PromptID
De 0 a producción en 6 semanas. Listo para pilotos y demos de inversor.
PromptID es una plataforma EdTech nativa de IA para empleadores y universidades. Evalúa a los aprendices analizando su proceso de pensamiento, no premiando la memorización. Un algoritmo propietario impulsa el motor de evaluación.
“Entregaron lo que a un equipo más grande le tomaría mucho más tiempo. Renovación de informes, refuerzo de seguridad, optimización de infraestructura, se encargaron de todo de principio a fin. …” — April Elias GoogleResumen
PromptID es una plataforma EdTech nativa de IA para empleadores y universidades. Evalúa a los aprendices analizando su proceso de pensamiento, no premiando la memorización. Un algoritmo propietario impulsa el motor de evaluación.
El Reto
El mercado se movió a media construcción y el calendario se acortó un mes. Conversaciones de piloto y demos de inversor estaban en el calendario. Agnosticismo de LLM, UX intuitiva, listo para producción desde el día uno – nada negociable. El mes tenía que salir del alcance, no de la calidad.
Calendario original acortado en un mes. La QA se mantuvo afilada igual.
El Gantt original tenía un mes final de QA y testing. El mercado se llevó ese mes, así que tuvimos que estar listos para producción antes. El reflejo es recortar rigor de testing. Recortamos alcance de features en su lugar. La barra de calidad de producción se mantuvo encogiendo la superficie, no el tiempo de testing. Las demos de inversores y conversaciones de piloto del calendario recibieron lo que necesitaban.
Lo que hicimos
El calendario se acortó un mes a media construcción. Recortamos alcance, no QA, y sostuvimos la barra de producción. API NestJS con cola de evaluación BullMQ, frontend NextJS, LangChain para que cambiar de modelo sea configuración, autoescalado Kubernetes. Entregado listo para piloto e investor demo en seis semanas – cuando el mercado lo necesitó, no cuando lo decía el Gantt.
Resultados
Arquitectura de producción
El diagrama ilustra una arquitectura simplificada de alto nivel y omite detalles confidenciales de implementación y seguridad.
Evaluación asíncrona de envíos
sequenceDiagram
autonumber
participant L as Learner Browser
participant API as NestJS API
participant Q as BullMQ (Redis)
participant W as Eval Worker
participant AI as OpenAI Reasoning
participant DB as Postgres
L->>API: POST /submissions
API->>DB: persist submission
API->>Q: enqueue eval job
API-->>L: 202 Accepted
Q->>W: dispatch job
W->>AI: evaluate (LangChain)
AI-->>W: score + construct
W->>DB: persist evaluation
L->>API: poll /submissions/{id}
API->>DB: read evaluation
API-->>L: feedback payload
Voz del Cliente
Entregaron lo que a un equipo más grande le tomaría mucho más tiempo. Renovación de informes, refuerzo de seguridad, optimización de infraestructura, se encargaron de todo de principio a fin. Mantuvieron la producción estable durante la preparación del piloto y las demos para inversores. Comunicaron con claridad y nunca tuvimos que perseguirlos para una actualización. ¡Equipazo!
Dos proyectos distintos, experiencia positiva en ambos. Profesionales, receptivos, extremadamente competentes y muy fáciles de tratar. Se toman el tiempo de escuchar con atención, hacen preguntas reflexivas y se aseguran de que todos estén alineados. Muy capaces técnicamente y siempre van más allá para mantener el ritmo. Incluso cuando los requisitos evolucionan, permanecen calmados, colaborativos y orientados a soluciones. Recomendaría totalmente a Kevin, Chris y al equipo de Wavect.
Múltiples startups con respaldo de venture capital construidas con Wavect en 4 años. Equipo de clase mundial. Son grandes socios estratégicos en la fase de discovery, ingenieros fiables y predecibles en desarrollo y, en general, gente con la que es un placer trabajar. Recomiendo encarecidamente trabajar con este equipo en tu próximo proyecto.
Increíblemente eficiente, profesional y trabajo excelente. Recientemente trabajé con Kevin y su equipo en un gran proyecto. Pienso volver a contar con él y recomiendo encarecidamente sus servicios.
Lo que aprendimos
El agnosticismo de modelo da frutos rápido. El panorama no para de moverse y la capa de abstracción de LangChain convirtió el cambio de modelo en un cambio de configuración. El autoescalado de Kubernetes también se ganó su sitio – sin sobreaprovisionamiento, pero absorbiendo picos de carga en segundos.
¿Quieres resultados como estos?
Cuéntanos qué estás construyendo. Te diremos si somos el equipo adecuado.
Agendar llamada