en producción
Caso — Extensión de Navegador · Streaming en vivo / Activos digitales

Un copiloto de IA que vive dentro de la sala en vivo

De traducir en otra pestaña y escribir la configuración comando por comando a un copiloto montado sobre la propia sala: traducción, CRM por fan, economía de la sala por IA y distribución propia con instalador firmado.

Cliente
Bantokens — Mundo Digital International S.A.S. (Cali)
Mi rol
Producto, arquitectura y build de punta a punta: extensión, backend, motor cognitivo y distribución
Periodo
Ago 2026 – hoy · producción activa
Usuario
Creadoras de streaming en vivo y equipo operativo de Bantokens
Equipo
ialabs + Carlos Rojas (Bantokens)
Stack
Chrome Extension (MV3) · TypeScript · Cloudflare Workers · Node + Hono · Postgres · FastAPI
2.365
Pruebas automatizadas en verde (Node + Python)
fuente: suite del repositorio
56 %
Peticiones de IA servidas desde caché
fuente: medición en producción
4 niveles
De respaldo en la cadena de traducción
fuente: arquitectura
sha256 + RSA
Doble candado en cada actualización
fuente: actualizador firmado
EXP-01 ficha de experimento · v0.1
en producción
01 · hipótesis Si la creadora tiene traducción, memoria de cada cliente y configuración por IA dentro de la misma sala, deja de perder conversaciones e ingresos por cambiar de pestaña.
02 · método Extensión MV3 que monta un panel sobre la sala, con backend propio, motor de recomendaciones que aprende de los resultados y canal de distribución propio.
03 · resultado En producción con creadoras reales: traducción en ambas direcciones, CRM por fan, economía de la sala generada por IA y actualización obligatoria con periodo de gracia.
04 · siguiente iteración Llevar el resto de la lógica de producto al servidor y mover las descargas a dominio propio.
inicio validado · responsable Mateo Piza · evidencia: informe técnico del repositorio
01 — El problema

Cuatro trabajos a la vez, en segundos, en pleno directo

Quien emite en vivo atiende, traduce, vende y analiza al mismo tiempo. La audiencia que más paga escribe en otro idioma, vuelve sin ser reconocida y espera respuesta en segundos: abrir un traductor o una hoja de notas en otra pestaña cuesta la conversación.

El menú de propinas y las metas se escribían a mano, comando por comando, y las herramientas del sector mostraban cifras inventadas. Para Bantokens, además, la herramienta tenía que quedar ligada a una licencia validada en servidor y a un solo equipo por cuenta.

02 — El insight
"El problema no era traducir ni redactar: era que todo eso vivía fuera de la sala. La única superficie que la creadora mira en directo es la sala misma, así que el producto tenía que montarse encima de ella. Y donde no existía integración con el plugin de la plataforma, usar el único canal que ambos comparten: el chat."
03 — Antes / después
Antes
  1. La audiencia escribe en otro idioma y la creadora traduce en otra pestaña.
  2. Cada cliente que vuelve se trata como un desconocido.
  3. Menú de propinas y metas escritos a mano, comando por comando.
  4. Paneles del sector con cifras inventadas.
Después
  1. Traducción entrante y saliente dentro del propio chat.
  2. Ficha por fan con nivel por gasto y una bitácora que nunca se borra.
  3. Menú, metas y temas generados por IA y aplicados con un solo comando.
  4. Sin dato legible no se muestra ningún dato: «—», nunca 0.
04 — El sistema

