EventFlow AI — MVP Explainer

Concepto

EventFlow AI es un SaaS vertical B2B que elimina las ineficiencias de la organización de eventos corporativos mediante IA especializada. Automatiza la creación de agendas, las comunicaciones con ponentes y asistentes, y el análisis del feedback post-evento. Target: equipos de marketing y gestión de eventos en medianas y grandes empresas.

---

Arquitectura

┌──────────────────────────────────────────────────────────────────┐
│                        Spring Boot 4.0.4 / Java 25               │
│                                                                  │
│  Controllers          Services               Repositories        │
│  ──────────           ────────               ────────────        │
│  AuthController  ──▶  AuthService       ──▶  AppUserRepository   │
│  EventController ──▶  EventService      ──▶  EventRepository     │
│                        SpeakerService   ──▶  SpeakerRepository   │
│  SpeakerController──▶                        SessionRepository   │
│                        FeedbackService  ──▶  FeedbackRepository  │
│  AiController    ──▶  AiService         ──▶  AttendeeRepository  │
│                            │                                     │
│                            ▼                                     │
│                    OpenAiClient (Feign)                          │
│                            │                                     │
│                            ▼                                     │
│                    OpenAI GPT-4o-mini API                        │
│                                                                  │
│  Security: JwtAuthFilter → JwtService → Spring Security 7        │
│  DB: H2 (dev) / PostgreSQL (prod)                                │
│  Virtual Threads: parallel LLM calls via CompletableFuture       │
└──────────────────────────────────────────────────────────────────┘

Capas

Capa	Paquete	Responsabilidad
Controller	controller	HTTP REST, validación de entrada, mapeo de errores
Service	service	Lógica de negocio, orquestación IA
Repository	repository	Acceso JPA a H2/PostgreSQL
Model	%%INLINE3%%	Entidades JPA (%%INLINE4%%, %%INLINE5%%, %%INLINE6%%, %%INLINE7%%, %%INLINE8%%, AppUser)
DTO	dto	Records Java 25 inmutables para request/response
Client	client	Feign client + DTOs para OpenAI API
Security	security	JWT generation/validation, Spring Security filter chain
Config	config	Jackson, Feign, JwtProperties, DataInitializer

---

MVP Features Implementadas

1. Generador de Agendas Inteligente

• %%INLINE14%% — recibe %%INLINE15%% y restricciones opcionales
• Recopila sesiones/ponentes del evento, construye prompt contextual, llama GPT-4o-mini
• Devuelve slots estructurados + texto libre de la IA
• Virtual threads para llamadas concurrentes

2. Comunicaciones Automatizadas y Personalizadas

• %%INLINE16%% — tipo: %%INLINE17%%, %%INLINE18%%, %%INLINE19%%, ATTENDEE_SURVEY
• Genera un email personalizado por ponente/asistente en parallel via %%INLINE21%% + %%INLINE22%%
• Considera intereses del asistente, empresa, cargo del ponente

3. Dashboard de Análisis de Feedback

• POST /api/ai/events/{eventId}/feedback — ingesta de respuestas de encuesta
• GET /api/ai/events/{eventId}/feedback/analysis — informe IA con sentimiento, temas clave, recomendaciones

4. Gestión Centralizada de Ponentes y Sesiones

• CRUD completo de eventos, sesiones, ponentes y asistentes
• Única fuente de verdad: base de datos JPA

---

Endpoints

Auth (público)

POST   /api/auth/register          Registrar nuevo organizador
POST   /api/auth/login             Login → JWT

Eventos

GET    /api/events                 Listar eventos
GET    /api/events/{id}            Detalle de evento
POST   /api/events                 Crear evento
PUT    /api/events/{id}            Actualizar evento
DELETE /api/events/{id}            Eliminar evento
PATCH  /api/events/{id}/status     Cambiar estado (DRAFT→PUBLISHED→...)

