Vendedor virtual con IA por WhatsApp para captación de alto volumen

Retail con canal de entrada concentrado en WhatsApp

iRoom opera en un vertical donde la mayor parte de la demanda comercial entra por WhatsApp. No es el canal secundario: es el canal principal. Cada mensaje sin respuesta en tiempo razonable se traduce en un lead potencialmente perdido — y la competencia está a un mensaje de distancia.

El equipo comercial recibía un volumen sostenido durante el día, con picos concentrados fuera del horario laboral: noches, fines de semana y festivos. Ampliar el equipo humano no era viable por estructura de costes y curva de onboarding. Los bots de reglas del mercado daban respuestas robóticas que enfriaban la conversación comercial desde el primer mensaje.

Cinco síntomas que convergían en un mismo problema

• Demanda concentrada fuera de horario. Los picos de entrada coincidían con franjas donde no había personal disponible para responder.
• Tiempo medio de respuesta alto. Con el equipo saturado durante el día, los mensajes entraban en cola y perdían frescura comercial.
• Imposible escalar contratando. Sumar personas implicaba coste fijo, formación y gestión — y no resolvía el pico fuera de horario.
• Bots de reglas del mercado insuficientes. Árboles de decisión rígidos rompían la experiencia comercial en la primera pregunta fuera de script.
• Restricción crítica de canal. Cualquier solución tenía que correr sobre la API oficial de WhatsApp Business — no sobre scraping de WhatsApp Web, que viola ToS y expone el número al bloqueo.

Cuatro decisiones que definieron la entrega

Cada una tenía una alternativa más rápida, más barata o más "llave en mano". Las descartamos por razones concretas. Documentamos el porqué para que el cliente pueda auditar la lógica de cada elección hoy y dentro de dos años.

Plataforma conversacional con control humano en el loop

• Agente conversacional con control de alucinaciones. Prompt engineering estricto, guardrails sobre respuestas fuera de dominio y fallback automático a humano cuando la confianza cae bajo umbral.
• Integración con WhatsApp Business API oficial. Gestión de sesiones, templates de inicio de conversación y webhooks de entrada, conforme a las reglas de negocio de Meta.
• Dashboard React en tiempo real. Cola de conversaciones priorizada, indicadores de "requiere humano", visualización del contexto completo y takeover manual en un clic.
• Motor de calificación de leads. Extracción de intención comercial, identificación de señales clave (presupuesto, timing, producto de interés) y scoring automático.
• Handoff al equipo comercial. Notificación proactiva cuando el agente detecta intención alta, duda comercial o caso fuera de su competencia.
• Entrega automática al stack comercial. Los leads calificados se integran directamente al flujo comercial del cliente, sin pasos manuales intermedios.

Cómo viaja un mensaje, de la entrada al lead

1. 1
   Mensaje entra por WhatsApp. La API oficial de WhatsApp Business envía un webhook al backend.
2. 2
   Backend analiza contexto. Recupera el histórico de la conversación y genera respuesta con el LLM, aplicando prompt y guardrails.
3. 3
   Evaluación de confianza. Si la respuesta supera el umbral, se envía automáticamente. Si no, se marca para revisión humana.
4. 4
   Calificación de lead en paralelo. El motor extrae señales comerciales del mensaje (intención, datos, presupuesto estimado).
5. 5
   Notificación al dashboard. Si detecta intención alta o duda, aparece una alerta en el dashboard del operador humano.
6. 6
   Handoff con un clic. El operador toma la conversación con contexto completo sin interrumpir al usuario final.
7. 7
   Persistencia y entrega. Toda la conversación queda guardada para auditoría y los leads calificados se entregan al stack comercial.

Tecnologías concretas, sin maquillaje

Tres meses, tres milestones concretos

Métricas entregadas y cobertura operativa

Más allá de los números: el equipo comercial dejó de estar atado a la atención reactiva y pasó a trabajar sobre leads ya calificados. La cobertura 24/7 quedó garantizada sin sumar personal. El tono comercial se mantuvo coherente con el branding del cliente gracias al prompt engineering dedicado.

Tres aprendizajes aplicables a cualquier proyecto de IA conversacional

• El handoff correcto pesa más que la calidad pura del agente. Saber cuándo el agente debe callarse y pasar la conversación a una persona es más crítico que sacar la respuesta perfecta. Un handoff temprano mal ejecutado pierde el lead; uno tardío, quema la confianza.
• Guardrails anti-alucinaciones son innegociables en retail. En soporte técnico, una alucinación confunde; en venta, genera una expectativa comercial falsa que vuelve como reclamo. El sistema descarta cualquier respuesta que no pueda respaldar con datos del contexto de la conversación.
• El dashboard propio pagó su desarrollo en semanas. Saber cuándo intervenir sin auditar conversación por conversación fue lo que hizo operable el sistema. Un CRM generalista habría obligado a un flujo de trabajo más lento y con más fricción.

Otros contextos, otros stacks, misma metodología