Cómo construí ProcureFlow AI: una plataforma SRM con IA y automatización empresarial
Muchas pequeñas y medianas empresas siguen gestionando proveedores mediante hojas de cálculo, emails dispersos y procesos manuales difíciles de escalar. Cuando empecé a trabajar en ProcureFlow AI, quería resolver precisamente ese problema: crear una plataforma moderna que centralizara la gestión de proveedores y permitiera automatizar procesos internos usando inteligencia artificial.
Lo interesante del proyecto no era únicamente desarrollar un panel administrativo, sino diseñar una arquitectura preparada para evolucionar hacia automatizaciones inteligentes reales. Quería construir algo cercano a un entorno empresarial moderno, donde frontend, backend, workflows y servicios de IA estuvieran desacoplados y listos para crecer.
ProcureFlow AI nace como una solución SRM (Supplier Relationship Management), enfocada en digitalizar procesos relacionados con compras, proveedores y automatización operativa. A diferencia de los CRMs tradicionales centrados en clientes, este proyecto pone el foco en la organización interna y la eficiencia empresarial.
El entorno y la arquitectura del proyecto
En este caso no trabajé con un dataset clásico de machine learning, sino con un entorno full stack orientado a procesos empresariales reales. El principal reto fue diseñar una arquitectura modular y flexible capaz de soportar múltiples funcionalidades:
- Gestión centralizada de proveedores
- Automatización de procesos internos
- Integración de inteligencia artificial
- Sistema de autenticación y roles
- Infraestructura escalable
La aplicación fue desarrollada usando:
- React y Tailwind CSS para el frontend
- Symfony y PHP para el backend API REST
- MySQL como base de datos
- Docker para facilitar despliegue y desarrollo
- OpenAI API para integración de IA
La separación entre frontend, backend y servicios de automatización fue una decisión clave desde el principio, ya que quería evitar una arquitectura monolítica difícil de mantener en el futuro.
El proceso de desarrollo
El desarrollo comenzó definiendo primero la estructura del backend y las entidades principales relacionadas con proveedores, usuarios y procesos internos. Una vez definida la API REST en Symfony, construí el frontend en React consumiendo los distintos endpoints.
Uno de los aspectos más interesantes fue integrar automatización e inteligencia artificial dentro del flujo empresarial. En lugar de añadir IA “porque sí”, intenté enfocarla hacia casos de uso reales:
- Asistencia contextual
- Automatización de tareas repetitivas
- Generación de respuestas y apoyo operativo
- Preparación para workflows inteligentes
Otro reto importante fue diseñar un sistema fácilmente desplegable. Para ello trabajé con Docker y una arquitectura separada por servicios, lo que permitió mantener frontend y backend desacoplados y facilitar futuras migraciones a producción.
También dediqué bastante tiempo al diseño responsive y a la experiencia de usuario. Muchas herramientas empresariales tienen interfaces antiguas o demasiado complejas, así que quería crear algo visualmente moderno y fácil de usar.
Resultados obtenidos
El resultado final fue una plataforma full stack funcional desplegada en producción con una arquitectura preparada para escalar y evolucionar.
Entre las funcionalidades implementadas destacan:
- Dashboard administrativo
- Gestión completa de proveedores
- Sistema de autenticación
- Integración con IA
- Arquitectura modular
- Automatización empresarial
Además, el proyecto incluye un entorno demo funcional accesible públicamente, algo que me permitió trabajar también aspectos relacionados con despliegue y DevOps.
Uno de los aprendizajes más importantes fue entender cómo organizar correctamente una arquitectura empresarial moderna. Antes de este proyecto tendía a pensar más en funcionalidades aisladas; aquí empecé a enfocarme realmente en escalabilidad, separación de responsabilidades y mantenibilidad.
También aprendí bastante sobre integración de APIs de IA en aplicaciones reales. Muchas veces desde fuera parece sencillo conectar modelos LLM, pero el verdadero desafío está en integrarlos dentro de flujos útiles para negocio.
Si tuviera que continuar el proyecto, el siguiente paso lógico sería implementar agentes inteligentes y workflows más avanzados, además de integración con ERPs externos y automatización documental.
Repositorio del proyecto:
GitHub: https://github.com/evolve-space/Proyecto-Master-IA-Evolve-JoseMartos.git
Demo:
https://srm-compras-front.vercel.app/
Imágenes:
Dashboard:
Gestión de proveedores:
ProcureFlow AI fue desarrollado como proyecto académico durante el Máster en Inteligencia Artificial de Evolve.
Top comments (0)