Proacty

Landing
Dahsboard
Calendary and Gant
Como Funciona

Inspiration

Proacty nació de la constante frustración de ver equipos luchando contra cuellos de botella invisibles: tareas que se atrasan sin que nadie se dé cuenta hasta que ya es demasiado tarde. Queríamos crear una herramienta que permitiera a los responsables de proyectos detectar esos puntos críticos antes de que afectaran plazos o presupuesto. La idea surgió durante una hackathon dedicada a soluciones de productividad: vimos que, aunque existen muchas plataformas de gestión, pocas ofrecen un enfoque verdaderamente predictivo. Decidimos aprovechar métricas en tiempo real y reglas de negocio para “prever” problemas en lugar de solo “reaccionar” a ellos.

What it does

Monitoreo continuo de flujos de trabajo: Proacty se conecta a tu tablero de tareas (Kanban, listas o sprints) y extrae datos de estado de cada ítem.
Detección temprana de cuellos de botella: Usando reglas configurables (por ejemplo, “si una tarea lleva más de X horas en revisión”), Proacty marca elementos en riesgo.
Alertas y notificaciones proactivas: Cuando detecta un posible retraso, envía alertas vía correo o notificación push (dependiendo de tu configuración) para que el responsable pueda intervenir de inmediato.
Panel de decisiones anticipadas: Un dashboard centralizado muestra gráficas de tendencia, tiempos promedio por etapa y predicciones breves (“estimamos que el módulo de pago se retrasará 2 días si no se reasigna”).
Historial y reportes automáticos: Genera informes semanales donde se analizan patrones de cuellos de botella pasados, facilitando la mejora continua del proceso.

How we built it

Frontend (React + Tailwind CSS)
- Diseñamos una interfaz liviana y responsive con React, aprovechando componentes de Tailwind CSS para acelerar el prototipado.
- Implementamos las pantallas principales: login, dashboard de métricas, vista de reglas y sección de reportes.
Backend (Node.js + Express)
- Montamos un servidor en Node.js que expone un API REST para manejar autenticación, gestión de usuarios y configuración de reglas.
- Desarrollamos endpoints para recibir datos de tareas desde servicios externos (por ejemplo, Jira, Trello o cualquier board que exponga una API).
Base de datos (MongoDB Atlas)
- Empleamos MongoDB en la nube para almacenar datos de usuarios, configuraciones de reglas y registros históricos de tareas.
- Modelamos colecciones que guardan el estado de cada tarjeta/tarea y un log de auditoría para calcular métricas con datos históricos.
Integración de servicios (Firebase Authentication + Cloud Functions)
- Configuramos Firebase Auth para gestionar logins con correo/contraseña y OAuth (Google, GitHub).
- Creamos Cloud Functions que se disparan cuando llega nueva información de un tablero externo; estas funciones validan y normalizan los datos antes de guardarlos en MongoDB.
Motor de alertas (Cron + Redis)
- Utilizamos un job scheduler (cron) en Node.js que revisa cada 5 minutos las tareas en curso y las compara con las reglas definidas.
- Redis funciona como cache temporal para guardar el estado de “alerta enviada” y evitar duplicados. Si una tarjeta cruza un umbral, el motor genera la notificación correspondiente.
Despliegue (Heroku + Netlify)
- El backend se alojó en Heroku para facilitar despliegues automáticos al hacer merge en la rama principal.
- El frontend se sirvió desde Netlify, aprovechando la CDN para tiempos de carga rápidos.

