SaveSphere

Resumen

SaveSphere es una aplicación de finanzas personales diseñada para dar a los usuarios visibilidad y control completo sobre sus hábitos de gasto. Combina el seguimiento tradicional de presupuesto con insights impulsados por IA que proporcionan consejos financieros accionables basados en patrones reales de transacciones.

La mejor app de presupuesto es la que realmente usas. SaveSphere fue construida para hacer la conciencia financiera algo sin esfuerzo, no tedioso.

El Problema

Las apps de finanzas existentes o abruman a los usuarios con complejidad (YNAB, Quicken) o simplifican tanto que son inútiles. Lo más crítico: describen tu gasto pero raramente prescriben qué cambiar. Quería una app que:

Fuera rápida e intuitiva para registrar transacciones en segundos
Categorizara gastos automáticamente
Proporcionara insights generados por IA que realmente ayuden a mejorar hábitos
Funcionara con múltiples cuentas y monedas

Objetivos

Construir una aplicación full-stack performante con SvelteKit y Go
Implementar asistencia financiera con IA usando análisis de historial de transacciones
Diseñar un dashboard intuitivo con analíticas significativas
Soportar múltiples cuentas, categorías y transacciones recurrentes
Entregar tiempos de respuesta de API menores a 100ms para operaciones core

Stack Tecnológico

Tecnología	Rol
SvelteKit	Framework frontend con SSR y rutas basadas en archivos
Go	Servicio backend para procesamiento de datos de alto rendimiento
Chi	Router HTTP ligero para la API en Go
PostgreSQL	Base de datos primaria para transacciones y datos de usuario
OpenAI API	Insights y recomendaciones financieras con IA
TailwindCSS	Estilos de UI con design tokens personalizados

Arquitectura

La aplicación sigue una separación limpia entre frontend y backend:

┌─────────────────┐     ┌─────────────────┐     ┌──────────────┐
│   SvelteKit     │────▶│   Go API (Chi)  │────▶│  PostgreSQL  │
│   Frontend      │◀────│   /api/v1/*     │◀────│              │
└─────────────────┘     └────────┬────────┘     └──────────────┘
                                 │
                                 ▼
                        ┌─────────────────┐
                        │   OpenAI API    │
                        │   (Insights)    │
                        └─────────────────┘

El backend en Go maneja toda la lógica de negocio, autenticación y persistencia de datos. La capa de IA procesa el historial de transacciones de forma asíncrona para generar insights periódicos sin bloquear el flujo principal del usuario.

Características Principales

Gestión Multi-Cuenta

Los usuarios pueden rastrear finanzas en cuentas corrientes, ahorros, tarjetas de crédito y efectivo — cada una con su propio saldo e historial de transacciones. Un dashboard unificado agrega totales de todas las cuentas.

Transacciones Categorizadas

Cada transacción se asigna a una categoría (comida, transporte, entretenimiento, etc.) ya sea manualmente o mediante sugerencias inteligentes. Las categorías alimentan el motor de analíticas y las recomendaciones de IA.

Asesor Financiero con IA

La característica destacada: un asistente de IA que analiza patrones de gasto y proporciona consejos personalizados y accionables. Identifica tendencias como:

Picos inusuales de gasto en categorías específicas
Oportunidades de ahorro basadas en patrones recurrentes
Recomendaciones de presupuesto mensual basadas en ingresos y metas

Dashboard de Analíticas

Desgloses visuales de gasto por categoría, período de tiempo y cuenta. Incluye:

Tendencias de gasto mensual (gráficos de línea)
Distribución por categoría (gráficos de dona)
Comparación de ingresos vs. gastos
Indicadores de progreso de presupuesto

Transacciones Recurrentes

Soporte para transacciones programadas (arriendo, suscripciones, salario) que se auto-registran en sus fechas de vencimiento, manteniendo el libro mayor preciso sin entrada manual.

Desafíos y Soluciones

Desafío: Cálculos de Saldo en Tiempo Real

Con miles de transacciones en múltiples cuentas, calcular saldos necesitaba ser instantáneo. Los enfoques ingenuos (sumar todas las transacciones por request) degradaban rápidamente.

Solución: Implementé una estrategia de saldo corrido donde cada transacción almacena el saldo resultante. Los saldos de cuenta se desnormalizan y actualizan transaccionalmente, asegurando lookups de saldo O(1) mientras se mantiene la consistencia.

Desafío: Insights de IA Significativos

Las primeras iteraciones de la función de IA producían consejos genéricos (“gasta menos en restaurantes”). Los usuarios necesitaban recomendaciones específicas y contextuales.

Solución: Diseñé prompts detallados que incluyen resúmenes mensuales categorizados, deltas de gasto y metas definidas por el usuario. La IA ahora produce insights como: “Tu gasto en supermercado aumentó 23% este mes comparado con tu promedio de 3 meses. Considera planificar comidas los domingos — usuarios con perfiles similares ahorran ~$80.000/mes de esta forma.”

Desafío: Comunicación Go + SvelteKit

La seguridad de tipos entre la API en Go y el frontend en SvelteKit requería coordinación cuidadosa para prevenir divergencia entre las formas de request/response.

Solución: Definí contratos de API compartidos usando specs OpenAPI, generando tipos TypeScript para el frontend y validando handlers de Go contra el mismo esquema. Cualquier cambio de contrato se detecta en tiempo de build.

Esquema de Base de Datos (Simplificado)

CREATE TABLE accounts (
    id          UUID PRIMARY KEY,
    user_id     UUID REFERENCES users(id),
    name        VARCHAR(100) NOT NULL,
    type        VARCHAR(20) NOT NULL,
    balance     DECIMAL(12,2) DEFAULT 0,
    currency    VARCHAR(3) DEFAULT 'COP'
);

CREATE TABLE transactions (
    id          UUID PRIMARY KEY,
    account_id  UUID REFERENCES accounts(id),
    category_id UUID REFERENCES categories(id),
    amount      DECIMAL(12,2) NOT NULL,
    type        VARCHAR(10) NOT NULL, -- 'income' | 'expense'
    description TEXT,
    date        TIMESTAMP NOT NULL,
    balance     DECIMAL(12,2) NOT NULL
);

Rendimiento

Métrica	Objetivo	Logrado
Respuesta API (p95)	< 100ms	47ms
Carga del dashboard	< 1.5s	1.1s
Creación de transacción	< 200ms	89ms
Generación de insight IA	< 5s	~3.2s

Lecciones Aprendidas

Go es excelente para APIs financieras — El sistema de tipos detecta errores de precisión en tiempo de compilación, y las goroutines manejan cálculos de saldo concurrentes elegantemente.
Las features de IA necesitan guardrails — Sin prompts estructurados y validación de output, las respuestas de LLM son demasiado genéricas para ser útiles. La ingeniería de contexto importa más que la elección del modelo.
La reactividad de SvelteKit brilla para dashboards — Los stores derivados y las declaraciones reactivas hacen que las actualizaciones de gráficos se sientan instantáneas sin gestión de estado manual.
Empezar por el modelo de datos — Definir correctamente el esquema de transacciones/cuentas temprano previno migraciones costosas después.

Próximos Pasos

Sincronización de cuentas bancarias vía integración con Plaid
Definición de metas de presupuesto con notificaciones de progreso
Cuentas compartidas del hogar
App móvil con Flutter (backend compartido)
Exportación a CSV/PDF para temporada de impuestos