NotChatbot
CRM con IA para ecommerce. Soy el responsable de las métricas del producto y construí Views: dashboards inteligentes que se arman hablándole a una IA.
- Rol
- Full Stack Developer · Responsable de métricas
- Período
- oct 2025 — hoy
- Stack
- Next.js · Convex · TypeScript · Vercel · LLMs
- Link
- notchatbot.com ↗
Demo con datos de ejemplo, recreada a partir del producto.
01 — El problema
Las marcas tienen miles de conversaciones por día, y entenderlas no puede depender de un reporte fijo.
NotChatbot atiende y vende por WhatsApp, Instagram, Mercado Libre, email y chat web. Los datos estaban, pero cada pregunta nueva (¿qué canal vende más?, ¿cuánto resuelve la IA sola?, ¿dónde se traban las consultas?) era un pedido al equipo. Las métricas fijas responden las preguntas de ayer, no las de hoy.
02 — Qué hice
Views: le preguntás a la IA y te arma el dashboard.
- Views: el usuario pide en lenguaje natural lo que quiere ver y la IA arma un dashboard con KPIs, gráficos y tablas
- Dashboards que se guardan, se ajustan conversando (“sumale el mes pasado”) y se actualizan solos con datos nuevos
- La capa de métricas del producto: definiciones, cálculos y consultas que alimentan Views y los reportes
- Funcionalidades full stack con integraciones de IA y de ecommerce, en Next.js y Convex
03 — Decisiones clave
La IA arma la vista, el sistema calcula
El modelo traduce la pregunta en qué métricas mostrar y cómo. Los números salen siempre de las consultas, nunca del modelo.
Una sola definición por métrica
Cada métrica se define una vez y se reutiliza en Views y en los reportes: el mismo número dice lo mismo en todos lados.
Dashboards que se conversan
En lugar de un editor de gráficos, el dashboard se ajusta pidiendo cambios. El que sabe del negocio no necesita saber de datos.
04 — Resultado
Soy el responsable de las métricas de NotChatbot.
Views pasó de idea a funcionalidad del producto, y todo lo que se mide en NotChatbot pasa por la capa de métricas que mantengo.