RealtyWrite AI — Explainer

Concepto

RealtyWrite AI es un SaaS de escritura asistida por IA para agentes inmobiliarios. Transforma datos crudos de una propiedad (dirección, m², habitaciones, etc.) en descripciones persuasivas, listas para publicar en MLS, Zillow, Instagram o Facebook, en tres estilos de escritura diferenciados: Lujo, Familiar y Moderno.

Problema que resuelve

Los agentes invierten 30-60 minutos por anuncio redactando textos repetitivos y de calidad variable. RealtyWrite AI lo reduce a segundos con copy optimizado para cada plataforma.

Monetización (Freemium)

Plan	Precio	Límite
FREE	$0	3 generaciones/mes
PRO	$29/mes	Ilimitadas + más estilos

---

Arquitectura

┌─────────────┐    JWT     ┌──────────────────────────────────────────┐
│   Cliente   │ ─────────► │          Spring Boot 4.0.4 (Java 25)     │
│ (REST/SPA)  │            │                                          │
└─────────────┘            │  AuthController   /api/auth/**           │
                           │  ListingController /api/listings/**       │
                           │  DashboardController /api/dashboard/**    │
                           │       │                                   │
                           │  AuthService   ListingService             │
                           │  DashboardService  AiGenerationService    │
                           │       │                    │              │
                           │  UserRepository            │ Feign        │
                           │  ListingRepository    OpenAiClient        │
                           │  DescriptionRepository     │              │
                           │       │                    ▼              │
                           │  H2 / PostgreSQL    OpenAI API            │
                           └──────────────────────────────────────────┘

Stack

• Spring Boot 4.0.4 + Spring Framework 7 + Java 25
• Spring Security 7 — JWT stateless auth (jjwt 0.12.6)
• Spring Data JPA — H2 (dev) / PostgreSQL (prod)
• Spring Cloud OpenFeign 4.2.1 — cliente HTTP declarativo hacia OpenAI
• Jakarta EE 11 — validación, persistencia, servlet
• Jackson 3 (tools.jackson.*) — serialización JSON

---

Endpoints

Auth — /api/auth

Método	Ruta	Auth	Descripción
POST	/api/auth/register	❌	Registro de nuevo usuario
POST	/api/auth/login	❌	Login, devuelve JWT
GET	/api/auth/me	✅	Perfil del usuario autenticado
POST	/api/auth/upgrade	✅	Sube plan a PRO

Registro

POST /api/auth/register
Content-Type: application/json

{
  "email": "agente@inmobiliaria.com",
  "password": "secreto123",
  "name": "María García"
}

{
  "token": "eyJhbGciOiJIUzI1NiJ9...",
  "tokenType": "Bearer",
  "user": { "id": 1, "email": "...", "plan": "FREE", "generationsThisMonth": 0, "generationsLimit": 3 }
}

---

Listings — /api/listings

Método	Ruta	Auth	Descripción
POST	/api/listings/generate	✅	Crea listing + genera descripción IA
GET	/api/listings	✅	Lista todas las descripciones del usuario

Generar descripción

POST /api/listings/generate
Authorization: Bearer <token>
Content-Type: application/json

{
  "address": "Av. Paseo de la Reforma 500, CDMX",
  "squareMeters": 180,
  "bedrooms": 3,
  "bathrooms": 2,
  "keyFeatures": ["terraza", "cocina integral", "estacionamiento doble", "seguridad 24h"],
  "style": "LUXURY",
  "platform": "MLS"
}

Estilos disponibles: %%INLINE8%% | %%INLINE9%% | MODERN

Plataformas disponibles: %%INLINE11%% | %%INLINE12%% | %%INLINE13%% | %%INLINE14%%

{
  "descriptionId": 1,
  "listingId": 1,
  "content": "Exclusiva residencia en Av. Paseo de la Reforma...",
  "style": "LUXURY",
  "platform": "MLS",
  "generationsUsedThisMonth": 1,
  "generationsLimit": 3
}

---

Dashboard — /api/dashboard

Método	Ruta	Auth	Descripción
GET	/api/dashboard/stats	✅	Estadísticas de uso
GET	/api/dashboard/descriptions	✅	Todas las descripciones guardadas
GET	/api/dashboard/descriptions/{id}	✅	Una descripción por ID
PUT	/api/dashboard/descriptions/{id}	✅	Editar contenido/título
DELETE	/api/dashboard/descriptions/{id}	✅	Eliminar descripción

