PulseFinance AI — MVP Explainer

Concept

PulseFinance AI is a B2B SaaS platform that gives founders and SMB owners a real-time financial pulse without hiring a CFO. It connects read-only to QuickBooks, Xero, and bank accounts (via Plaid), then automatically computes burn rate, cash runway, and multi-horizon cash-flow forecasts — and fires intelligent alerts before crises become irreversible.

---

Architecture

┌──────────────────────────────────────────────────────────┐
│                  Spring Boot 4.0.4 / Java 25             │
│                                                          │
│  ┌────────────┐  ┌────────────┐  ┌──────────────────┐   │
│  │AuthController│ │DashboardCtrl│ │ConnectionController│ │
│  └─────┬──────┘  └──────┬─────┘  └────────┬─────────┘   │
│        │                │                  │             │
│  ┌─────▼──────┐  ┌──────▼─────┐  ┌────────▼─────────┐   │
│  │ AuthService│  │DashboardSvc│  │  ForecastingService│  │
│  └─────┬──────┘  └──────┬─────┘  └────────┬─────────┘   │
│        │                │                  │             │
│  ┌─────▼──────────────────────────────────▼─────────┐   │
│  │               Spring Data JPA Repositories        │   │
│  └─────────────────────────┬─────────────────────────┘   │
│                            │ PostgreSQL                  │
│  ┌─────────────────────────▼─────────────────────────┐   │
│  │               DataSyncService @Scheduled            │   │
│  │    PlaidClient (OpenFeign) ◄──► QuickBooksClient   │   │
│  └────────────────────────────────────────────────────┘   │
│                                                          │
│  ┌──────────────────────────────────────────────────┐    │
│  │  Spring Security 7 — Stateless JWT (jjwt 0.12.6) │    │
│  └──────────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────────┘

Layer map

Layer	Package	Responsibility
API	controller	REST endpoints, validation, auth principal extraction
Business	service	Domain logic: auth, metrics, alerts, forecasting, sync
Data	repository	Spring Data JPA interfaces over PostgreSQL
Model	model	JPA entities: User, BusinessProfile, ApiConnection, FinancialSnapshot, FinancialTransaction
Connector	connector	OpenFeign clients for Plaid and QuickBooks
Security	security	JWT filter, UserDetails adapter, SecurityFilterChain
DTO	dto	Java Records: request/response payloads

---

API Endpoints

Auth (public)

Method	Path	Description
%%INLINE7%%	%%INLINE8%%	Create account + business profile → returns JWT
%%INLINE9%%	%%INLINE10%%	Authenticate → returns JWT

Register payload:

{
  "email": "founder@startup.io",
  "password": "secret123",
  "businessName": "Acme SaaS",
  "industry": "Technology"
}

Login payload:

{ "email": "founder@startup.io", "password": "secret123" }

Auth response:

{
  "token": "<jwt>",
  "email": "founder@startup.io",
  "businessName": "Acme SaaS",
  "tokenType": "Bearer"
}

---

Dashboard (Bearer JWT required)

Method	Path	Description
%%INLINE11%%	%%INLINE12%%	Real-time KPIs: cash, burn rate, runway
%%INLINE13%%	%%INLINE14%%	30 / 60 / 90-day cash-flow forecast
%%INLINE15%%	%%INLINE16%%	Active intelligent alerts

Metrics response:

{
  "cashBalance": 42500.00,
  "burnRate": 8000.00,
  "runwayDays": 159,
  "monthlyRevenue": 15000.00,
  "monthlyExpenses": 8000.00,
  "snapshotDate": "2026-06-11",
  "currency": "USD"
}

Forecast response (truncated):

{
  "forecast30": [
    { "date": "2026-06-12", "projectedCashFlow": 233.33, "projectedBalance": 42733.33 }
  ],
  "forecast60": [...],
  "forecast90": [...]
}

Alert response:

[
  {
    "type": "BURN_RATE_HIGH",
    "message": "Monthly expenses ($8000) exceed revenue ($6000). Negative cash flow detected.",
    "severity": "WARNING",
    "triggeredAt": "2026-06-11T04:00:00"
  }
]

---

Connections (Bearer JWT required)

Method	Path	Description
%%INLINE17%%	%%INLINE18%%	List user's integrations
%%INLINE19%%	%%INLINE20%%	Register QuickBooks / Xero / Plaid OAuth token
%%INLINE21%%	%%INLINE22%%	Soft-deactivate a connection

Create connection payload:

{
  "platform": "PLAID",
  "accessToken": "access-sandbox-xxx",
  "refreshToken": "refresh-sandbox-yyy"
}

---

Security

• JWT issued via %%INLINE23%% and %%INLINE24%%.
• %%INLINE25%% intercepts every request, validates the token, and populates %%INLINE26%%.
• Stateless session — no server-side state.
• Default secret is development-only. Set app.jwt.secret (Base64, ≥ 256 bits) in production.
• Tokens expire after 24 h (app.jwt.expiration-ms, default 86400000 ms).

