Cómo automatizamos la atención al cliente en WhatsApp con IA

Un cliente nos pidió resolver un problema concreto: su equipo de 3 personas estaba saturado respondiendo las mismas preguntas por WhatsApp 14 horas al día. Precios, horarios, disponibilidad, tracking de pedidos. Las mismas 20 preguntas, repetidas miles de veces.

Armamos un agente. Esto es lo que aprendimos en el camino.

El stack: menos es más

Después de probar varias combinaciones, nos quedamos con:

• WhatsApp Business API (oficial, vía Meta Cloud API — nada de soluciones no oficiales).
• n8n como orquestador de workflows.
• Un LLM (Claude o GPT-4, dependiendo del caso) para comprensión y respuesta.
• Vector DB (Qdrant) para RAG sobre el catálogo y FAQs del cliente.

Todo corriendo en un VPS de 20 dólares al mes. No necesitás Kubernetes para esto.

Qué funcionó

La clave no fue el LLM. Fue el prompt engineering con contexto del negocio real. Cargamos FAQs, tono de voz, límites claros (“nunca prometas descuentos”, “si preguntan por reembolsos, escalá”), y ejemplos de conversaciones reales.

Resultado: 80% de las consultas resueltas sin humano. Tiempo de respuesta: <3 segundos. El cliente recuperó 20 horas semanales de su equipo.

Qué se rompió (y cómo lo arreglamos)

• Context window: las conversaciones largas perdían coherencia. Solución: resumen automático cada 10 mensajes, guardado en la DB, inyectado como contexto en cada turno.
• Escalation logic: el agente intentaba responder cosas que no debía (quejas, reclamos legales). Solución: un clasificador de intención previo que marca el mensaje como “humano requerido” y notifica al equipo por Slack.
• Alucinaciones sobre precios: el LLM inventaba cifras. Solución: RAG estricto — el agente solo puede citar precios que vengan del vector store, nunca de memoria.

Qué haríamos diferente

Si empezáramos de nuevo, arrancaríamos con un scope mucho más chico. Nuestro MVP inicial quería resolver todo. Mejor: 5 intents bien definidos, perfeccionados, y después expandir.

También: medí desde el día uno. Tasa de resolución, tasa de escalación, satisfacción. Sin métricas, estás operando a ciegas.

La lección

La IA no reemplaza al equipo. Reemplaza el trabajo repetitivo para que el equipo pueda enfocarse en lo que importa: los casos complejos, las relaciones, las ventas. Esa es la automatización que vale la pena.