🎯 DecisionLab AI

Simulador de formación profesional con IA para empresas B2B
Entrena respuestas reales ante situaciones de cliente, ventas, gestión de conflictos y reputación corporativa.

---

🎬 Demo

🚀 Ver demo en producción (añadir tras deploy)

---

💡 Problema que resuelve

La formación corporativa tradicional es teórica, abstracta y poco práctica. Los empleados aprenden de manuales que no se parecen a las situaciones reales que enfrentan cada día: clientes enfadados, dilemas éticos, presión de venta, errores que escalan.

Coste real del problema:

• Una mala respuesta de un comercial inmobiliario puede acarrear sanciones LMV
• Un camarero defensivo ante una alergia mal gestionada genera demanda potencial
• Un asesor financiero que promete rentabilidades viola normativa CNMV

DecisionLab AI simula situaciones realistas, evalúa con criterio experto del sector, y propone mejoras anclados al texto literal del usuario. Es un gimnasio mental para profesionales B2B.

---

✨ Características principales

Característica	Descripción
🎭 Simulaciones realistas	La IA genera escenarios B2B basados en patrones reales del sector indicado
📊 Evaluación rigurosa	Análisis profesional con score 1-10, detección de red flags legales/reputacionales
🎯 Mejoras accionables	Feedback anclado al texto literal del usuario: cita exacta + por qué falla + cómo reformular
🎙️ Dictado por voz	Web Speech API con feedback visual en tiempo real
📈 Informe ejecutivo final	Análisis agregado tras 5-10 preguntas: fortalezas, gaps críticos, readiness profesional
🌐 Multi-sector	Hostelería, ventas, banca, salud, retail, atención al cliente
⚡ Multi-pregunta	Quizzes de 5 o 10 situaciones, escalable

---

🛠️ Tech Stack y decisiones

Backend

• Node.js + Express 5 → API REST simple, eficiente
• OpenAI SDK 6.35 → gpt-4o-mini (generación) + gpt-4o (análisis crítico)
• dotenv → Gestión segura de API keys
• CORS + express.static → Sirve frontend y API desde un solo servidor

Frontend

• HTML5 semántico → <main>, <section>, accesible
• CSS Custom Properties → Sistema de diseño con variables, dark mode B2B
• JavaScript Vanilla (sin frameworks) → SPA con state management manual
• Web Speech API → Reconocimiento de voz nativo del navegador

¿Por qué Vanilla y no React?

Decisión consciente:

• Es un MVP, no necesita virtual DOM
• Bundle 0kb vs ~40kb React
• Demuestro fundamentos sin depender de frameworks
• Más portable y rápido

---

🏗️ Arquitectura

┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐ │ Navegador │ ──────> │ Express Server │ ──────> │ OpenAI API │ │ (Frontend) │ <────── │ (Backend) │ <────── │ (gpt-4o-mini / │ │ │ │ │ │ gpt-4o) │ └──────────────────┘ └──────────────────┘ └──────────────────┘ │ │ │ │ 3 Vistas SPA 3 Endpoints REST

Configuración - POST /api/generate-quiz Quiz multi-step - POST /api/analyze Resumen ejecutivo - POST /api/final-summary

Estructura del proyecto

decisionlab-ai/ ├── frontend/ │ ├── index.html # SPA con 3 vistas │ ├── style.css # Design system B2B con CSS variables │ └── script.js # State management + lógica vanilla JS ├── backend/ │ ├── server.js # Express + endpoints + prompts │ ├── package.json # Dependencias backend │ └── package-lock.json ├── .env # Variables de entorno (NO subir a git) ├── .gitignore └── README.md

---

🔌 API Endpoints

POST /api/generate-quiz

Genera N situaciones realistas adaptadas al contexto.