Estadísticas

{
  "plan": "FREE",
  "generationsThisMonth": 1,
  "generationsLimit": 3,
  "totalListings": 1,
  "totalDescriptions": 1
}

Editar descripción

PUT /api/dashboard/descriptions/1
Authorization: Bearer <token>
Content-Type: application/json

{
  "content": "Texto editado manualmente por el agente...",
  "customTitle": "Reforma 500 — Lujo Premium"
}

---

Cómo ejecutar

Prerrequisitos

• Java 25+
• Maven 3.9+
• (Opcional) OpenAI API Key para generación real

Modo desarrollo (H2 en memoria)

cd solutions/2026-06-30-realty-write-ai

# Con generación real de IA
APP_OPENAI_API-KEY=sk-... mvn spring-boot:run -Dspring-boot.run.profiles=dev

# Sin API key (descripciones demo incluidas)
mvn spring-boot:run -Dspring-boot.run.profiles=dev

La app arranca en http://localhost:8080

H2 Console: http://localhost:8080/h2-console

• JDBC URL: jdbc:h2:mem:realtywriteai
• User: sa / Password: (vacío)

Modo producción (PostgreSQL)

export SPRING_DATASOURCE_URL=jdbc:postgresql://localhost:5432/realtywriteai
export SPRING_DATASOURCE_USERNAME=postgres
export SPRING_DATASOURCE_PASSWORD=secret
export APP_JWT_SECRET=tu-secreto-de-produccion-de-al-menos-256-bits
export APP_OPENAI_API-KEY=sk-tu-api-key-de-openai

mvn clean package
java -jar target/realty-write-ai-0.0.1-SNAPSHOT.jar

Compilación

mvn clean compile   # debe terminar en BUILD SUCCESS
mvn clean package   # genera el JAR ejecutable

---

Esquema de base de datos

-- app_users
CREATE TABLE app_users (
    id                     BIGINT PRIMARY KEY AUTO_INCREMENT,
    email                  VARCHAR(255) UNIQUE NOT NULL,
    password_hash          VARCHAR(255) NOT NULL,
    name                   VARCHAR(255) NOT NULL,
    plan                   VARCHAR(10)  NOT NULL DEFAULT 'FREE',
    generations_this_month INT          NOT NULL DEFAULT 0,
    last_generation_month  INT          NOT NULL DEFAULT 0,
    created_at             TIMESTAMP
);

-- listings
CREATE TABLE listings (
    id            BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id       BIGINT NOT NULL REFERENCES app_users(id),
    address       VARCHAR(500) NOT NULL,
    square_meters INT,
    bedrooms      INT,
    bathrooms     INT,
    key_features  TEXT,
    style         VARCHAR(20) NOT NULL,
    platform      VARCHAR(20) NOT NULL,
    created_at    TIMESTAMP
);

-- generated_descriptions
CREATE TABLE generated_descriptions (
    id           BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id      BIGINT NOT NULL REFERENCES app_users(id),
    listing_id   BIGINT NOT NULL REFERENCES listings(id),
    content      TEXT NOT NULL,
    style        VARCHAR(20),
    platform     VARCHAR(20),
    custom_title VARCHAR(500),
    created_at   TIMESTAMP
);

---

Análisis de Negocio

Por qué funciona

1. Nicho claro: agentes inmobiliarios tienen dolor de copywriting real y alta disposición a pagar.
2. Bajo riesgo técnico: delega la IA a OpenAI; el valor está en el prompt engineering y la UX.
3. CAC bajo: el plan FREE actúa como PLG (Product-Led Growth); los usuarios prueban antes de pagar.
4. Retención alta: una vez integrado en el flujo de trabajo del agente, el churn es bajo.

Métricas clave (proyección 12 meses)

Métrica	Objetivo
Usuarios FREE	2.000
Conversión FREE → PRO	8%
MRR	~$4.640
Costo OpenAI / usuario PRO	~$0.50/mes
Margen bruto	~98%

Roadmap post-MVP

• Integración directa con MLS (RETS/RESO API)
• Generación de imágenes con DALL-E / Midjourney
• Multi-idioma (inglés, portugués)
• White-label para agencias grandes
• Historial de versiones por descripción

---

Referencias

• Big Ideas — AI SaaS Ideas 2026
• OpenAI Chat Completions API
• Spring Boot 4.0 Release Notes
• jjwt 0.12.x Migration Guide
• Spring Cloud OpenFeign

---

Análisis FinOps para RealtyWrite AI

Este análisis FinOps estima los costos operativos y el margen de beneficio para la micro-startup RealtyWrite AI, basándose en un modelo de monetización freemium y una infraestructura lean.

