El problema

Un restaurante quería que su carta recomendara platos a cada cliente según lo que le apeteciera, y que no se equivocara nunca con los alérgenos. Las dos mitades del problema tiran en direcciones opuestas. La recomendación pide conversación: el cliente no sabe lo que quiere hasta que se lo preguntas bien. Los alérgenos piden lo contrario: certeza absoluta, sin margen para que el sistema improvise. Y por debajo estaba el problema de siempre — el restaurante ya tenía su programa de gestión y no iba a cambiarlo.

Qué construí

Una plataforma que vendo por suscripción a restaurantes. Genera la carta digital a partir de lo que el restaurante ya tiene y le pone encima un camarero conversacional: el cliente le escribe lo que le apetece, en su idioma, y recibe recomendaciones reales de esa carta, filtradas por sus alergias. La parte que importa es dónde vive el filtro de alérgenos: no en el modelo, sino en los datos. El agente solo puede recomendar entre los platos que el sistema le deja ver, y los que chocan con una alergia declarada no llegan a estar en esa lista. Así el modelo no puede equivocarse en lo único donde equivocarse es grave. Alrededor de eso está el resto del producto: el comensal pide y paga desde la mesa, hay reservas y reparto a domicilio, y todo entra en el sistema de gestión que el restaurante ya usaba en lugar de sustituirlo.

Qué cambió

Está en producción en España, con restaurantes pagando la suscripción. Es mi producto y lo mantengo yo: cuando algo se rompe de madrugada, el que lo arregla soy yo. Tiempo: 2 años · Stack: Vue 3, Node.js sobre AWS Lambda, TypeScript, MongoDB, Socket.io, OpenAI, Stripe, AWS S3.

Vue 3

Node.js

TypeScript

MongoDB

Socket.io

OpenAI

Stripe

AWS