Oxxo Corner / Femsa

Contexto

Oxxo Corner exploró otra forma de interactuar con una tienda Oxxo: usar la cámara del teléfono para descubrir productos y recomendaciones. La primera versión combinó realidad aumentada, filtrado de imágenes con IA generativa, información de productos y un foro comunitario.

Mi rol

Fui Product Owner y desarrollador full-stack en un equipo de cuatro. Convertí la idea en el alcance inicial, coordiné pantallas SwiftUI con la API en Flask y Python, y conecté navegación RA, perfil y comunidad.

Decisiones

• Usar ARKit para orientar, no como adorno. Las ubicaciones y señales de producto debían responder la siguiente pregunta. El costo fue probar distintos dispositivos y definir un fallback cuando el tracking fuera débil.
• Mantener el reconocimiento de imágenes de CoreML cerca del cliente iOS. Inferir en el dispositivo puede responder sin mandar cada cuadro de cámara al backend, pero agrega restricciones de tamaño del modelo y compatibilidad.
• Poner cuentas y datos de comunidad detrás de Flask. El servicio dio a perfiles y foro un límite compartido de persistencia. Eso requiere trabajo de API y permisos, pero evita que el cliente móvil sea dueño de los datos de negocio.
• Limitar la IA generativa al filtrado de imágenes en la primera versión. Un uso acotado hizo comprensible el experimento y redujo el riesgo de que las recomendaciones parecieran más seguras de lo que permitían sus datos.

Resultado

El equipo produjo una primera versión coherente que conectó descubrimiento de tienda, indicaciones RA, reconocimiento de productos, recomendaciones, perfiles y conversación comunitaria en un solo flujo iOS.

Qué haría diferente

Validaría la navegación RA con distribuciones reales de tienda antes de ampliar la capa social. Así descubriríamos temprano las restricciones de tracking y señalización, y tendríamos una base más clara para decidir qué partes del concepto merecían otra iteración.