Estimación de Uso y Costos

1. Estimación de Tokens LLM: Se proyecta un uso de aproximadamente ~500K tokens/mes. Esta estimación se basa en un escenario inicial de 100 usuarios gratuitos (3 generaciones/mes cada uno) y 20 usuarios Pro (estimando 25-30 generaciones/mes cada uno, considerando múltiples estilos/tonos por propiedad). Cada generación se calcula en ~500 tokens (100 de entrada, 400 de salida).

2. Costos de APIs Externas: Se ha presupuestado $15/mes para las llamadas a la API de OpenAI, utilizando el modelo %%INLINE23%%. Aunque %%INLINE24%% sería más económico por token, gpt-4o se prefiere para asegurar la "alta calidad" y "persuasión" de las descripciones, con este presupuesto inicial para cubrir el uso proyectado y un buffer para iteraciones o prompts más complejos.

3. Costos de Infraestructura Cloud: Para una startup de IA con Spring Boot, se ha elegido una configuración lean y escalable en la nube, totalizando $25/mes.

• Cloud Compute (Aplicación): $15/mes utilizando Google Cloud Run. Este servicio serverless es ideal para micro-startups, ya que escala a cero cuando no hay tráfico, minimizando costos.
• Base de Datos (PostgreSQL): $10/mes utilizando Google Cloud SQL (PostgreSQL) en su nivel más pequeño (ej. db-f1-micro) con espacio de almacenamiento mínimo. Esta opción gestionada reduce la sobrecarga operativa y es rentable para volúmenes bajos.

Desglose de Costos Mensuales

• LLM (OpenAI gpt-4o): $15
• Cloud Compute (Google Cloud Run): $15
• Base de Datos (Google Cloud SQL): $10
• Total de Costos Operativos Mensuales: $40

Ingresos Mensuales Estimados

Con un modelo freemium y un plan Pro de $29/mes, se estima un ingreso mensual inicial basado en 20 clientes Pro:

• Ingreso Mensual Estimado: 20 clientes x $29/mes = $580/mes

Margen de Beneficio

Calculando el margen de beneficio con los costos e ingresos estimados:

• Beneficio = Ingreso - Costos = $580 - $40 = $540

Margen de Beneficio = ($540 / $580) 100 = 93%

Este margen de beneficio excepcionalmente alto refleja la naturaleza de una micro-startup SaaS con costos operativos bajos y un nicho de mercado con buena disposición a pagar por herramientas especializadas.

Optimizaciones FinOps para Reducir Costos

Para mantener y mejorar este margen de beneficio a medida que la startup crece, se recomiendan las siguientes optimizaciones:

1. Caché de Respuestas LLM: Implementar un sistema de caché para almacenar y reutilizar las descripciones generadas para entradas idénticas o muy similares. Esto reduce significativamente las llamadas redundantes a la API de LLM.
2. Optimización de Prompts: Refinar continuamente la ingeniería de prompts para asegurar que solo se envíen los tokens necesarios al LLM, tanto en la entrada como en la especificación de la longitud de la salida.
3. Modelos LLM Híbridos: Utilizar un enfoque de modelos en cascada, donde un modelo más económico (ej. %%INLINE26%% o incluso modelos open-source auto-hosteados para tareas específicas) genere borradores iniciales, y %%INLINE27%% se use solo para el refinamiento final o para estilos de alta prioridad.
4. Escalabilidad Serverless: Continuar aprovechando al máximo la escalabilidad a cero de servicios como Google Cloud Run, asegurando que los recursos de cómputo solo se provisionen cuando haya demanda activa.
5. Políticas de Retención de Datos: Implementar políticas claras de gestión de datos en la base de datos para archivar o eliminar descripciones antiguas o no utilizadas, reduciendo los costos de almacenamiento a largo plazo.
6. Monitoreo Activo de Costos: Configurar alertas de presupuesto y monitorear el uso de recursos en la nube (Cloud Run, Cloud SQL) y de la API de LLM para identificar y corregir rápidamente cualquier anomalía o gasto inesperado.