KAPHIY
Pedidos por chat con IA para una cafetería, en producción


Pedidos por chat con IA en Praliné Coffee House, con un panel de cocina en tiempo real y registro de ventas en el ERP.
- Año
- 2026
- Contexto
- Praliné Coffee House, Baños de Agua Santa
- Equipo
- 4 personas
- Código
- GitHub
- pruebas automatizadas
- 165
- versiones publicadas con SemVer
- 11
- integraciones: IA, tiempo real y ERP
- 3
- accesibilidad del panel de cocina
- WCAG 2.1 AA
El sistema
El comensal escanea el QR de su mesa y pide desde una PWA conversando con un agente basado en Gemini, que interpreta lenguaje natural y arma el pedido. La cocina lo recibe al instante en un panel en tiempo real por WebSocket, y cada venta se registra en el ERP contable del cliente para no teclear nada dos veces.
Arquitectura
Decisiones técnicas
En producción, GitHub Actions ejecuta 165 pruebas antes de fusionar cambios. Los contratos entre módulos y el pipeline de CI/CD permiten repetir el despliegue.
Qué hace
- El comensal escanea el QR de su mesa y pide por chat, escribiendo o por voz.
- Un agente con Gemini 2.0 Flash, orquestado con n8n, interpreta el pedido y lo arma contra el menú real.
- La cocina ve cada pedido al instante en un panel (KDS) conectado por Socket.IO, con su estado.
- Cada venta se registra en el ERP contable del cliente (Contífico) sin volver a teclearla.
- PWA instalable con Serwist y panel de cocina accesible (WCAG 2.1 AA), en TypeScript estricto sin errores.
- 165 pruebas: 92 en el backend (Jest y Supertest), 28 en la PWA (Vitest y MSW) y 45 en el panel (Vitest, Playwright y axe).
- 11 versiones publicadas con SemVer, de la v0.1.0 a la v1.1.0, desplegadas en Vercel y Neon.
Un reto concreto
Pedidos que llegaban con cinco horas de desfase
Las horas de los pedidos aparecían desplazadas cinco horas en el panel de cocina: las columnas eran TIMESTAMP sin zona horaria y el servidor no estaba en la hora de Ecuador. Se migraron a TIMESTAMPTZ con un script versionado (002_fix_timestamps_tz.sql): la base guarda el instante absoluto y cada pantalla lo muestra en su hora local.
Capturas
La PWA del comensal: el menú de Praliné y la entrada al chat con el agente. El panel de cocina (KDS): pedidos por mesa, en tiempo real. La suite de pruebas del panel de cocina, en verde.
Mi parte
Backend: modelado de datos con Prisma, la API y la lógica de pedidos, el canal de tiempo real y la integración con el agente conversacional. En un equipo de cuatro (ARKASYS), durante 14 semanas.
Stack
- NestJS
- Prisma
- PostgreSQL
- Next.js
- Socket.IO
- Gemini API
- n8n
- Docker
- GitHub Actions
