En las últimas semanas he escrito mucho sobre la ciudad: sobre procesiones, cafeteras y autobuses equivocados. Pero sobre el trabajo en sí, el motivo real por el que estoy aquí, apenas he dicho nada. Eso lo corrijo ahora.

La empresa

Trabajo para Xelab, una joven empresa tecnológica con sede en Zaragoza. Su cartera es amplia: desarrollo web, automatización, inteligencia artificial y otros temas de IT. No es un producto de nicho estrecho, sino una empresa que apuesta deliberadamente por mantenerse abierta.

Mi proyecto se mueve en la intersección entre IA y salud, un área que está viviendo un momento de mucho movimiento.

El comienzo

El primer día hubo una conversación con el CTO. No fue una entrevista formal, sino más bien un primer contacto mutuo. Me habló de él mismo, de la empresa y del panorama tecnológico en España y en Zaragoza en general. Una entrada tranquila y agradable.

En los días siguientes trabajé en un tema propio, con algunas indicaciones pero bastante margen de maniobra. Tras varios ajustes, fue tomando forma un enfoque claro: salud combinada con IA local.

Primero investigar, luego construir

Lo que vino después no fue programar. Al menos todavía no.

Primero tocó investigar. Revisé apps, páginas web, gadgets de hardware y soluciones de software relacionadas con el bienestar físico. ¿Qué hacen bien? ¿Dónde están los huecos? ¿Qué prometen y realmente lo cumplen?

Algunos productos los probé yo mismo. Por razones de coste no fue posible con todo, pero donde lo fue, fue entretenido. Un poco como hacer de detective: identificar factores, anotar observaciones, armar el puzzle.

Tras presentar los resultados, llegó el momento de pasar a la práctica.

El proyecto: hacer visible la postura

A partir de mi investigación y teniendo en cuenta mis puntos fuertes técnicos, surgió una tarea concreta: desarrollar una app para Android que analice en tiempo real la postura de una persona y ofrezca retroalimentación visual sobre si la posición de la columna es saludable o no.

Como mi mayor experiencia es con Kotlin Native para Android, encajó bien.

La app se llama internamente Zaragoza Posture Tracker y se basa en dos tecnologías de Google:

  • ML Kit Pose Detection detecta puntos clave del cuerpo, hombros, caderas, columna, y analiza la postura a partir de ellos en tiempo real.
  • CameraX gestiona la integración de la cámara: una imagen en directo estable, conectada directamente al pipeline de análisis.

El resultado se muestra mediante colores. Verde significa que la postura está bien. Otros colores indican que algo debe corregirse. Sin texto, sin explicaciones largas, solo una señal visual directa.

La función adicional

Junto al análisis de postura, hay una segunda función: con un interruptor, la app cambia a un modo de reconocimiento de objetos. En lugar de puntos corporales, la cámara analiza el entorno, detecta objetos y etiqueta escenas. La idea es establecer contexto: ¿está la persona sentada en un escritorio? ¿De pie? ¿Qué tiene en su campo de visión?

Para esto entran en juego dos módulos más de ML Kit: Object Detection e Image Labeling. Ambos funcionan sobre el mismo flujo de cámara, un analizador compartido procesa postura y objetos al mismo tiempo, sin necesidad de un feed separado.

Toda la interfaz está construida con Jetpack Compose, el framework moderno de UI de Android.

Estado actual

La app se encuentra actualmente en fase de prototipo funcional. La vista previa de cámara, el seguimiento de postura, el reconocimiento de objetos y las solicitudes de permisos ya están en marcha. Lo que falta es el trabajo fino: una clasificación de postura más precisa, mejor retroalimentación visual y la conexión entre el reconocimiento del entorno y las recomendaciones posturales.

Lo que viene después ya está bastante claro: el software no correrá en un smartphone sino en un microordenador, pequeño, compacto, con un módulo de cámara integrado. Otro factor de forma, otras posibilidades.

Hasta entonces, toca seguir refinando la app y esperar. El hardware todavía está en camino.

Lo que me llevo

Investigar suena a menudo poco emocionante, pero ese primer bloque me aportó más de lo esperado. Solo entiendes un tema de verdad cuando te has abierto paso a través de decenas de soluciones que abordan el mismo problema y llegan a resultados completamente distintos.

Y luego construir la app, convertir algo que antes solo existía en tablas y notas en algo real, tiene su propia satisfacción. Cuando la cámara detecta un cuerpo por primera vez y coloca correctamente los puntos clave, ese momento no tiene precio.

Tengo ganas de ver adónde lleva esto.