---

Data Pipeline

%%INLINE29%% runs at 04:00 UTC daily (%%INLINE30%%).

1. Loads all %%INLINE31%% %%INLINE32%% records.
2. For %%INLINE33%% — calls %%INLINE34%% (last 30 days), persists FinancialTransaction rows.
3. For %%INLINE36%% — calls %%INLINE37%%, parses revenue/expense figures.
4. If the external API is unreachable (sandbox mode), realistic mock transactions are seeded.
5. After each connection sync, %%INLINE38%% aggregates the 30-day window into a new %%INLINE39%%.

---

Forecasting Algorithm

ForecastingService uses a moving-average daily cash-flow model:

1. Retrieve the last 90 FinancialSnapshot records (DESC order).
2. Compute the average daily balance delta across consecutive pairs:

Δ_daily = mean( (balance[i] - balance[i+1]) / days_between )

1. If only one snapshot exists, derive: Δ_daily = (revenue - expenses) / 30.
2. Project forward: balance[t] = balance[0] + Δ_daily × t.

This produces 30, 60, and 90-day daily series — each a List<ForecastPoint>.

---

Alert Thresholds

Alert type	Condition	Severity
%%INLINE46%%	%%INLINE47%%	CRITICAL
%%INLINE48%%	%%INLINE49%%	WARNING
%%INLINE50%%	%%INLINE51%%	WARNING
%%INLINE52%%	%%INLINE53%%	CRITICAL

---

How to Run

Prerequisites

• Java 25
• Maven 3.9+
• PostgreSQL 16+ (or Docker)

Database

CREATE DATABASE pulse_finance_ai;
CREATE USER pulse_admin WITH PASSWORD 'changeme';
GRANT ALL PRIVILEGES ON DATABASE pulse_finance_ai TO pulse_admin;

application.yml additions (create application-local.yml)

spring:
  datasource:
    url: jdbc:postgresql://localhost:5432/pulse_finance_ai
    username: pulse_admin
    password: changeme
  jpa:
    hibernate:
      ddl-auto: update
    show-sql: false

app:
  jwt:
    secret: <base64-encoded-256-bit-secret>
    expiration-ms: 86400000

plaid:
  api:
    url: https://sandbox.plaid.com

quickbooks:
  api:
    url: https://sandbox-quickbooks.api.intuit.com

Build & Run

# Compile only
mvn clean compile

# Run with local profile
mvn spring-boot:run -Dspring-boot.run.profiles=local

# Package
mvn clean package -DskipTests
java -jar target/pulse-finance-ai-0.0.1-SNAPSHOT.jar --spring.profiles.active=local

Quick API test

# 1. Register
curl -s -X POST http://localhost:8080/auth/register \
  -H "Content-Type: application/json" \
  -d '{"email":"founder@demo.io","password":"demo1234","businessName":"Demo Co"}' | jq .

# 2. Extract token and store
TOKEN=$(curl -s -X POST http://localhost:8080/auth/login \
  -H "Content-Type: application/json" \
  -d '{"email":"founder@demo.io","password":"demo1234"}' | jq -r .token)

# 3. Add a Plaid connection (mock token)
curl -s -X POST http://localhost:8080/api/v1/connections \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"platform":"PLAID","accessToken":"access-sandbox-demo","refreshToken":"refresh-sandbox-demo"}'

# 4. View metrics (populated after first sync trigger)
curl -s http://localhost:8080/api/v1/dashboard/metrics \
  -H "Authorization: Bearer $TOKEN" | jq .

# 5. View forecast
curl -s http://localhost:8080/api/v1/dashboard/forecast \
  -H "Authorization: Bearer $TOKEN" | jq .forecast30[0:3]

# 6. View alerts
curl -s http://localhost:8080/api/v1/dashboard/alerts \
  -H "Authorization: Bearer $TOKEN" | jq .

---

Business Analysis

Market opportunity

The global SMB accounting software market is projected at $8.2B by 2028 (CAGR ~8%). Fewer than 15 % of companies with < 50 employees use any real-time cash-flow forecasting tool (source: Intuit research, 2025). PulseFinance AI targets this underserved segment.

Revenue model

Tier	Price	Inclusions
Starter	$29 / mo	1 integration, 30-day forecast
Growth	$79 / mo	3 integrations, 90-day forecast, alerts
Scale	$199 / mo	Unlimited integrations, API access, multi-user

Unit economics (Growth tier): LTV at 18-month churn = $79 × 18 = $1,422. CAC via founder-led outreach estimated at $120. LTV/CAC = 11.8×.

Competitive moat

• Data network effects — more synced history → more accurate forecasts.
• Switching cost — once integrated, teams build workflows on top of PulseFinance alerts.
• Speed-to-insight — competitors (LivePlan, Pulse) require manual data entry; PulseFinance is fully automated.