Challenges we ran into

Normalización de datos de múltiples fuentes: Cada herramienta (Trello, Jira, GitHub Projects) tiene su propio esquema de API y nomenclatura para estados. La primera versión de Proacty tardó varios días en adaptarse a esos formatos y validar la información correctamente.
Definición de reglas flexibles: Necesitábamos permitir que los usuarios configuraran umbrales (por ejemplo, “X horas en revisión” o “Y tareas asignadas a una misma persona”). Lograr una interfaz lo suficientemente intuitiva para crear y editar reglas sin caer en complejidad excesiva fue un reto de UX.
Rendimiento del motor de alertas: Al simular flujos de trabajo con cientos de tareas, vimos que el cron se retrasaba. Tuvimos que optimizar consultas en MongoDB, usar índices correctos y cachear estados en Redis para mantener el motor ágil.
Notificaciones eficientes: Al inicio, enviábamos correos cada vez que una tarjeta estaba en peligro. Esto generó “spam” y usuarios saturados de alertas. Ajustamos la lógica para enviar recordatorios espaciados (ej. máximo una alerta cada 24 horas por ítem en riesgo) y ofrecería un canal secundario (notificación push) más ligero.

Accomplishments that we’re proud of

Predicciones funcionales desde el MVP: En la primera demo durante la hackathon, Proacty ya fue capaz de anticipar un retraso en una simulación de proyecto de desarrollo web, permitiendo al equipo reasignar tareas antes de que el sprint colapsara.
Integración multi-herramienta en 72 horas: En tiempo récord, conectamos al menos tres servicios distintos (Trello, Jira y GitHub Projects) y normalizamos datos para que el motor de reglas funcionara sin fallos.
Diseño de UI/UX premiado: El jurado destacó nuestro dashboard como “muy intuitivo y claro” para un producto orientado a toma de decisiones rápidas.
Automatización de reportes semanales: En una semana, Proacty generó automáticamente reportes consolidados que mostraban cuellos de botella recorridos, ahorrando al equipo de QA más de 5 horas de análisis manual.

What we learned

Importancia de la flexibilidad en las reglas de negocio: No todos los proyectos tienen los mismos flujos. Entender qué parámetros son críticos para cada equipo (tiempo en QA, número de asignados, prioridad del ticket) resulta clave para que la herramienta sea útil.
Validación temprana del UX: La gente reacciona mejor cuando puede probar rápidamente la interfaz. En cada iteración, realizamos pruebas con usuarios reales (compañeros de otras startups) y ajustamos colores, textos y flujos de navegación para que “no parezca un montón de datos” sino una guía clara hacia la acción.
Cache + cron = mejor rendimiento: Descubrimos que consultar la base de datos cada pocos segundos era inviable a escala. Con Redis, mantuvimos estados en memoria y las alertas solo consultan MongoDB cuando hay cambios significativos.
Valor de las notificaciones segmentadas: No basta con enviar una alerta; debe estar contextualizada. Aprendimos a enviar mensajes más descriptivos (“Tu tarea ‘Diseño UI’ lleva 3 días en revisión; reasigna a María o incrementa prioridad”) en lugar de avisos genéricos.

What’s next for Proacty

Machine Learning para predicciones avanzadas
- Integrar modelos básicos de regresión que, a partir del historial de un proyecto, sugieran plazos ajustados y prioricen automáticamente tareas en riesgo.
Integración con más herramientas y APIs
- Añadir soporte para Asana, Monday.com, ClickUp y otros sistemas populares de gestión de proyectos.
Aplicación móvil nativa
- Desarrollar apps para iOS y Android (React Native) que permitan a los gerentes recibir alertas y visualizar dashboards desde cualquier lugar.
Colaboración y roles avanzados
- Incluir permisos granularizados: por ejemplo, “solo QA” ve alertas de calidad, “solo DevOps” ve métricas de despliegue, etc.
Gamificación interna
- Premiar a los equipos cuando superen ciertos objetivos (menos cuellos de botella en un sprint, tiempos de revisión óptimos), generando insignias y rankings para fomentar la mejora continua.
Ecosistema de plugins y marketplace
- Permitir que desarrolladores externos creen extensiones: reportes personalizados, integraciones con Slack o Teams, analíticas más profundas, etc.

¡Gracias por conocer la historia de Proacty! Esperamos que esta herramienta marque la diferencia en la forma en que los equipos gestionan su flujo de trabajo y tomen decisiones anticipadas para alcanzar mejores resultados.