Chatbots y agentes con IA para atención al cliente

El problema rara vez es «no tenemos chatbot». Es esto:

• Equipos de atención respondiendo la misma pregunta cientos de veces al día
• Clientes esperando hasta el lunes por algo que se contesta en diez segundos
• Bots de árbol de opciones que solo enseñan al cliente a escribir «hablar con un asesor»
• Conversaciones de WhatsApp perdidas, sin trazabilidad ni registro en el CRM
• Chatbots de IA genéricos que inventan políticas y precios que no existen
• Personal interno perdiendo horas buscando en manuales y procedimientos

Un bot que no resuelve no ahorra trabajo: lo aplaza y molesta al cliente por el camino.

El miedo justificado es que la IA alucine. Así lo evitamos:

• RAG (generación aumentada por recuperación): el agente solo responde a partir de tus documentos, catálogo y políticas — no de lo que el modelo «cree saber»
• Alcance acotado: definimos explícitamente qué puede afirmar y qué no; fuera de ese perímetro, deriva
• Escalamiento a humano: ante duda, monto alto o cliente molesto, la conversación pasa a una persona con todo el contexto
• Trazabilidad: cada respuesta queda registrada con la fuente que la sustenta, auditable

La diferencia entre un asistente útil y uno peligroso no es el modelo: es el diseño alrededor del modelo.

• Chatbots de atención al cliente sobre WhatsApp Business API
• Asistentes en la web conectados a tu catálogo y tu inventario
• Agentes internos que responden sobre manuales, procedimientos y bases de conocimiento
• Bots transaccionales: agendamiento, seguimiento de pedidos, cotización
• Integración con CRM y mesa de ayuda para que nada se pierda
• Rescate de chatbots existentes que no resuelven o alucinan

Si el proyecto crece hacia automatización más profunda, lo cubre el mismo equipo desde inteligencia artificial aplicada.

1. Discovery conversacional

• Analizamos tus conversaciones reales para ver qué se pregunta de verdad
• Identificamos qué porcentaje es automatizable con seguridad
• Definimos los límites del bot y las reglas de escalamiento

2. Base de conocimiento

• Consolidamos catálogo, políticas y procedimientos como fuente única
• Montamos la arquitectura RAG con búsqueda vectorial
• Definimos el tono de marca y los mensajes de derivación

3. Desarrollo y pruebas

• Integración con WhatsApp, web y CRM
• Pruebas adversariales: intentamos activamente hacerlo alucinar antes de que lo haga un cliente
• Piloto con tráfico real acotado y supervisión humana

4. Producción y mejora

• Monitoreo de conversaciones y tasa de resolución
• Ajuste de la base de conocimiento según lo que el bot no supo responder
• Ampliación gradual del alcance según resultados