Un regreso después de 20 años: De CEO a desarrollador, iniciando un nuevo viaje con un chatbot de IA

En octubre de 2005, dejé mi vida en Frankfurt, Alemania, y fundé una empresa llamada M-BIZ Global Company Limited en Kingston-Upon-Thames, un hermoso pueblo en las afueras de Londres. Todo comenzó con un único contrato firmado con Samsung Mobile (sede en Corea).

Nuestro modelo de negocio era un innovador método de venta de juegos móviles llamado 'Try and Buy' (Prueba y Compra). Los usuarios podían probar juegos populares como Tetris durante unos 60 segundos (Prueba), y después de que el juego se bloqueara automáticamente, podían comprar la versión completa mediante un pago por SMS prémium (Compra). Como estos juegos estaban integrados en los teléfonos básicos (feature phones) antes de la era de los smartphones, los resultados superaron cualquier expectativa.

Un único desarrollador de software que se había mudado de Corea del Sur a Europa se transformó instantáneamente en el CEO y fundador de una compañía global, generando ingresos masivos a través de los teléfonos móviles de Samsung en unos 60 países de todo el mundo. A medida que la empresa crecía, contraté a nuevos colegas y, naturalmente, me alejé cada vez más del mundo del desarrollo de software que tanto amaba.

Han pasado casi 20 años desde entonces. El negocio ha sido mayormente liquidado, y el último desarrollador senior que me acompañó también se despidió con un adiós agridulce a finales de junio de 2025. Aunque había cambiado el enfoque del negocio hacia los chatbots de IA, tuve que pasar la mayor parte de mi tiempo cerrando otros proyectos dispersos.

Sobre todo, habiendo estado alejado del mundo del desarrollo durante casi 19 años, volver a programar fue un desafío inmenso. El mundo ahora estaba lleno de tecnologías completamente diferentes a las que conocía, como AWS, Node.js y TypeScript.

Finalmente, el 1 de julio de 2025, con la sensación de que ya no podía retroceder más, comencé a desarrollar por mi cuenta un servicio de chatbot de IA llamado 'AI Talk'. Aunque todos a mi alrededor me recomendaban Claude Code, casualmente tenía un crédito gratuito de 300 dólares de Google Cloud, así que decidí usar Gemini CLI para practicar.

Con la aparición de ChatGPT, personalmente me interesé profundamente en la tecnología de Generación Aumentada por Recuperación (RAG). Estaba completamente absorto en el proceso de manejar código Python desconocido, incrustar datos en una base de datos vectorial (Vector DB) como Pinecone y generar respuestas automáticas con la API de OpenAI basándome en datos seleccionados mediante similitud del coseno. Por supuesto, los servicios RAG ya estaban bien establecidos a través de LangChain, y yo también aspiraba a construir un servicio como Chatbase por mí mismo.

Mientras planificaba un modelo de negocio B2B, me fijé en la Shopify App Store como un mercado comparable a Google Play o la App Store de Apple. La política de eximir la comisión del 15% hasta que los ingresos brutos de por vida de una aplicación alcanzaran el millón de dólares estadounidenses era particularmente atractiva. Además, el framework predeterminado Remix y la biblioteca de componentes Polaris React proporcionaban un excelente entorno de desarrollo, aliviando significativamente la carga del diseño de UI/UX para la interfaz de administración.

Sin embargo, otros servicios de chatbot de IA que usaban RAG tenían una clara desventaja: el inconveniente de tener que reentrenar constantemente los datos cada vez que la información de los productos de una tienda se añadía o actualizaba. Yo también pensé que esta era una limitación técnica inevitable. Pero después de aprender sobre la API de Storefront de Shopify (MCP), tomé la audaz decisión de abandonar RAG y reemplazarlo por completo con la Storefront API.

Entender cómo funcionaba MCP desde el principio no fue fácil. Decidí usar la API de OpenAI, que era un poco más asequible y accesible que la API de Claude. También añadí una opción para que los propietarios de las tiendas introdujeran su propia clave de API de OpenAI para aumentar el límite de uso predeterminado diez veces.

El rendimiento del MCP implementado fue verdaderamente satisfactorio. Para consultas generales como "¿Hola?", OpenAI manejaba la respuesta de forma natural. Para preguntas específicas como "¿Qué productos están disponibles para comprar?", buscaba en tiempo real en todos los datos internos de la tienda para proporcionar la respuesta más precisa.

Lo más importante es que este sistema tiene una característica especial que guía naturalmente al usuario hacia la realización de un pedido. Este fue un diferenciador clave que fue posible gracias al uso de MCP, una característica difícil de soportar con un enfoque RAG que simplemente recupera y presenta información.

Si desea experimentar la demostración en vivo por sí mismo, visite el siguiente enlace y haga clic en el botón 'View demo store' a la izquierda.

https://apps.shopify.com/ai-talk-checkout-assistant

Como siguiente paso, estoy planeando un servicio para gestionar los pedidos de los clientes a través del servidor MCP de cuentas de cliente (Customer accounts MCP server). Una vez que se añada esta función, el asistente de IA podrá proporcionar un soporte más avanzado, como verificar el estado del pedido de un cliente y buscar los detalles del mismo.

Conclusión

El comienzo de toda esta programación empezó con Gemini CLI. Sin embargo, a medida que crecía el número de funciones a desarrollar, naturalmente migré a Claude Code. La lección importante es que incluso si no entiendes completamente la sintaxis de TypeScript, desarrollar una aplicación de Shopify como esta es totalmente posible con la ayuda de la IA.

Así que ahora, después de 20 años, he vuelto a ser un desarrollador en solitario. El apoyo de los asistentes de codificación de IA y tecnologías de vanguardia como MCP hacen que mi corazón se acelere de emoción una vez más.

Esto también fue creado con la ayuda de Gemini 2.5 Pro y la imagen fue generada.