Diseño e implementación de una arquitectura serverless para la gestión de equipos y evaluación de burnout en la plataforma web TeamZen

Abstract

El presente proyecto de título aborda el desarrollo del componente Backend de la plataforma "TeamZen", una solución web orientada a la detección temprana del síndrome de Burnout en equipos de trabajo mediante el uso del inventario MBI (Maslach Burnout Inventory). Debido a los requerimientos de alta escalabilidad, seguridad de datos psicométricos y eficiencia en el desarrollo, se optó por una arquitectura Serverless utilizando el modelo Backend-as-a-Service (BaaS) provisto por Supabase. Esta infraestructura permite la gestión de autenticación, base de datos en tiempo real y lógica de seguridad sin el aprovisionamiento de servidores tradicionales. El trabajo realizado incluye el diseño de un esquema de base de datos relacional en PostgreSQL optimizado para el análisis psicométrico, la implementación de políticas de seguridad a nivel de fila (Row Level Security) para garantizar el aislamiento estricto de la información sensible y el desarrollo de un algoritmo de caché inteligente para optimizar la integración con servicios de Inteligencia Artificial externa (Groq/Llama 3). Los resultados obtenidos validan que la arquitectura propuesta reduce significativamente la latencia en la generación de reportes y asegura la integridad transaccional de los datos.

This thesis project addresses the Backend development of the "TeamZen" platform, a web solution aimed at early detection of Burnout syndrome in work teams using the MBI (Maslach Burnout Inventory). Given the requirements for high scalability, psychometric data security, and development efficiency, a Serverless architecture was chosen using the Backend-as-a-Service (BaaS) model provided by Supabase. This infrastructure enables authentication management, real-time database operations, and security logic without provisioning traditional servers. The work includes the design of a relational database schema in PostgreSQL optimized for psychometric analysis, the implementation of Row Level Security (RLS) policies to ensure strict isolation of sensitive information, and the development of an intelligent cache algorithm to optimize integration with external Artificial Intelligence services (Groq/Llama 3). The results validate that the proposed architecture significantly reduces latency in report generation and ensures the transactional integrity of the data.