B.L.A.S.T.: motor de inteligencia de ideas de negocio
Motor de inteligencia que extrae casos de Starter Story desde YouTube y los cruza con dolores de LATAM para generar propuestas de negocio validadas.
01 Problema y contexto
Las ideas de negocio suelen nacer de la intuición y morir al primer contacto con el mercado, porque nadie comprueba antes si el problema que resuelven le duele a alguien de verdad. La evidencia existe (hay miles de casos documentados), pero está en formato de vídeo y no se puede cruzar con nada.
Inteligencia de negocios aplicada al análisis de casos de éxito documentados para el desarrollo de oportunidades en el mercado latinoamericano.
02 Solución
Un pipeline de cinco etapas que extrae metadatos y transcripciones de casos de éxito documentados, los cruza con puntos de dolor de Latinoamérica y con el perfil del usuario, y produce propuestas concretas y validables. Cada propuesta queda trazable a los casos reales de los que se derivó, y la ingesta programada mantiene la base creciendo.
- Extracción e Ingesta: scraping de transcripciones y metadatos desde YouTube mediante yt-dlp y YouTube Data API v3 hacia PostgreSQL.
- Modelado e Integración: estructuración de esquemas para incorporar dolores de LATAM y el perfil RPM del usuario.
- Pipeline de Inferencia: implementación de las cinco etapas de razonamiento (Blueprint, Link, Architect, Stylize, Trigger) impulsadas por Google Gemini.
- Generación y Trazabilidad: generación de propuestas de negocio vinculadas directamente con los casos documentados de origen.
- Automatización: configuración de tareas programadas de actualización con APScheduler.
03 Cómo está construido
Sistema que realiza scraping en YouTube para obtener transcripciones y metadatos de casos de éxito de Starter Story. Procesa la información mediante un pipeline de cinco etapas (Blueprint, Link, Architect, Stylize y Trigger) operado por Google Gemini. Cruza los datos extraídos con los dolores del mercado en LATAM y el perfil RPM del usuario. Genera propuestas de negocio con trazabilidad directa a los casos de origen. Mantiene la base de datos PostgreSQL en Supabase actualizada mediante ingesta programada con APScheduler.
04 Decisiones éticas
- Trazabilidad de datos: cada propuesta incluye referencias explicitas a las fuentes de origen utilizadas.
- Resguardo de propiedad intelectual: código fuente mantenido bajo repositorio privado.
05 Aspectos destacados
- Pipeline de razonamiento estructurado en cinco etapas: Blueprint, Link, Architect, Stylize y Trigger con Google Gemini.
- Extracción automatizada de transcripciones y metadatos mediante yt-dlp, YouTube Data API v3 y youtube-transcript-api.
- Trazabilidad completa de cada propuesta generada hacia los casos reales de origen de Starter Story.
- Ingesta programada con APScheduler para mantener actualizada la base de datos PostgreSQL en Supabase.
- Cruce de datos multivariable incorporando contexto de mercado de LATAM y perfil RPM del usuario.
06 Limitaciones
El dataset proviene de scraping público de videos de Starter Story en YouTube (transcripciones y metadatos) y no constituye información financiera auditada.
Código privado por su proceso comercial. Puedo mostrar el sistema funcionando en un walkthrough técnico: solicítalo por correo.