Un agente de IA de WhatsApp no debe memorizar el catálogo. El catálogo cambia todos los días y un modelo de lenguaje al que se le pregunta algo que no recuerda produce una respuesta plausible en vez de un honesto “no lo sé”. El diseño más seguro es un agente que consulta el sistema de registro y deja que código común calcule lo que tiene que ser exacto.
Qué falla cuando el agente “se sabe” el catálogo
En el caso de un distribuidor de autopartes, el catálogo web y el ERP se habían separado. Al cruzar el canal contra el ERP, ítem por ítem, aparecieron cientos de productos ofrecidos sin stock y más de mil marcados como agotados que sí estaban disponibles. Cuando KINTO hizo del ERP, y no del catálogo web, la fuente de verdad, el agente pudo ofrecer cerca de 26 % más de productos reales y dejó de ofrecer cientos que no tenía (medido).
En autopartes el error caro es la compatibilidad: la pieza equivocada para una marca, modelo, año o lado. Un modelo que memorizó el catálogo inventa un ajuste. Uno que busca por vehículo, pieza o número de parte y verifica la compatibilidad por año contra datos curados, no.
Consultar los hechos, calcular el resto
Tres reglas se repiten en los proyectos de agentes de KINTO:
- Datos autoritativos, frescos y con alarma. El stock y los precios vienen del ERP o de la tienda, se actualizan con una frecuencia definida y hay alerta si la actualización falla. En una marca de e-commerce deportivo, el stock se renueva cada pocos minutos y el equipo recibe aviso cuando no ocurre.
- “Sin dato” es una respuesta válida. El agente trabaja con una ficha técnica curada; si un producto no tiene ficha, lo dice en lugar de inventarla.
- El código calcula lo que debe ser exacto. En el caso de una fábrica de alimentos, la fecha de entrega depende de una hora de corte, un día de ruta, festivos y fines de semana. Un modelo de lenguaje se equivoca ahí, así que el código calcula la fecha y, si el modelo contradice a la herramienta, la respuesta se regenera.
Controles para convivir con las personas
El agente es un canal más, junto a personas. Se puede pausar por chat, pasa a un humano cuando se le pide, consulta pagos en solo lectura y avisa al equipo cuando crea un pedido. Estos controles pesan más que la fluidez del modelo, porque acotan lo que puede costar una respuesta equivocada.
Lo que no hemos demostrado
Estos casos respaldan el diseño, no una promesa de ventas. En el de autopartes, las primeras semanas tuvieron pocos pedidos y pequeños: no hay evidencia suficiente de impacto en ventas. En el de la fábrica de alimentos, la cifra de conversión del agente viene de la propuesta de KINTO y no se ha auditado. El dueño de la marca deportiva reportó un primer mes completo con ventas del canal cerca de 30 % sobre su histórico; es su declaración, no una medición independiente.
Si evalúas un agente para tu canal de ventas, empieza por Agentes de IA para WhatsApp y, si tu stock vive en un ERP, ERP agéntico.