Sesiones

GET    /api/events/{eventId}/sessions              Listar sesiones
POST   /api/events/{eventId}/sessions              Crear sesión
PUT    /api/events/{eventId}/sessions/{sessionId}  Actualizar sesión
DELETE /api/events/{eventId}/sessions/{sessionId}  Eliminar sesión

Asistentes

GET    /api/events/{eventId}/attendees    Listar asistentes
POST   /api/events/{eventId}/attendees   Registrar asistente

Ponentes

GET    /api/speakers               Listar ponentes
GET    /api/speakers/{id}          Detalle
POST   /api/speakers               Crear ponente
PUT    /api/speakers/{id}          Actualizar
DELETE /api/speakers/{id}          Eliminar

IA

POST   /api/ai/agenda                                  Generar agenda óptima
POST   /api/ai/emails                                  Generar emails personalizados
POST   /api/ai/events/{eventId}/feedback               Enviar feedback post-evento
GET    /api/ai/events/{eventId}/feedback/analysis      Informe IA de satisfacción

---

Cómo Ejecutar

Requisitos

• Java 25+
• Maven 3.9+
• (Opcional) Clave de API OpenAI para features de IA reales

Desarrollo (H2 en memoria)

cd solutions/2026-05-28-eventflow-ai
mvn clean spring-boot:run

La app arranca en http://localhost:8080

Con OpenAI real

OPENAI_API_KEY=sk-... mvn spring-boot:run

H2 Console (dev)

http://localhost:8080/h2-console JDBC URL: jdbc:h2:mem:eventflowdb User: sa / Password: (vacío)

Credenciales demo

{ "email": "admin@eventflow.ai", "password": "admin123" }
POST /api/auth/login  →  token JWT

Ejemplo rápido con curl

# 1. Login
TOKEN=$(curl -s -X POST http://localhost:8080/api/auth/login \
  -H "Content-Type: application/json" \
  -d '{"email":"admin@eventflow.ai","password":"admin123"}' | jq -r .token)

# 2. Crear evento
curl -s -X POST http://localhost:8080/api/events \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "Tech Summit 2026",
    "description": "Annual corporate tech conference",
    "startDateTime": "2026-09-15T09:00:00",
    "endDateTime": "2026-09-15T18:00:00",
    "venue": "Madrid Convention Center"
  }'

# 3. Generar agenda IA
curl -s -X POST http://localhost:8080/api/ai/agenda \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"eventId": 1, "additionalConstraints": "Max 3 parallel tracks"}'

Producción (PostgreSQL)

Sobreescribe en application.yml o usa variables de entorno:

spring:
  datasource:
    url: jdbc:postgresql://localhost:5432/eventflow
    username: eventflow
    password: ${DB_PASSWORD}
  jpa:
    hibernate:
      ddl-auto: validate

---

Análisis de Negocio

Problema

Organizadores de eventos invierten 200–500h/evento en tareas manuales repetitivas. Coste de errores (conflictos de agenda, emails mal enviados) es alto en B2B.

Solución

IA que automatiza el 80% del trabajo manual en 3 áreas de mayor impacto: planificación, comunicación y medición.

Modelo de Monetización

• Starter (€99/mes): 5 eventos/año, hasta 100 asistentes
• Growth (€299/mes): 20 eventos/año, hasta 1.000 asistentes, análisis IA avanzado
• Enterprise (€899/mes): ilimitado, SLA, integración CRM/Slack

Data Moat

Cada evento procesado mejora los modelos de prompts con datos propietarios de feedback, agendas y engagement — barrera creciente frente a competidores genéricos.

Métricas Clave (KPIs MVP)

• Tiempo de creación de agenda: de 8h → 15 min
• Tasa de apertura emails: +40% vs. emails manuales (personalización)
• NPS del organizador post-evento: objetivo >70

---

Referencias

• SaaS Vertical con IA Especializada — 10 oportunidades 2026
• Spring Boot 4.0.4 Reference
• OpenAI Chat Completions API
• Spring Cloud OpenFeign 4.2.1
• JJWT 0.12.6

---

FinOps Analysis

Estimación de Costos Operativos

Para EventFlow AI, una micro-startup de SaaS vertical con IA, los costos operativos se centran principalmente en la infraestructura cloud y el consumo de APIs de LLM. Se ha realizado una estimación conservadora para una fase inicial con clientes limitados.

1. Estimación de Tokens LLM Mensuales

Basado en un uso inicial de 10 eventos/mes, con un promedio de 5 ponentes y 50 asistentes por evento, y considerando las funcionalidades de generación de agendas, comunicaciones automatizadas y análisis de feedback, se estima un consumo de ~500K tokens/mes.

