StyleSeat
Marketplace de belleza y bienestar · vía Revelo
Reservas2026
Senior Software Engineer · vía Revelo
Contexto
StyleSeat es un marketplace donde profesionales de belleza y bienestar publican su agenda y sus clientes reservan directamente. El flujo de reservas es el centro del producto: si agendar cuesta trabajo, el profesional pierde ingresos y el cliente se va a otro lado.
Entré a través de Revelo como ingeniero senior dedicado, trabajando integrado con sus equipos de producto e ingeniería en lugar de como proveedor externo.
El reto
Un estilista pierde horas cada día confirmando citas, persiguiendo ausencias y reagendando, y ese tiempo no se paga. Automatizarlo con un modelo obliga a resolver antes lo difícil: que el agente no invente disponibilidad, que no haga nada irreversible sin permiso y que quede registro de todo lo que hizo.
Qué hace
- Agentes que confirman citas y reagendan por el profesional
- Herramientas con esquema y confirmación en lo irreversible
- Versionado de flujos, staging y reversión
- Agenda y disponibilidad del profesional
- Flujo de reserva del cliente final (web y móvil)
- Mensajería de ciclo de vida y tracking de eventos unificado
Qué hice
- Construí los flujos con agentes: el agente lee el calendario y el estado de las reservas, redacta los mensajes al cliente y aplica cambios de agenda dentro de los límites que el profesional define.
- Fueron míos de punta a punta las herramientas que el modelo puede llamar, sus esquemas y la orquestación alrededor: reintentos, timeouts y una ruta determinista para cuando el modelo no responde.
- Puse las barandas: la disponibilidad sale siempre de una llamada real al servicio de agenda y nunca del texto del modelo, las acciones irreversibles piden confirmación, y cada acción queda registrada con lo que el agente vio y lo que llamó.
- Operé los flujos además de construirlos: versionado con reversión, validación en staging contra escenarios de reserva reales, accesos separados por rol, y presupuesto de tokens, límites de tasa y cuotas por flujo para las horas pico.
- Integré Braze para la mensajería de ciclo de vida y Segment como capa de tracking, de modo que el agente se midiera como cualquier otra feature del producto.
- Establecí y optimicé las features de reservas: disponibilidad y agendamiento, flujos de reserva y la experiencia del cliente final en web y móvil.
Stack
- Python
- DjangoCelerypytest
- Ruby on Rails
- ActiveRecordActiveJobSidekiqRSpec
- JavaScript
- ReactReact NativeTypeScript
- Datos
- PostgreSQLRedis
- Producto y datos de usuario
- BrazeSegment
- IA
- AI agentsTool callingLLM APIsEvalsGuardrails
Servicios que se practicaron aquí
- Arquitectura Backend & APIsTu producto se queda con un backend que aguanta crecer: servicios con límites claros, APIs documentadas y un modelo de datos pensado para las consultas que de verdad se ejecutan.
- Integración de IA & AutomatizaciónLos modelos y los agentes entran en el producto que ya tienes con la misma disciplina que cualquier otro servicio: contrato propio, límites de coste y registro de lo que hicieron.
Resultado
Dos años y medio en el mismo producto: el trabajo pasó de entregar features a sostener y evolucionar el núcleo del negocio.
Con agentes, lo que decide si la cosa sirve no es el modelo. Es de dónde salen los datos, qué puede y qué no puede hacer la herramienta, y qué pasa el día que el modelo no responde.