GATO – CRM Multi-Sede para Gimnasios con Agente de IA
Prototipo SaaS multi-tenant para gestión de prospectos y citas de gimnasios con múltiples sedes, con un agente de IA basado en RAG para WhatsApp — NestJS, PostgreSQL y Redis.
Overview
GATO es un prototipo SaaS multi-tenant para una cadena de gimnasios con varias sedes: captura de prospectos, agendamiento de citas por sede, y un agente de IA respaldado por una base de conocimiento que puede responder preguntas de prospectos y enrutar mensajes (construido sobre módulos messages/webhooks/notifications, consistente con una integración tipo WhatsApp). Cada sede tiene su propia página de agendamiento (/booking/{sede}), con aislamiento de tenant impuesto a nivel de datos.
Arquitectura
La API está construida con NestJS, TypeORM y PostgreSQL, con un TenantSubscriber manejando multi-tenancy a nivel de ORM en vez de filtrado por query. Cerca de 15 módulos backend cubren el CRM principal (gimnasios, prospectos, citas, disponibilidad, usuarios, auth) más un módulo agent con su propio system prompt y definición de herramientas, y un módulo knowledge que implementa RAG (retrieval-augmented generation) sobre una base de conocimiento — así las respuestas del agente están ancladas en información real del gimnasio, no solo en un prompt genérico de LLM. Redis respalda el caché, y el frontend es Next.js (App Router) con Tailwind CSS y shadcn/ui.
Estado
Esto se construyó en una única sesión intensiva como prototipo funcional, no como un producto desplegado — no está en vivo en un dominio público, y el repositorio está preparado para Docker Compose local o despliegue en un droplet propio, no para una demo alojada.
Qué demuestra este proyecto
Aplicar los mismos patrones de UFT (NestJS + TypeORM, multi-tenancy, despliegue dockerizado en un droplet de DigitalOcean) a un dominio distinto, además de un primer acercamiento a integrar un agente LLM con retrieval sobre datos reales del negocio en vez de tratar las "funciones de IA" como una caja negra.