FenixBlack.ai: Plataforma de Marketing con IA
7 apps en producción en 4 meses—ingeniería de plataforma a máxima velocidad
El Desafío
Las herramientas de marketing con IA en 2024 están fragmentadas: una para redacción, otra para imágenes, otra para video. Cada una con su propia interfaz, sus precios y su nivel de calidad.
Lo que las agencias de marketing realmente necesitan:
- Una plataforma unificada para todas las tareas creativas con IA
- Calidad consistente entre distintos modelos de IA
- Iteración rápida en el trabajo para clientes
- Despliegue escalable para múltiples clientes
El enfoque: construir una plataforma modular capaz de lanzar apps especializadas rápidamente.
Lo Que Construí
FenixBlack.ai — plataforma de marketing con IA con 7 aplicaciones en producción, lanzadas en 4 meses (2024).
Plataforma principal (Python + NiceGUI):
- Avatares de video interactivos para presentaciones a clientes
- Diseñador de marca con IA para identidades de marca completas
- Agentes de investigación para análisis de mercado
- Puente React a medida — integración novedosa que permite usar componentes React dentro de apps Python
6 micro-apps especializadas (Next.js):
- brand.fenixblack.ai — Generación de kits de marca completos
- backgrounds.fenixblack.ai — Creador de fondos para Zoom/Teams
- holidays.fenixblack.ai — Generador de videos animados para festividades
- restore.fenixblack.ai — Restauración y animación de fotos con IA
- canvas.fenixblack.ai — Generador de animaciones dibujadas a mano
- growth.fenixblack.ai — Gestión de créditos y consumo
En vivo: fenixblack.ai↗
Innovación Técnica
El problema más difícil no fue integrar modelos de IA: fue construir un backend en Python capaz de renderizar interfaces React modernas.
El desafío: NiceGUI (framework de UI para Python) es excelente para prototipar con IA, pero se queda corto en interacciones complejas. React tiene los componentes que necesitaba, pero no se integra de forma natural con backends en Python.
La solución: construí un puente React-Python a medida que:
- Renderiza componentes React dentro de aplicaciones Python
- Mantiene la velocidad de integración de IA que ofrece Python
- Conserva los patrones modernos de UI/UX de React
- Permite comunicación bidireccional en tiempo real
No es una librería: es una arquitectura a medida que diseñé específicamente para este caso de uso.
Resultado: desarrollo rápido de flujos de IA con una interfaz de calidad de producción.
Estrategia Multi-App
En lugar de una aplicación monolítica, construí 6 micro-apps independientes en Vercel.
Por qué funciona:
- Iteración más rápida — Actualizas una app sin tocar las demás
- Marketing especializado — Cada app tiene su propia landing page y SEO
- Escalado independiente — Las apps con mucho tráfico no afectan a las otras
- Precios más simples — Los clientes compran solo lo que necesitan
Stack por micro-app:
- Next.js 14 para rendimiento y SEO
- Vercel para despliegue global instantáneo
- Distintos modelos de IA según el caso de uso (OpenAI, Stable Diffusion, FFmpeg)
- Autenticación y sistema de créditos compartidos
Cronología de Desarrollo
Mes 1: Arquitectura de la plataforma principal + puente React Mes 2: Primeras 3 micro-apps (brand, backgrounds, holidays) Mes 3: Las 3 micro-apps restantes (restore, canvas, growth) Mes 4: Integración, pruebas y despliegue a producción
Cómo lancé 7 apps en 4 meses:
- Librería de componentes compartida entre todas las apps Next.js
- Pipeline de despliegue estandarizado (Vercel)
- Patrones de integración de IA reutilizables
- Foco primero en las funcionalidades del MVP; el pulido, después
Aprendizaje clave: las micro-apps permiten lanzar de forma incremental. Cada app fue usable desde el primer día de su desarrollo.
Métricas de Producción
Estado actual:
- Las 7 apps en producción
- Múltiples modelos de IA integrados (OpenAI, Stable Diffusion, etc.)
- Puente React-Python a medida funcionando en producción
- Despliegue y escalado independiente por app
Lo que esto demuestra:
- Las plataformas multi-app sí pueden lanzarse rápido
- Python y React sí pueden trabajar juntos con elegancia
- Las integraciones complejas de IA sí pueden estandarizarse
- La arquitectura de microservicios funciona para productos de IA
Lo Que Aprendí
Sobre desarrollo políglota: No pelees contra tus herramientas. Python es lo mejor para integrar IA; React es lo mejor para UI moderna. Construir un puente entre ambos fue más rápido que luchar contra las limitaciones de cualquiera de los dos.
Sobre plataformas multi-app: Dividir en micro-apps fue la decisión correcta. La complejidad de desarrollo sube un poco, pero la flexibilidad de despliegue y la velocidad de iteración suben muchísimo.
Sobre integración de modelos de IA: Cada modelo de IA tiene sus particularidades. OpenAI para texto, Stable Diffusion para imágenes, FFmpeg para video: usa la herramienta correcta para cada tarea y luego abstrae esa complejidad para el usuario.
Construyamos Juntos
¿Estás construyendo plataformas de IA multi-producto o necesitas una arquitectura a medida? Me especializo en:
- Prototipado rápido con múltiples stacks tecnológicos
- Patrones de integración novedosos (como el puente React-Python)
- Estrategias de despliegue multi-app
- Sistemas de IA en producción
Hablemos sobre tu próxima plataforma.