Implementación de RPA para automatizar búsquedas
Rootstack creó robots con UiPath para la automatización y agilización de la búsqueda de perfiles en LinkedIn para el equipo de reclutamiento de personal.
Rootstack lideró un proceso estratégico de refactorización enfocado en estabilizar la arquitectura del backend sin interrumpir la operación del sistema.


Empresa con sede en Estados Unidos que opera una plataforma digital enfocada en el análisis de rendimiento deportivo a partir de video. Su solución permite a entrenadores, organizaciones y analistas obtener información relevante sobre el desempeño de atletas. Con el crecimiento acelerado del producto, la plataforma evolucionó sobre un backend sin una arquitectura claramente definida, lo que generó desafíos en mantenimiento, escalabilidad y estabilidad del sistema.
Rootstack lideró un proceso estratégico de refactorización del backend de la página web de nuestro cliente, incorporando un enfoque de AI Vibe Coding controlado, que permitió acelerar el análisis, la reorganización del código y la toma de decisiones técnicas sin comprometer la estabilidad del sistema en producción. El principal reto consistía en transformar un backend que había crecido sin una arquitectura definida, manteniendo la continuidad operativa y minimizando riesgos.
Para lograrlo, se combinó la experiencia del equipo con herramientas de inteligencia artificial como Claude Code y GitHub Copilot, utilizadas como copilotos técnicos durante todo el proceso.
Reestructuración del Backend
Mediante el uso de IA, se facilitó la comprensión de un codebase complejo y se aceleró la reorganización hacia una arquitectura más clara y modular:
Refactorización de Rutas y Endpoints
La IA permitió identificar patrones inconsistentes en rutas y endpoints, proponiendo mejoras alineadas con buenas prácticas modernas:
Estabilización de la Arquitectura
El uso de la escritura de código asistido por inteligencia artificial, permitió no solo ejecutar cambios, sino también definir una base arquitectónica más sólida:
Mejora de Seguridad
La inteligencia artificial se utilizó como una capa adicional de análisis para detectar vulnerabilidades y fortalecer el sistema:


Estabilidad del sistema: Backend más robusto y confiable. Reducción de errores derivados de estructuras inconsistentes.
Reducción de deuda técnica: Eliminación de código redundante y desorganizado. Mejora significativa en la calidad del código.
Mayor mantenibilidad: Estructura clara que facilita futuras modificaciones. Reducción en tiempos de desarrollo para nuevas funcionalidades.
Escalabilidad: Base arquitectónica preparada para crecimiento. Mayor facilidad para integrar nuevas capacidades en la plataforma.