Flujo de capacidades automatizadas

entrada
Evento en la sala
Mensaje público o privado, propina o cambio de audiencia, leído por el adaptador de la plataforma.
contexto
Ficha del fan
CRM con nivel por gasto, idioma preferido y bitácora solo-añade de cada cliente.
decisión
Copiloto + motor cognitivo
Traduce, redacta la respuesta en tres tonos y recomienda la siguiente acción.
acción
Envío verificado
La creadora elige; un privado se entrega por la API real y nunca cae al chat público.
control
Resultado atribuido
El motor lee lo que pasó después y aprende; si no hubo señal, no registra nada.
DIAGRAMA DE ARQUITECTURA DE FLUJO ialabs / EXP-01
01 · Sala en vivo
Chat, propinas y privados
→
02 · Extensión MV3
Panel en Shadow DOM
→
03 · Pasarela
Cloudflare Worker
→
04 · Backend + IA
Node · Hono · Postgres
→
05 · Motor cognitivo
Aprende de cada resultado
05 — Decisiones · capa técnica

Cada pieza, con su razón

Arquitectura basada en trade-offs deliberados y consecuencias reales de negocio.
Tecnología Chat como bus de mensajes
Función Configurar el plugin de la plataforma desde la extensión
Decisión y trade-off El plugin corre en un sandbox sin red ni DOM y la extensión no puede llamarlo; los dos sí ven el chat. Gramática de comando compartida, en TypeScript y en JS plano. Trade-off: dos copias que deben moverse juntas.
Consecuencia Configuración visible para la creadora, sin secretos en el canal
Tecnología Chrome Extension (Manifest V3)
Función Panel en Shadow DOM y puente al contexto de la página
Decisión y trade-off Un segundo script en el contexto de la página usa las APIs reales de la plataforma (propinas, espectadores, privados) sin darle a la página ninguna capacidad nueva. Todo degrada al camino DOM.
Consecuencia Datos exactos de dinero y audiencia, sin adivinar del DOM
Tecnología Instalador firmado + actualizador
Función Distribución fuera de la tienda de extensiones
Decisión y trade-off Sin Chrome Web Store y con la instalación forzada bloqueada en PCs no gestionadas, se construyó un canal propio. El actualizador falla cerrado: sin sha256 y firma RSA válidos, no instala.
Consecuencia Cada versión llega a todos los equipos sin visitas presenciales
06 — Evidencia
TELEMETRÍA DE PROYECTO en producción
Un copiloto de IA que vive dentro de la sala en vivo
De traducir en otra pestaña y escribir la configuración comando por comando a un copiloto montado sobre la propia sala: traducción, CRM por fan, economía de la sala por IA y distribución propia con instalador firmado.
Sala en vivoExtensiónPasarelaBackend IAMotor cognitivo
Del evento en la sala a una acción verificada y su resultado atribuido. Abajo, la publicación real de una versión.
$ npm run release -- --notes "…"
[package] build + ofuscación · bantip-1.9.27.zip
[installer] BantipInstaller.exe firmado (Authenticode)
[deploy] host de descargas publicado
[verify] sha256 publicado = sha256 local: OK
[release] versión registrada · aviso en el panel de cada creadora: OK
07 — Quién hizo qué
ialabs
Producto, arquitectura y build completos: extensión, pasarela, backend, motor cognitivo, plugin de la plataforma, instalador y actualizador.
Equipo del cliente
Definición de producto, licencias y validación con creadoras en salas reales (Carlos Rojas / Bantokens).
Terceros
Google Chrome, Cloudflare y proveedores de IA para razonamiento, traducción y voz.
08 — Qué es distinto

Lo convencional sería otra herramienta en otra pestaña, o esperar a que la plataforma publique una integración. Aquí el producto vive encima de la sala y, donde no había canal, convirtió el chat en un protocolo: validado, saneado y con control de autoría en el extremo receptor.

09 — Lecciones y siguiente iteración
  • En un protocolo de texto libre el modo de fallo por defecto es el silencio: hay que diseñarlo para que no lo sea.
  • Límite conocido: depende del DOM de un tercero; ese conocimiento vive en un solo módulo y nada entra sin captura real.
  • Siguiente paso: llevar el resto de la lógica de producto al servidor y mover las descargas a dominio propio.
From Idea to Infinity.

¿Tu operación depende de una plataforma que no puedes modificar?

En 48 horas te devolvemos un diagnóstico con el resultado que podemos prometer.