SemantiQ

Who are we?

Eva Ponce (PUCV, Chile)
Emilia Rodríguez (UDD, Chile)
Ignacia Sáez (UDD, Chile)
Paula Vásquez-Henríquez (UDD, Chile)

Inspiration

SemantiQ nació de una idea de una de nuestras integrantes. Cuando la presentó al equipo, empezamos a investigar y nos cambió la forma de pensar en violencia. Descubrimos que existe la violencia económica. Descubrimos que 1 de cada 3 mujeres en LatAm no tiene ingresos propios. Que es la segunda forma de violencia más reportada de la región, pero de las menos visibles.

Lo que más nos impactó fue darnos cuenta de que algunas de nosotras mismas no sabíamos que esto era una forma de violencia. Y si nosotras no lo reconocíamos, ¿cuántas mujeres en la región lo estarán viviendo sin saberlo?

What it does

SemantiQ es una plataforma web con dos funciones centrales:

Primero, informa. La plataforma abre con contenido educativo sobre violencia económica: qué es, cómo se manifiesta en la vida cotidiana, datos de la región, y por qué importa. Queremos que la mujer que llega a SemantiQ entienda el contexto antes de analizar su propia situación.
Después, ayuda a identificar. Cuando la usuaria está lista, puede pegar o subir una conversación de WhatsApp (texto libre, formato simple, o exportación .txt/.zip). Nuestro sistema de IA analiza la conversación y genera un informe estructurado con el nivel de riesgo general, alertas individuales por mensaje y un resumen narrativo del análisis en lenguaje accesible y no alarmista. Tambien la conecta con recursos concretos por país: líneas de ayuda, guías para abrir una cuenta bancaria propia, y educación financiera práctica para Chile, Colombia, Perú, México y Argentina.

How we built it

Construimos SemantiQ con un stack que usa las herramientas del hackathon como features centrales:

Frontend: Generamos la interfaz completa con v0 de Vercel sobre Next.js, React y Tailwind CSS. v0 fue nuestra herramienta principal de desarrollo frontend. Backend: Un servidor FastAPI en Python que orquesta todo el pipeline. Motor de análisis (Featherless AI): Diseñamos un pipeline de tres agentes especializados que procesan la conversación de forma secuencial:

Agente Lector: Detecta señales de alerta en lotes de 40 mensajes, evaluándolos contra una rúbrica de patrones de violencia económica
Agente Revisor: Clasifica cada hallazgo en categorías específicas: control coercitivo, sabotaje laboral, manipulación de deuda, gaslighting financiero, apropiación de ingresos, entre otras
Agente Informe: Genera el reporte final estructurado en JSON con nivel de riesgo, explicaciones y acciones recomendadas

Cada conversación requiere tres llamadas al modelo de Featherless AI con instrucciones especializadas.

Claude de Anthropic nos apoyó en el diseño de la arquitectura del sistema, la iteración de los prompts de cada agente, y la preparación del pitch y materiales de presentación.

Challenges we ran into

Calibrar el tono del análisis fue el desafío más difícil. Originalmente los reportes usaban lenguaje como "violencia detectada", "alerta de peligro", "víctima identificada". Iteramos mucho para llegar a un tono que informe sin alarmar.

Encontrar el balance entre informar y analizar. Al principio la app iba directo al análisis. Pero en las pruebas con conversaciones reales notamos que muchas señales solo tienen sentido si primero entiendes qué es la violencia económica.

Accomplishments that we're proud of

Estamos orgullosas de haber construido un flujo completo en un fin de semana: desde la landing educativa, pasando por el análisis con IA, hasta los recursos por país. No es un mockup, realmente funciona!!!

What we learned

Aprendimos que las herramientas de IA para temas sensibles necesitan un diseño de experiencia cuidadoso. Aprendimos que v0 de Vercel puede acelerar el desarrollo frontend de manera radical.

What's next for SemantiQ

Mejorar la precisión de los agentes. Queremos construir un dataset de conversaciones etiquetadas para medir y mejorar sistemáticamente la precisión. Expandir la base de recursos. Alianzas con ONGs e instituciones.