Construyendo una aplicación diaria de productividad con Piezas - Parte 2: Agregando Inteligencia Artificial con Gemini
En la Parte 1 construimos la infraestructura esencial para una aplicación de recap diario: conexión y mantenimiento de un WebSocket contra PiecesOS, obtención y cacheo de resúmenes de workstreams agrupados por día y extracción del contenido de anotaciones. Con esos bloques listos el siguiente paso es transformar texto bruto en insights accionables que realmente respondan a preguntas como que trabajé hoy, en qué proyectos avancé, con quién colaboré y qué debo recordar para mañana.
El problema es claro resúmenes crudos son datos útiles pero poco accionables. Necesitamos información estructurada un resumen ejecutivo, lista de proyectos con estado, personas, recordatorios y notas técnicas. Para ello integramos la API de Gemini de Google que es capaz de entender lenguaje natural, extraer información estructurada y devolver JSON listo para procesar en el backend.
Preparación y dependencias añade el SDK de Gemini a pubspec.yaml como dependencia google_generative_ai versión 0.4.6 y consigue una clave de API en Google AI Studio. En el servicio de recap diario se inicializa un GenerativeModel usando el modelo gemini-2.5-flash-lite por su equilibrio entre velocidad y coste y se configura generación con parámetros como temperature 0.7 topK 40 topP 0.95 y un límite razonable de tokens. Estos ajustes permiten respuestas coherentes y controladas sin perder la capacidad de síntesis.
Ingeniería del prompt es clave indica explícitamente el formato de salida pide solo JSON válido y muestra un ejemplo con los campos que necesitas summary people projects reminders notes. Especifica las opciones de estado para proyectos completed in_progress not_started y pide que no se inventen datos. Proporcionar ejemplos y reglas claras reduce ambigüedad y mejora la consistencia de las respuestas.
Contexto enriquecido en lugar de enviar textos sueltos construye un contexto con etiquetas para cada resumen incluyendo ID título hora y contenido. Este formato ayuda al modelo a relacionar entradas y a priorizar información por timestamps y títulos lo que mejora la extracción de proyectos y recordatorios.
Flujo de trabajo la función generateDailyRecap sigue pasos sencillos detecta resumen vacío y devuelve un objeto vacío, crea el contexto concatenando todos los resúmenes, construye el prompt con las instrucciones, llama a Gemini y extrae el JSON de la respuesta. Tras parsear el JSON se mapea a modelos tipados en Dart como DailyRecapData y ProjectData y se devuelve la estructura lista para usarse en la interfaz o en pipelines de analítica.
Manejo de errores y robustez maneja respuestas inesperadas con un extractor de JSON que limpia bloques de markdown y ofrece un fallback seguro en caso de excepción para no romper la experiencia de usuario. Registrar la respuesta de Gemini es útil para depuración y para mejorar iterativamente el prompt.
Modelos de datos conviene definir clases para ProjectData y DailyRecapData que parseen desde JSON y normalicen estados de proyecto esto aporta seguridad de tipos y facilita el consumo por capas superiores de la aplicación UI o APIs internas.
Ejemplo práctico en la experiencia real Gemini pudo identificar proyectos trabajados marcar algunos como completed y otros como in_progress extraer recordatorios técnicos y notas de diseño y generar un resumen coherente de una o dos frases que resume lo esencial del día todo ello a partir de títulos, timestamps y contenido de anotaciones.
Por qué esto importa para tu negocio al convertir texto en insights estructurados consigues mejor visibilidad de productividad trazabilidad de decisiones y datos accionables para reportes automatizados y cuadros de mando. Si tu empresa busca soluciones de aplicaciones a medida o software a medida en Q2BSTUDIO desarrollamos integraciones como esta y ofrecemos servicios de inteligencia artificial que ayudan a convertir conocimiento tácito en activos reutilizables. Conectamos estas soluciones con servicios cloud aws y azure y acompañamos con prácticas de ciberseguridad y pentesting para proteger datos sensibles.
Servicios complementarios además de desarrollo de aplicaciones a medida ofrecemos consultoría en servicios inteligencia de negocio y power bi para transformar los recaps diarios en dashboards útiles e indicadores clave. Si quieres potenciar IA para empresas o desplegar agentes IA conversacionales podemos diseñar la arquitectura adecuada y escalarla en la nube. Conecta con nuestras capacidades de automatización de procesos y modernización tecnológica para convertir flujos manuales en procesos eficientes y auditable.
En Q2BSTUDIO somos una empresa de desarrollo de software especializada en aplicaciones a medida, inteligencia artificial, ciberseguridad y servicios cloud. Si quieres explorar una integración similar para tu equipo consulta nuestros servicios de inteligencia artificial para empresas o conoce nuestras soluciones de desarrollo de aplicaciones a medida para empezar un proyecto que combine agentes IA, power bi y despliegue seguro en AWS o Azure.
Resumen final implementar Gemini para analizar resúmenes diarios transforma datos en decisiones concretas mejora la productividad y facilita la generación de reportes automatizados. Esta arquitectura se integra naturalmente con servicios cloud, análisis con power bi y prácticas de ciberseguridad para ofrecer una solución completa y escalable.
