend valida las restricciones de contacto para determinar si corresponde pedir información, resolver una duda, esperar, escalar el caso o dejar de actuar.

También apoyamos el análisis de consumo eléctrico con datos como kWh, periodo del recibo, tarifa y aparatos. Calculamos cifras verificables y señalamos qué información falta para continuar la evaluación.

Cómo lo construimos

Desarrollamos el frontend con React y Vite, y el backend con Node.js y Express. Utilizamos PostgreSQL alojado en Tiger Data para conservar clientes, cotizaciones, eventos y decisiones.

Integramos Google Gemini como asistente, preparamos una integración con n8n para correos y desplegamos la aplicación en Render. También utilizamos ChatGPT/Codex como apoyo durante el desarrollo.

Combinamos la interpretación de Gemini con reglas del backend. Actualmente trabajamos con borradores que revisamos antes de enviar al cliente.

Dificultades que resolvimos

Nuestro principal desafío fue mantener coherencia entre el portal, el dashboard y el asistente. También trabajamos en validar las respuestas de la IA, compartir una base de datos persistente y permitir que cada cliente acceda directamente a su propia cotización.

De qué estamos orgullosos

Construimos un flujo de solicitud, propuesta, seguimiento y cierre. Conservamos el historial y podemos explicar las recomendaciones con evidencia, riesgo y confianza.

Para el reto ByeCode, también procesamos eventos JSONL, ignoramos duplicados y exportamos decisiones que cambian cuando llega información nueva.

Qué aprendimos

Aprendimos que un asistente útil necesita contexto y límites claros. La IA nos ayuda a interpretar y redactar; las reglas verificables permiten controlar las acciones y respetar las preferencias del cliente.

Qué sigue

Queremos evaluar más escenarios, validar el producto con usuarios y mejorar las métricas comerciales. Después de comprobar la calidad de los borradores, avanzaremos hacia una ejecución automática controlada.