/projects/elderai
Elder AI
Agente de operaciones de ventas con análisis de datos gobernado y artefactos
Elder AI
Agente de operaciones de ventas con análisis de datos gobernado y artefactos
09
Contexto del proyecto05
Problema
Elder AI aborda el reto de convertir Agente de operaciones de ventas con análisis de datos gobernado y artefactos en un sistema útil, gobernado y explicable.
Solución
Elder AI se organiza alrededor de límites explícitos, flujos inspeccionables y un stack de entrega visible que incluye Next.js, React, TypeScript y AI SDK.
Desafíos
El trabajo difícil es mantener autonomía, datos, herramientas y experiencia de usuario alineados sin ocultar riesgo operativo ni evidencia.
Innovación
El valor distintivo está en tratar la arquitectura como una superficie del producto: las capacidades se explican mediante responsabilidades, rutas de prueba y límites de entrega.
Experiencia de dominio
Elder AI demuestra criterio de ingeniería aplicada en arquitectura de producto, sistemas de agentes, límites de datos, controles y disciplina de entrega.
Evidencia del caso de estudio11
Resultados
- Elder AI convierte un concepto técnico en un flujo de producto revisable.
- Mantiene el comportamiento del sistema ligado a límites explícitos, evidencia y decisiones visibles para operadores.
- Crea una referencia de arquitectura reutilizable para trabajos relacionados de productos de IA.
Decisiones de arquitectura
- Elder AI separa las superficies de usuario de las responsabilidades de runtime y control de datos.
- Next.js y las decisiones de stack cercanas se presentan como decisiones de entrega, no como insignias decorativas.
- La evidencia, la revisión y el estado operativo siguen visibles para poder inspeccionar el sistema después de usarlo.
Señales de experiencia del dominio
Arquitectura de agentesGobernanzaEvidenciaUX operativaNext.js
Análisis técnico profundo09
Elder AI es un caso de estudio sobre Agente de operaciones de ventas con análisis de datos gobernado y artefactos. Agente de operaciones de ventas con análisis de datos gobernado y artefactos La profundidad está en hacer legibles los límites, la evidencia, el workflow y las decisiones de entrega.
Límite del sistema
Elder AI se presenta mediante responsabilidades claras para que usuarios, herramientas, datos y acciones de runtime no se mezclen en una llamada opaca al modelo.
Modelo de workflow
El flujo mantiene planificación, uso de herramientas, estado y presentación de resultados lo bastante separados para que un operador entienda qué ocurrió y por qué.
Postura de evidencia
La página trata pruebas, logs, artefactos y rutas de revisión como parte del producto, no como notas opcionales de implementación.
Stack de entrega
Next.js sostiene la historia de implementación mientras el stack alrededor cubre persistencia, interfaces, automatización y verificación.
Qué demuestra esto
- Elder AI expone decisiones de arquitectura como contenido de producto inspeccionable.
- Next.js se conecta con responsabilidades de runtime y entrega.
- El caso distingue experiencia de usuario, límites de herramientas, evidencia y operaciones.
- La estructura se puede reutilizar en productos agentivos relacionados.
2Indicador: route modes
3Indicador: subagents
5Indicador: artifact types
200Indicador: sample calls
6Indicador: seeded reps
100%Indicador: read-only SQL
Stack tecnológico06
Next.js 16
Motivo técnico: Keeps chat UI, API routes, RSC demo, artifact pages, and deployment in one application boundary.
TypeScript
Motivo técnico: Keeps routing, artifacts, tool schemas, and agent handoffs explicit across a large product surface.
AI SDK v6
Motivo técnico: Provides ToolLoopAgent, streaming, RSC streamUI, and model-provider integration.
OpenAI
Motivo técnico: Powers the customer-facing analyst, routing, image generation, and specialist agents.
Supabase
Motivo técnico: Handles auth, RLS persistence, conversations, artifacts, and organization membership.
PostgreSQL
Motivo técnico: Acts as the sales-call source of truth with read-only query access for the agent.
Herramientas implementadas08
routeUserMessage
Herramienta implementada: Separates fast answers from analysis and artifact workflows.
Read-only SQL tools
Herramienta implementada: Retrieve manager evidence without giving the model write-capable database access.
runPythonAnalysis
Herramienta implementada: Runs derived metrics, calculations, and generated files in a scoped workspace.
Data analyst subagent
Herramienta implementada: Delegates bounded metric work instead of sending the entire conversation to another agent.
Coaching subagent
Herramienta implementada: Focuses on transcript snippets, skills, objections, and coaching risks.
Artifact designer
Herramienta implementada: Turns verified rows and metrics into dashboards, charts, PDFs, tables, and exports.
Artifact persistence
Herramienta implementada: Saves results so users can reopen and discuss prior analysis.
Product-taste evals
Herramienta implementada: Checks whether responses stay manager-facing and avoid internal tool leakage.