Un agente de IA para WhatsApp atiende clientes allí, consulta precios, stock y fechas en los sistemas de la empresa y pasa a una persona cuando hace falta.
Qué hace, en orden, y qué nunca hace.
Conexiones
Lo que el sistema nunca hace
KINTO construye estos agentes para empresas que ya venden o dan soporte por WhatsApp y pierden ventas por respuestas lentas, errores o horarios sin atención.
Muchas empresas cierran la mayoría de sus ventas dentro de WhatsApp, y el punto débil es el chat. En un caso de e-commerce deportivo, la automatización de pedidos funcionaba bien, pero las respuestas eran lentas, las tallas equivocadas, se vendía lo agotado y algunos pedidos nunca llegaban a la tienda. En un caso inmobiliario, la atención por WhatsApp dependía de la oficina.
Un chatbot genérico empeora esto. Si memoriza el catálogo, inventa productos, precios y fechas. El cruce del caso de autopartes encontró cientos de productos ofrecidos sin existencias y más de mil marcados como agotados que sí había.
KINTO parte de las conversaciones que la empresa ya tiene, no de un guion. En el caso inmobiliario eso fue analizar más de cien mil mensajes de más de cuatro años. Cada error, incluida cada venta perdida, se vuelve una regla que se puede probar.
El agente no guarda el catálogo en memoria. Consulta precio, existencias y disponibilidad en el ERP o en la tienda en el momento de la pregunta. Lo que debe ser exacto, como las fechas de entrega, lo calcula el código, no el modelo. Antes de cada versión, KINTO corre escenarios simulados de clientes, y el resultado decide si sale.
El mismo enfoque se extiende a la voz: en el caso de la fábrica de alimentos, KINTO construyó además un piloto de llamadas salientes con IA sobre las mismas consultas.
Empresas con un catálogo o un servicio que se vende por WhatsApp, un ERP o una tienda donde está el dato real y un equipo que responde a mano. KINTO reporta lo que midió cada caso y lo que aún no sabe: el dueño del e-commerce deportivo reportó ventas del canal cerca de 30% por encima de su histórico en el primer mes completo y el agente convirtió entre 9 y 10% de las conversaciones en sus primeras semanas, pero el efecto del agente separado de la estacionalidad no está aislado.
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.
Agentes WhatsApp y voz
Al analizar un año de facturas, KINTO halló que menos de la mitad de los clientes sostenía casi todo el volumen; construimos un agente de WhatsApp en producción, un piloto de llamadas con IA y una tienda headless sin perder una URL.
ERP agéntico
KINTO dotó a una inmobiliaria atrapada en un ERP sectorial de una capa agéntica que lee el ERP, muestra contrato por contrato el estado de cada documento y solo escribe cuando una persona aprueba.
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.
Para convertir años de chats de WhatsApp en conocimiento confiable para un agente de IA, se clasifican con una taxonomía cerrada, se transcriben las notas de voz y se admite un hecho solo si aparece en al menos dos conversaciones distintas y recientes.
Un agente de IA de WhatsApp no debe memorizar el catálogo porque la memoria caduca y los modelos rellenan los vacíos con invenciones plausibles. Debe consultar producto, stock y precio en el sistema de registro, y dejar que el código calcule fechas y totales.
Puede, si memoriza el catálogo; por eso KINTO no lo construye así. El agente consulta el ERP o la tienda de la empresa en cada respuesta. En un caso de autopartes, usar el ERP como fuente de verdad permitió ofrecer cerca de 26% más productos reales y dejar de ofrecer cientos que no existían.
El código. Las fechas dependen de horas de corte, rutas y festivos, y un modelo de lenguaje se equivoca con ellas. En el agente de una fábrica de alimentos, el código calcula la fecha de entrega y, si el modelo contradice la herramienta, se regenera la respuesta. Los precios salen de la fuente oficial.
KINTO convierte conversaciones reales, incluidas las ventas perdidas, en reglas que se pueden probar, y corre escenarios simulados de clientes antes de cada versión. En el caso de la fábrica de alimentos fueron decenas de escenarios por versión; en autopartes, cientos de pruebas automáticas. Si fallan, la versión no sale.
Cuando la solicitud se sale de lo que puede verificar: un pago que no puede comprobar, un reclamo, una excepción a la política. El agente avisa al equipo y entrega la conversación con su contexto. En autopartes revisa pagos pero no puede modificarlos, así que una persona siempre decide lo que mueve dinero.
Un monitor de salud avisa al equipo. En un caso inmobiliario KINTO añadió un monitor que alerta cuando el canal no puede operar aunque todo parezca en verde. En autopartes, una alarma por correo se dispara si el equipo deja de recibir alertas.
KINTO diseña los agentes para que no lo necesiten. El precio y el stock se consultan en el sistema de registro, el código calcula las fechas de entrega y, cuando un producto no tiene datos, el agente lo dice. Esto reduce el riesgo, pero no lo elimina, por eso los agentes se prueban con conversaciones simuladas antes de cada versión.
Cuéntale a KINTO qué está pasando. La primera conversación es para entenderlo, no para vender.
