Un agente de IA de WhatsApp para e-commerce vende desde un catálogo vivo: halla la variante, confirma stock, cotiza el envío, crea el pedido y pasa a una persona.
Los casos de KINTO muestran cómo funciona en la práctica y dónde se detiene.
Una tienda con un catálogo profundo no tiene el mismo problema que una empresa que contesta un puñado de preguntas repetidas. El cliente pide un modelo específico en una talla específica, o una pieza para un vehículo y año específicos. Una respuesta equivocada no es una molestia menor: es un producto devuelto, un cliente enojado o un agotado vendido dos veces.
Por eso esta página responde una pregunta más estrecha que la del agente de WhatsApp en general: ¿puede un agente manejar un catálogo con variantes y stock vivo, cotizar la entrega y crear el pedido en la tienda?
E-commerce deportivo. Una marca deportiva tenía variantes complejas y vendía sobre todo por WhatsApp. Según el dueño, la automatización de pedidos era muy buena pero el chat era el punto débil: respuestas lentas, tallas equivocadas, agotados vendidos y pedidos que nunca llegaban a la tienda. KINTO construyó un agente con stock en vivo y una ficha técnica curada. Los detalles están en el caso de estudio. Convirtió cerca de 9 a 10% de las conversaciones en sus primeras semanas, y el dueño reportó ventas del canal cerca de 30% sobre su histórico en el primer mes completo.
Autopartes. Un distribuidor con más de 10.000 productos en línea tenía el inventario en un ERP que la tienda nunca veía. KINTO hizo del ERP la fuente de verdad del agente. El caso de estudio reporta cerca de 26% más productos vendibles y cientos de productos fantasma que dejaron de ofrecerse. El agente busca por vehículo, pieza o número de parte, cotiza el envío por zona, preregistra recogidas en sede y alerta al equipo.
De la marca deportiva no se conoce el ahorro absoluto en pauta ni el efecto del agente separado de la estacionalidad, y sigue abierto unificar los códigos de producto entre el ERP y la tienda. De autopartes no hay evidencia suficiente de impacto en ventas, y las imágenes del catálogo siguen siendo la principal deuda.
El método general está en la página de agentes de IA para WhatsApp. Para el lado de la tienda, mira e-commerce headless.
Agentes WhatsApp y voz
KINTO reemplazó el eslabón débil de un e-commerce que vende por WhatsApp con un agente auditado por varios modelos y una conciliación pedido por pedido; el dueño reportó un mes con ventas del canal ≈30 % sobre su histórico.
E-commerce headless
Al tomar el ERP como fuente de verdad en lugar del catálogo web, KINTO hizo que el agente de WhatsApp de un distribuidor de autopartes ofreciera ≈26 % más referencias y dejara de ofrecer cientos que no tenía.
Consulta cada variante en vez de recordarla. Para una marca deportiva con combinaciones de modelo, talla, color y stock, el agente trabaja con stock en vivo y una ficha técnica curada. Si la ficha no tiene el dato, el agente lo dice, y los pedidos llegan a la tienda en lugar de perderse en el chat.
Verificando la compatibilidad con datos de modelo y año y consultando la disponibilidad. En el caso de autopartes, el agente busca por vehículo, pieza o número de parte, confirma la disponibilidad contra datos del ERP sincronizados a diario y rechazó una pieza cuyo año no coincidía con el vehículo. También reconoció una imagen que no era un repuesto.
En el caso de autopartes cotiza el envío por zona y preregistra recogidas en sede. También revisa pagos sin poder modificarlos y alerta al equipo, de modo que las decisiones de dinero quedan en una persona mientras la cotización y el pedido avanzan sin esperar a una oficina.
Cifras modestas y medidas. El agente de la marca deportiva cerró unas dos docenas de pedidos con conversión cercana a 10% en sus primeras semanas, y el dueño reportó ventas del canal cerca de 30% sobre su histórico. El de autopartes tuvo pocos pedidos y pequeños, así que su efecto en ventas aún no se demuestra.
Cuéntale a KINTO qué está pasando. La primera conversación es para entenderlo, no para vender.
