← Volver a proyectos

Caso de estudio · App web · IA

gambeta.ai

Optimización, rediseño y seguridad de una plataforma de pronósticos con IA, en plena operación.

Visitar el sitio ↗
+8.000
usuarios registrados
+1.800
pronósticos publicados y auditables
~70 %
de acierto en picks de máxima confianza
37 → 92
PageSpeed móvil
Cliente
Gambeta.ai
País
Argentina (audiencia en 18 idiomas)
Industria
Deportes · Analítica deportiva con IA
Servicios
Optimización de rendimiento · Rediseño UX/UI · Auditoría y hardening de seguridad · DevOps · Automatización con agentes de IA
Tecnologías
  • Cloudflare Pages
  • Cloudflare Workers
  • Supabase (PostgreSQL)
  • JavaScript
  • esbuild
  • GitHub Actions
  • Playwright
  • axe-core
  • Claude Code

El cliente

Gambeta.ai es una plataforma gratuita de pronósticos deportivos generados con inteligencia artificial. Cubre más de 38 ligas de fútbol, además de tenis, béisbol, básquet y otros deportes en beta. Su propuesta es la transparencia: cada pick se publica antes del partido y queda en un historial público, con aciertos y fallos.

El proyecto

El producto había crecido muy rápido y estaba en producción, con miles de usuarios y cambios varias veces por día. Ese ritmo tuvo un costo. El sitio cargaba lento en el celular, la interfaz había acumulado secciones y estilos que no conversaban entre sí, y había riesgos de seguridad que en una plataforma con historial público podían afectar la confianza en la marca.

Nuestro trabajo se apoyó en tres pilares: que el sitio fuera rápido, que se viera y se usara mejor, y que fuera seguro. Todo sin frenar la operación diaria.

El desafío

Rendimiento muy bajo en el celular
PageSpeed daba 37 puntos en móvil, con un LCP de 12,4 s y 3,8 s de bloqueo del hilo principal. Para un sitio que se consulta desde el teléfono justo antes del partido, era un problema crítico.
Recursos pesados
Había más de 900 escudos de equipos que sumaban 65 MB, un video de portada de más de 3 MB con carga prioritaria y diccionarios de 18 idiomas que se descargaban siempre, aunque el usuario usa uno solo.
Una interfaz saturada
La home tenía secciones redundantes y las fichas de los pronósticos eran poco claras, sobre todo en mobile.
Superficie de ataque expuesta
Más de 30 endpoints internos respondían sin pedir autenticación, había credenciales y claves escritas en el código, y el panel de administración se protegía con un PIN compartido.

Optimización de rendimiento

Hicimos una auditoría completa con Lighthouse y PageSpeed, y de ahí salió un plan de 10 tareas independientes, priorizadas por impacto y riesgo.

Imágenes
Reprocesamos los más de 900 escudos sin tocar el código. Pasaron de 65 MB a 16 MB (−75 %) y conservaron la nitidez en pantallas de alta densidad.
Video de portada
Lo recodificamos de 3,25 MB a 743 KB y le cambiamos la estrategia de carga.
Carga por idioma
Cada usuario descarga solo su idioma, en lugar de 820 KB de diccionarios.
JavaScript
Pasamos el JS inline a archivos que se pueden cachear, diferimos los scripts de terceros (Google, analytics, Supabase) y reorganizamos la inicialización. La tarea más larga del hilo principal bajó de 5 s a 0,45 s.
Datos
La home pasó a descargar 4 veces menos datos para mostrar picks y resultados.
Estabilidad visual
Corregimos el CSS crítico que provocaba saltos de layout en desktop (CLS de 0,377).

Rediseño UX/UI

Fichas de pronóstico
Las rediseñamos con una estructura de 4 bloques, más clara y pensada primero para el celular.
Previa de cada partido
El pick en el hero, paneles con estadísticas, gráficos de cuotas y H2H, y opción para compartir.
Una home más simple
Sacamos 6 secciones redundantes y el HTML principal pasó de 397 KB a 262 KB.
Navegación mobile
Corregimos la navegación, el scroll horizontal y las tablas de resultados, siempre reacomodando el contenido para pantallas chicas en lugar de ocultarlo.
Accesibilidad
El puntaje de Lighthouse llegó a 100.

