Desconecta — Bienestar digital con IA App de bienestar digital: predice y reduce tu uso del móvil

Desconecta: lo que a los bloqueadores de pantalla les falta

El mercado del bienestar digital está lleno (Screen Time, Digital Wellbeing, Freedom, Opal…), pero casi todas las apps comparten tres debilidades: sus límites son estáticos (los pones una vez y los ignoras), son reactivos (te avisan cuando ya has llegado al tope) y bloquean con un muro tonto que el usuario desactiva en dos clics. Desconecta ataca justo ese hueco con una capa de IA.

Predictivo, no reactivo

Un modelo de forecasting (XGBoost) aprende tu patrón de uso y predice los minutos de mañana por app y el uso total del día. De ahí se deriva a qué hora cruzarás tu límite ("a este ritmo llegarás a tu tope de TikTok hacia las 20:08"), proyectando el uso previsto sobre tu perfil horario. La intervención llega antes del atracón, no después.

Riesgo de atracón con causas explicables

Un segundo modelo estima el riesgo de atracón de cada día como un score calibrado, y con SHAP expone por qué: fin de semana, racha de uso al alza, uso nocturno reciente, perfil impulsivo… No es una caja negra: ves los triggers concretos que disparan tu riesgo.

Límites adaptativos, no un número fijo

En vez de un límite arbitrario, un controlador transparente propone un presupuesto que desciende de forma sostenible hacia tu objetivo (p.ej. −30%) sin recortes bruscos (≤10%/semana), partiendo de tu uso real. Un límite que puedes cumplir es un límite que no abandonas.

Un coach que negocia, no un muro

En el momento crítico, un coach LLM (Groq, Llama 3.3 70B) interviene en tres modos: te hace reflexionar, negocia una prórroga consciente a cambio de un motivo, o cierra la app con una micro-acción alternativa. Empático y breve, basado en hábitos y terapia cognitivo-conductual.

Una arquitectura, dos clientes

El backend FastAPI es el cerebro: lo consume tanto esta demo web (que enseña la inteligencia sobre datos sintéticos de uso de móvil) como una app Android nativa, que es la que hace la monitorización y el bloqueo reales del sistema (UsageStatsManager) y delega el análisis a esta misma API.

Honestidad sobre los datos y métricas: el forecasting conductual es ruidoso por naturaleza. Las cifras (R²≈0.77 por app, AUC≈0.79 en riesgo) son honestas sobre datos sintéticos calibrados; en el mundo real el uso individual varía aún más. No se han maquillado los datos para inflar métricas.

Integración, datos y licencia

• Integración: API REST propia (FastAPI) con 6 endpoints documentados en el repositorio; se puede consumir desde cualquier lenguaje o plataforma, con especificación OpenAPI autogenerada.
• Tratamiento de datos: la demo pública envía a Groq (LLaMA) únicamente el contenido necesario para generar la respuesta. No se almacenan las conversaciones en base de datos ni se asocian a ninguna identidad. En un despliegue propio decides tú el proveedor — incluido un modelo local, con el que ningún dato sale de tu infraestructura.
• Nota: Existe además una aplicación Android que comparte el mismo backend.
• Licencia: MIT — uso libre, incluido comercial, manteniendo el aviso de copyright. El repositorio contiene la aplicación completa y puede desplegarse en infraestructura propia. El código es gratuito; los costes de motor de IA, infraestructura, implantación y mantenimiento corren por cuenta de quien lo despliega (no se ofrece soporte ni consultoría).

¿Cómo lo integro?

Disponible ahora: API REST de análisis de uso y coaching; el mismo backend da servicio a la web y a la aplicación Android.

Integraciones habituales en este sector (valoradas como vía recomendada; salvo que se indique lo contrario, no vienen implementadas — el código está preparado para añadirlas):

• Android Digital Wellbeing / UsageStats: origen real de los datos de uso en Android; ya es la vía de la app existente.
• Apple Screen Time (DeviceActivity): equivalente en iOS, con límites estrictos por privacidad: el análisis debe ocurrir en el propio dispositivo.
• Google Fit / Apple Health: cruzar tiempo de pantalla con sueño y actividad, que es donde el análisis empieza a ser accionable.