---

References

• AI in Financial Services — TechRev 2026
• Plaid API Docs
• QuickBooks Online API
• Spring Boot 4 Reference
• jjwt 0.12.x Guide

---

FinOps Analysis para PulseFinance AI

1. Resumen Ejecutivo

PulseFinance AI, una micro-startup SaaS, muestra una prometedora viabilidad financiera con un margen de beneficio estimado del 85% en su fase inicial. Los costos operativos son bajos, impulsados principalmente por la infraestructura cloud y las APIs de terceros. La gestión proactiva de los costos de LLM y APIs será clave para mantener esta rentabilidad a medida que la startup escale.

2. Desglose de Costos Mensuales (Estimación para 20 Clientes)

Categoría	Costo Mensual Estimado	Detalle
LLM (OpenAI)	$15	~15M tokens/mes (asumiendo gpt-3.5-turbo para explicaciones y resúmenes)
Cloud Compute	$18	AWS EC2 t3.small (o equivalente en GCP/Azure) para el backend Spring Boot
Base de Datos	$18	AWS RDS PostgreSQL db.t3.micro (o equivalente)
APIs Externas	$18	Plaid (20 clientes x 2 conexiones/cliente x $0.30 + tarifas de transacción)
Otros (Monitoreo, Red)	$5	AWS CloudWatch, transferencia de datos básica, etc.
Costo Operativo Total	$74/mes

3. Estimación de Ingresos y Margen de Beneficio

• Modelo de Monetización: SaaS por suscripción mensual por niveles (basado en integraciones/volumen).
• Precio Asumido (MVP): $25 por cliente/mes.
• Clientes Iniciales: 20

Ingreso Mensual Estimado: 20 clientes $25/cliente = $500/mes

• Beneficio Mensual Estimado: $500 (Ingresos) - $74 (Costos) = $426/mes

Margen de Beneficio: (($500 - $74) / $500) 100 = 85.2%

4. Estrategias de Optimización FinOps

Para mantener y mejorar la rentabilidad a medida que PulseFinance AI crece, se recomiendan las siguientes estrategias:

• Optimización de Costos LLM:

* Migración a Modelos Más Eficientes: Evaluar el uso de %%INLINE55%% para la mayoría de las tareas de generación de texto y explicaciones. El costo por token de %%INLINE56%% es significativamente menor que gpt-3.5-turbo, lo que podría reducir los costos de LLM en más del 90% para el mismo volumen de tokens. * Caching Inteligente: Implementar una capa de caché robusta para las respuestas del LLM, especialmente para consultas o resúmenes que se generan periódicamente o con entradas similares. * Tokenización Eficiente: Asegurar que los prompts se construyan de la manera más concisa posible, limitando el contexto innecesario y la longitud de las respuestas generadas. * Modelos Open-Source: Para tareas de clasificación de transacciones o resúmenes muy específicos, explorar el fine-tuning de modelos open-source más pequeños (ej. Llama 3 8B) y alojarlos en servicios de inferencia de menor costo o incluso en la propia infraestructura si el volumen lo justifica.

• Optimización de Infraestructura Cloud:

* Planes de Ahorro: Considerar la adquisición de AWS Savings Plans o Reserved Instances para las instancias EC2 y RDS una vez que se tenga una previsibilidad de uso a largo plazo. * Monitoreo y Alertas: Configurar monitoreo de costos en AWS Cost Explorer (o herramientas equivalentes en GCP/Azure) con alertas para detectar anomalías o picos de gasto inesperados. * Optimización de Base de Datos: Realizar auditorías de rendimiento de la base de datos para asegurar que las consultas sean eficientes y que la instancia db.t3.micro sea suficiente. Un esquema bien diseñado y buenos índices pueden evitar la necesidad de escalar la DB prematuramente. * Alternativas de Hosting: Para una micro-startup, plataformas como DigitalOcean o Linode pueden ofrecer un costo base de infraestructura ligeramente más bajo que AWS para instancias equivalentes, simplificando la gestión inicial.

• Optimización de APIs Externas:

* Uso de Webhooks: Priorizar el uso de webhooks de Plaid para recibir actualizaciones de transacciones en tiempo real en lugar de realizar llamadas de polling periódicas, reduciendo así las llamadas API innecesarias. * Frecuencia de Sincronización: Evaluar si la sincronización diaria de todas las cuentas es estrictamente necesaria para todos los clientes o si una frecuencia menor (ej. cada 2-3 días) podría ser aceptable para reducir los costos de Plaid para ciertos niveles de servicio. * Negociación de Tarifas: A medida que la base de clientes y el volumen de transacciones crezcan, buscar activamente negociar tarifas personalizadas con Plaid.

5. Principios Clave de FinOps

• Visibilidad: Mantener una visibilidad clara de todos los costos operativos a través de dashboards y reportes periódicos.
• Responsabilidad: Asignar la responsabilidad de los costos a los equipos o áreas relevantes.
• Optimización Continua: Establecer un ciclo de mejora continua para identificar y aplicar optimizaciones de costos.
• Alineación con el Negocio: Asegurar que las decisiones técnicas y de infraestructura estén alineadas con los objetivos de negocio y la rentabilidad.