Seguridad y hardening

Probamos las 101 rutas del backend contra producción, una por una, para saber cuáles respondían sin autenticación. De ahí salió la lista de trabajo.

Endpoints internos
Más de 30 herramientas y endpoints que estaban públicos ahora exigen autenticación. Fallan en forma cerrada si falta la configuración, el token viaja por header y no por la URL, y rotamos los secretos.
Administración por roles
Reemplazamos el PIN compartido del panel por una tabla de roles en la base de datos. Cada acción se valida contra la sesión real del administrador en Supabase, y un acceso se puede revocar sin hacer un deploy.
Sin claves en el código
Sacamos todas las credenciales y claves fijas, incluidas las de 37 campañas de mail, y pasaron a secretos del entorno.
Foro y datos de usuarios
Publicar exige la sesión real del usuario, los posts se leen desde una vista que no expone emails y cerramos 2 vulnerabilidades de XSS almacenado.
Integridad del historial
Un trigger en la base impide que desde el navegador se borren pronósticos o se vuelvan a estado pendiente, para que el historial público siga siendo confiable.
Dependencias verificadas
La librería de Supabase quedó fijada en una versión y se carga con Subresource Integrity en más de 3.700 páginas.
Producción limpia
El pipeline elimina comentarios internos, sourcemaps y logs de depuración, y frena el deploy si algo de eso se cuela.
Content Security Policy
La desplegamos en modo de reporte con los orígenes verificados en tiempo real, y sumamos reglas de WAF para bloquear las rutas internas.

Automatización con agentes de IA

La plataforma se desarrolla con agentes de IA, así que parte del trabajo fue darles reglas y herramientas para que no rompan producción.

Validación en cada edición
Un hook revisa la sintaxis de cada archivo que el agente modifica y bloquea los logs de depuración en el código que corre en el navegador.
Agentes especializados
Uno audita las inconsistencias de traducción entre los 18 idiomas. Otro toma cada verificación que falla después de un deploy y la vincula con una causa ya documentada y su arreglo.
Checklist previo al deploy
Una rutina automatizada confirma que la base esté al día, corre el validador que corresponde a lo que se tocó y deja listas las verificaciones posteriores.

Cómo trabajamos

Trabajamos en forma sincrónica con el equipo del cliente, en la misma zona horaria. Cada optimización fue en una rama propia con su pull request. Antes de cada deploy corren más de 120 tests automáticos que lo bloquean si algo falla, y después un script verifica producción con Playwright y axe-core. Así el sitio mejoró mientras seguía publicando pronósticos todos los días.

Los resultados

PageSpeed de 37 a 92 en móvil, y 95 en desktop
En móvil, el LCP bajó de 12,4 s a 1,2 s y el bloqueo del hilo principal (TBT) de 3.870 ms a 160 ms, con un CLS de 0,001.
Accesibilidad, buenas prácticas y SEO en 100
En Lighthouse.
Menos de un tercio del peso
En imágenes y video.
Una interfaz más clara y coherente
Pensada para el celular.
Superficie de ataque reducida
Más de 30 endpoints cerrados, administración por roles, sin claves en el código y sin código interno en producción.
Una base sólida para crecer
Más de 8.000 usuarios registrados, más de 1.800 picks en un historial auditable y cerca de 70 % de acierto en los pronósticos de máxima confianza.

Conclusión

En un producto cuyo valor es la confianza, el rendimiento, el diseño y la seguridad son parte de la propuesta, no detalles. Con Gambeta.ai mostramos que se puede transformar una plataforma en plena operación sin detenerla: con mediciones antes y después, cambios incrementales y verificación automática en cada paso.

¿Tu plataforma necesita ser más rápida, más clara o más segura? Hablemos →

¿Tenés un proyecto en mente?

Agendá una videollamada de 30 minutos o contanos qué necesitás y te respondemos en menos de 24 horas.

¿Cómo querés contactarnos?
1. Elegí un día
2. Elegí un horario · Hora de Argentina (GMT−3)
3. Tus datos

Seleccioná día y horario

¿Qué necesitás?