Request:

{
  "context": "Camarero en restaurante de Madrid",
  "difficulty": "Media",
  "questionCount": 5
}

Response:

{
  "questions": [
    {
      "id": 1,
      "situation": "Estás en un restaurante a las 21:30...",
      "customerMessage": "Mira, llevo 25 minutos esperando...",
      "question": "¿Qué le respondes / haces ahora?",
      "skill": "Gestión de quejas con menores presentes",
      "difficulty": "Media"
    }
  ]
}

POST /api/analyze

Análisis profundo de una respuesta individual.

Request:

{
  "userResponse": "Le diría que tenga paciencia...",
  "situation": "...",
  "customerMessage": "...",
  "question": "...",
  "context": "Camarero en restaurante",
  "skill": "Gestión de quejas"
}

Response:

{
  "score": 5,
  "tone": "Defensivo y poco empático",
  "risks": "Tu frase 'tenga paciencia' minimiza la frustración del cliente",
  "improvements": "1. Tu frase X falla porque Y. Reformula: Z. 2. ...",
  "betterAnswer": "Veo que llevas 25 minutos esperando y tu hijo está al límite..."
}

POST /api/final-summary

Informe ejecutivo agregado tras completar el quiz.

Response:

{
  "overallLevel": "En desarrollo",
  "averageScore": 6.4,
  "strengths": "Buena escucha activa en escenarios calmados...",
  "criticalGaps": "Bajo control bajo presión emocional...",
  "nextSteps": "Practicar gestión de menores y quejas escaladas",
  "professionalReadiness": "Aún no listo para turnos en hora punta"
}

---

🚀 Cómo ejecutar en local

Prerequisitos

• Node.js 20+
• API key de OpenAI con créditos

Instalación

# 1. Clonar el repositorio
git clone https://github.com/Piitboy90/decisionlab-ai.git
cd decisionlab-ai

# 2. Instalar dependencias del backend
cd backend
npm install
cd ..

# 3. Configurar variables de entorno
echo "OPENAI_API_KEY=sk-proj-xxxxx" > .env
echo "PORT=3000" >> .env

# 4. Arrancar servidor
cd backend
npm start

Abre http://localhost:3000 en el navegador.

---

🔐 Variables de entorno

Crea un archivo .env en la raíz del proyecto:

OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxx
PORT=3000

⚠️ Nunca subas el .env a GitHub. Está en .gitignore por defecto.

---

🧠 Decisiones de Prompt Engineering

1. Modelos diferenciados por tarea

Endpoint	Modelo	Por qué
/generate-quiz	gpt-4o-mini	Tarea creativa con plantilla clara, 10x más barato
/analyze	gpt-4o	Razonamiento profundo y detección de matices legales
/final-summary	gpt-4o	Síntesis ejecutiva precisa

2. Temperature ajustada

• 0.9 en quiz → variedad creativa de situaciones
• 0.85 en análisis → balance entre rigor y respuestas humanas
• 0.6 en resumen → informe preciso, no creativo

3. Anchoring + Counter-example en feedback

El prompt fuerza a la IA a:

• Citar literalmente las palabras del usuario
• Mostrar antes/después concreto
• Detectar contexto legal del sector cuando aplica
• Dar la frase sustitutiva exacta, no consejos abstractos

Antes (genérico): "Sé más empático con el cliente."
Ahora (anclado): "Tu frase 'tenga paciencia' minimiza la frustración. Sustituye por: 'Veo que llevas 25 minutos esperando, eso no es aceptable. Voy a la cocina ahora mismo'."

4. Persona dinámica del evaluador

El sistema cambia la "persona" de la IA según el sector:

• Hostelería → Director de F&B 5 estrellas
• Inmobiliaria → Broker senior con conocimiento LMV
• Banca → Asesor con conocimiento MiFID II / CNMV
• Salud → Médico con experiencia en bedside manner

Esto hace que el feedback sea técnicamente preciso al sector, no genérico.

