OrientaIA Orientación vocacional con IA para elegir carrera a los 16

OrientaIA — Descubre tu camino profesional hablando

Plataforma de orientación vocacional donde un adolescente mantiene una conversación natural con una IA que, mientras escucha, extrae silenciosamente su perfil de intereses, valores y habilidades. Al final recibe un mapa de carreras personalizado y una simulación narrativa de cómo sería su día a día en cada una.

Flujo de usuario

1. El adolescente entra y la IA arranca con preguntas informales ("¿qué harías si no tuvieras que trabajar?")
2. LangChain extrae en JSON silencioso: intereses, valores, habilidades y preferencias de entorno
3. Tras 6-10 turnos, se genera un ranking de carreras con puntuación de afinidad
4. Para cada carrera: simulador de día laboral narrativo en segunda persona
5. Informe PDF descargable con perfil + carreras + simulaciones

Arquitectura técnica

• LangChain Chains encadenadas: chain de exploración → extraction chain JSON → chain de simulador. El usuario percibe una sola conversación fluida.
• Extraction chain: extrae {intereses, valores, habilidades} en JSON estructurado mientras el chaval habla, sin que lo note
• Simulador de día: LLaMA genera una narración en segunda persona con el perfil del usuario integrado en la narrativa — la parte más diferencial del producto
• RAG de mercado laboral: datos reales de demanda, salario medio y salidas profesionales por carrera
• Groq/LLaMA 3.1: respuestas narrativas largas sin latencia perceptible

Stack técnico

Python · FastAPI · LangChain · Groq API · LLaMA 3.1 · Laravel · MySQL · WeasyPrint

Integración, datos y licencia

• Integración: API REST propia (FastAPI) con 9 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.
• 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 orientación académica y profesional con perfiles y sesiones.

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

• LTI 1.3 (Moodle, Canvas…) — YA IMPLEMENTADO: se instala como External Tool estándar en el campus del centro, sin plugin propio. El LMS identifica al alumno, su curso y su rol, de modo que la orientación parte del contexto real sin que el estudiante lo introduzca. Validado con una plataforma simulada que firma tokens reales (19 comprobaciones, incluida seguridad).
• Google Classroom API: muy extendido en secundaria; permite contextualizar la orientación con las asignaturas reales del alumno.
• Bases de datos de titulaciones (RUCT, QEDU): para que las recomendaciones apunten a estudios que existen de verdad, con su universidad y vía de acceso.