2. Desglose de Costos Mensuales

Componente	Costo Estimado Mensual
LLM (OpenAI gpt-4o-mini)	$5
Cloud Hosting (Compute)	$15
Base de Datos (PostgreSQL)	$20
Monitoring/Misc.	$5
Total	$45

3. Costos de Infraestructura Cloud

Se prevé una infraestructura mínima viable en un proveedor como AWS (o equivalente en GCP/Azure):

• Compute: 1 instancia EC2 t3.micro (1 vCPU, 1 GiB RAM) para la aplicación Spring Boot: ~$15/mes.
• Base de Datos: 1 instancia RDS t3.micro (PostgreSQL, 20GB almacenamiento GP2) para la persistencia de datos: ~$20/mes.
• Costo Total de Infraestructura: $35/mes.

4. Costos de APIs Externas

El principal costo de API externa proviene de la integración con un LLM. Utilizando OpenAI gpt-4o-mini para el volumen estimado de ~500K tokens/mes, el costo base es extremadamente bajo (~$0.20). Sin embargo, se ha asignado un presupuesto de $5/mes para incluir un buffer por posibles picos de uso, iteraciones de prompts o el uso ocasional de modelos ligeramente más caros para tareas críticas.

Estimación de Ingresos Mensuales

Basado en un modelo de monetización B2B SaaS con planes escalonados, se propone un plan inicial de $50/mes para las primeras empresas. Asumiendo la adquisición de 10 clientes en la fase de micro-startup, el ingreso mensual estimado es de $500/mes.

Margen de Beneficio

• Ingresos Mensuales: $500
• Costos Operativos Mensuales: $45
• Beneficio Mensual: $500 - $45 = $455

Margen de Beneficio: (($455) / $500) 100 = 91%

El alto margen de beneficio refleja la naturaleza lean de una micro-startup con bajos costos operativos y la eficiencia del modelo SaaS, donde los costos variables por cliente son muy bajos una vez que la infraestructura está en marcha.

Optimización de Costos (FinOps)

Para mantener y mejorar este saludable margen de beneficio a medida que EventFlow AI escala, se recomiendan las siguientes estrategias de FinOps:

1. Optimización de Uso de LLMs:

* Caching Inteligente: Implementar una capa de caché para las respuestas de LLM, especialmente para solicitudes repetitivas o plantillas de emails y resúmenes de feedback comunes. Esto reduce drásticamente las llamadas a la API. * Prompt Engineering: Refinar los prompts para ser lo más concisos y eficientes posible, minimizando el conteo de tokens de entrada y salida sin sacrificar la calidad. * Tiering de Modelos: Utilizar gpt-4o-mini para tareas de alto volumen y menor criticidad (ej. borradores de emails), y reservar modelos más potentes (ej. GPT-4 Turbo) solo para funcionalidades clave que requieran máxima precisión (ej. generación compleja de agendas). * Batch Processing: Agrupar solicitudes de LLM para tareas como el análisis de feedback masivo o la generación de comunicaciones, procesándolas en lotes para aprovechar posibles descuentos por volumen o APIs de inferencia por lotes.

1. Optimización de Infraestructura Cloud:

* Auto-scaling: Configurar auto-escalado para las instancias de cómputo (EC2) y la base de datos (RDS) para que los recursos se ajusten automáticamente a la demanda, evitando el sobreaprovisionamiento durante períodos de baja actividad. * Instancias Reservadas/Savings Plans: Una vez que la carga de trabajo y el uso sean predecibles, invertir en Reserved Instances o Savings Plans para obtener descuentos significativos en la capacidad de cómputo y base de datos. * Right-sizing Continuo: Monitorear constantemente el uso de CPU, RAM y E/S de la base de datos para asegurar que las instancias de EC2 y RDS estén correctamente dimensionadas, escalando hacia abajo cuando sea posible. * Políticas de Retención de Datos: Implementar políticas claras para archivar o eliminar datos antiguos en PostgreSQL que ya no sean necesarios para las operaciones activas, reduciendo los costos de almacenamiento.

1. Monitoreo y Alertas:

* Utilizar las herramientas de monitoreo nativas del proveedor de la nube (ej. AWS CloudWatch) para establecer alertas sobre el consumo de recursos y los costos, permitiendo una acción proactiva ante aumentos inesperados.

Estas estrategias permitirán a EventFlow AI escalar su operación de manera eficiente, manteniendo los costos bajo control y maximizando la rentabilidad a medida que crece su base de clientes.