---

📚 Lecciones aprendidas (Postmortem técnico)

Construir DecisionLab AI fue un proceso iterativo. Estos son los errores reales que cometí y aprendí a no repetir:

1. Estructura de carpetas tardía

Error: En la primera versión, mezclé frontend y backend en la raíz. Tuve que reorganizar a media construcción.
Aprendizaje: Definir estructura ANTES de la primera línea de código. Cinco minutos de planning ahorran horas de refactor.

2. URLs hardcodeadas en frontend

Error: Hardcodeé localhost:3000 en el código del frontend. Al deployar, todo se rompió.
Aprendizaje: Usar window.location.origin para auto-detectar el host. El mismo código funciona en local y producción.

3. Caracteres unicode invisibles

Error: Al copiar/pegar URLs entre apps, se colaron caracteres cirílicos (і vs i) que rompían fetch sin error visible.
Aprendizaje: Validar siempre los strings críticos. Cuando algo "debería funcionar y no funciona", revisar caracteres invisibles.

4. Olvido del "type": "module" en package.json

Error: npm init no añade "type": "module". Sin esa línea, los import modernos fallan con error críptico.
Aprendizaje: Editar package.json inmediatamente después de npm init.

5. Live Server vs servidor Node

Error: Confundí localhost:5500 (Live Server de VS Code) con localhost:3000 (mi servidor). Pasé tiempo debuggeando un fetch que llamaba al servidor equivocado.
Aprendizaje: Cuando trabajo con backend Node, apago Live Server para evitar confusión.

6. Modelo equivocado para análisis crítico

Error: Empecé usando gpt-4o-mini para todo. Los análisis salían superficiales.
Aprendizaje: Diferenciar modelos por tarea. El "mini" es bueno para creatividad con plantilla; el "4o completo" es necesario para razonamiento crítico. La diferencia de coste se justifica en B2B.

7. Prompts genéricos producen feedback genérico

Error: El primer prompt decía "da feedback constructivo". La IA generaba consejos vacíos tipo "sé más empático".
Aprendizaje: El prompt debe forzar especificidad. Anclar a citas literales, mostrar antes/después, detectar contexto legal. Esto eleva la calidad del output ~10x.

8. Saber parar también es senior

Error en otro proyecto previo (ClaroMayor): Construí 3 semanas sin validar. Al testear con usuarios reales descubrí que el target rechazaba el formato.
Aprendizaje aplicado aquí: Definí kill criteria al inicio. Validé el patrón de simulación antes de invertir en multi-pregunta.

---

🗺️ Roadmap futuro

v2.0 (próximos 30 días)

• Persistencia: guardar resultados de quizzes en base de datos
• Autenticación de usuarios (signup/login)
• Histórico de evaluaciones por usuario
• Dashboard de progreso individual

v3.0 (mid-term)

• Modo multi-jugador (sesiones de equipo)
• Comparativas anonimizadas con peers del mismo sector
• Exportación de informes a PDF
• Integración con LMS corporativos (SCORM)

v4.0 (B2B enterprise)

• Custom branding por cliente
• API para integraciones HR (Workday, BambooHR)
• Analytics de equipo para managers
• Voz bidireccional (TTS para escenarios inmersivos)

---

👤 Autor

Peter Siteng Tumpap
Profesional de hostelería en transición a AI Implementation Specialist.
12+ años de experiencia operativa en hoteles de Madrid (Jefe de Sector).
Aprendiendo a construir productos de IA aplicados a sectores que conozco a fondo.

• 🌐 LinkedIn: [Tu LinkedIn]
• 📧 Contact: petersiteng_90@hotmail.com
• 💻 GitHub: @Piitboy90

---

📜 Licencia

MIT License - ver LICENSE para detalles.

---

🙏 Reconocimientos

• OpenAI por la API que hace posible esto
• Express y la comunidad Node.js
• Anthropic Claude como mentor de aprendizaje durante el desarrollo
• Mi pareja y mis hijos por la paciencia durante las sesiones nocturnas de código

---

⭐ Si te ha gustado el proyecto, dale una estrella en GitHub.