IA para WhatsApp: cómo automatizar la atención

La promesa de la IA para WhatsApp es fácil de vender: un asistente que atiende 24 horas, responde al instante y no pide sueldo. La realidad de los proyectos que funcionan es más aburrida y más útil: un asistente que resuelve bien un conjunto acotado de consultas repetitivas y sabe cuándo pasarle la conversación a una persona.

La diferencia entre las dos versiones no está en el modelo de lenguaje. Está en el trabajo previo de definir qué debe hacer y qué tiene prohibido hacer.

Qué necesitas antes de empezar

La primera condición es técnica y no admite atajos: la IA solo se conecta sobre la API de WhatsApp Business. La aplicación gratuita permite mensajes automáticos de bienvenida y ausencia, pero son textos fijos con reglas de horario, no inteligencia artificial. Cualquier servicio que prometa IA sobre la app gratuita está usando métodos no oficiales que ponen el número en riesgo de bloqueo.

Sobre la API necesitas tres piezas: el número dado de alta, una plataforma de atención que aporte la bandeja de entrada y el motor de flujos, y un modelo de lenguaje conectado a una base de conocimiento con la información de tu negocio.

La segunda condición no es técnica: necesitas saber qué te preguntan realmente los clientes. La forma más barata de averiguarlo es exportar las conversaciones del último mes y clasificar las cien primeras consultas por tipo. En casi todos los negocios el resultado se parece: entre seis y diez preguntas concentran la mayoría del volumen.

Cómo funciona un asistente de IA por dentro

Un asistente moderno no es un árbol de opciones numeradas. Combina cuatro capas.

La comprensión del mensaje. El modelo interpreta lo que escribe el cliente en lenguaje natural, con errores de tipeo, audios transcritos y frases incompletas. Aquí es donde la IA supera claramente a los chatbots de menú.

La base de conocimiento. Es el conjunto de documentos con tu información real: catálogo, precios, políticas, horarios, condiciones de envío, garantías. El asistente busca ahí antes de responder. Sin esta capa, el modelo rellena huecos con lo que le parece plausible, que es la definición técnica de inventar.

Las acciones. Consultar el estado de un pedido, verificar disponibilidad, agendar una cita, registrar un dato en el CRM. Requieren integración con tus sistemas y son las que convierten un asistente informativo en uno operativo.

Las reglas de derivación. Definen cuándo el asistente deja de responder y pasa la conversación a una persona. Es la capa que más se descuida y la que decide si el proyecto genera confianza o irritación.

Qué conviene automatizar

Empieza por lo que cumple dos condiciones: se repite mucho y tiene una respuesta verificable.

Las preguntas frecuentes cerradas —horarios, ubicación, formas de pago, tiempos de entrega, condiciones de devolución— son el caso ideal. La respuesta correcta existe, está documentada y no cambia según el cliente.

El estado de pedidos y citas funciona muy bien si tienes el dato en un sistema consultable. El cliente pregunta, el asistente consulta y responde con información real. Este tipo de consulta suele ser el mayor consumidor de tiempo del equipo en comercio y servicios.

La cualificación inicial consiste en recoger tres o cuatro datos antes de pasar la conversación a un comercial: qué necesita, para cuándo, tamaño aproximado, ciudad. No cierra la venta, pero ahorra la mitad del tiempo de la primera llamada.

El primer contacto fuera de horario evita perder al cliente que escribe a las once de la noche. Aunque el asistente solo confirme recepción y recoja el motivo, la tasa de recuperación al día siguiente sube de forma notable.

Qué no conviene automatizar todavía

La regla práctica es simple: si un error de la máquina te cuesta dinero o un cliente, todavía no lo automatices.

La negociación de precio y las condiciones especiales entran en esa categoría. Un asistente que concede un descuento mal calculado crea un compromiso comercial que después toca deshacer a mano.

Las reclamaciones y las quejas también. Un cliente enfadado que recibe una respuesta automática correcta pero fría escala el problema en lugar de resolverlo. Aquí el asistente debe limitarse a reconocer, disculparse y derivar de inmediato.

Todo lo que implique datos sensibles —información médica, financiera o legal— exige criterios de cumplimiento que la mayoría de configuraciones estándar no cubre. Y cualquier caso que tu propio equipo resuelva con criterio distinto según la situación es, por definición, mal candidato a automatización.

Las reglas de derivación que evitan desastres

Un asistente debe pasar la conversación a una persona en cinco situaciones, y conviene configurarlas explícitamente desde el principio.

Cuando el cliente lo pide, sin excepciones ni pasos intermedios. Cuando el asistente no encuentra la respuesta en su base de conocimiento. Cuando detecta enfado o insatisfacción. Cuando la conversación entra en un tema de la lista de exclusiones. Y cuando ya ha respondido dos veces sin resolver el problema.

La derivación tiene que ser limpia: mensaje claro de que se está pasando a una persona, expectativa realista de tiempo si es fuera de horario, y traspaso del historial completo para que el agente no obligue al cliente a repetirlo todo. Un traspaso mal hecho anula el beneficio de todo lo anterior.

Cómo montar la base de conocimiento

Es la parte del proyecto que más determina el resultado y la que menos atención recibe. No requiere perfil técnico: requiere que alguien que conozca el negocio se siente a escribir.

Empieza por las conversaciones reales. Exporta el último mes, toma las cien primeras consultas y clasifícalas por tipo. El resultado casi siempre revela que entre seis y diez preguntas concentran la mayoría del volumen, y esas son exactamente las que hay que documentar primero.

Escribe la respuesta aprobada, no la respuesta ideal. Redacta lo que dirías tú por escrito a un cliente, con el tono y el nivel de detalle que usas de verdad. Un texto de folleto produce un asistente que suena a folleto.

Documenta también lo que no se responde. Precios negociables, plazos que dependen del proveedor, condiciones que cambian por cliente. Esa lista de exclusiones es tan importante como las respuestas: es lo que evita que el asistente se comprometa por ti.

Incluye los casos límite. Qué pasa si el producto está agotado, si el cliente pide factura a nombre de otra empresa, si quiere devolver fuera de plazo. Son las situaciones que generan las conversaciones difíciles, y tenerlas escritas ahorra la mitad de las derivaciones.

Mantenlo vivo. Cada vez que el asistente falle o derive por falta de información, esa consulta se convierte en una entrada nueva. Con revisión semanal durante dos meses, la cobertura crece sola.

Qué cuesta y cómo medir si funciona

El coste total combina tres partidas: las conversaciones que factura Meta, la mensualidad de la plataforma de atención y el consumo del modelo de lenguaje. Para un negocio con unas mil conversaciones mensuales, el rango habitual va de 60 a 250 dólares al mes según el proveedor y las funciones. El consumo del modelo suele ser la partida más pequeña, aunque sea la que más ruido genera en las conversaciones sobre IA.

Para saber si compensa, mide cuatro cosas desde el primer día:

Tasa de resolución automática: porcentaje de conversaciones cerradas sin intervención humana. Un asistente bien montado se sitúa entre el 50 % y el 70 % en consultas rutinarias.

Tiempo de primera respuesta: debería caer a segundos. Es el indicador que más impacto tiene en conversión.

Tasa de derivación por fallo: conversaciones que pasan a un humano porque el asistente no supo responder. Si sube, tu base de conocimiento tiene huecos identificables.

Satisfacción tras conversación automatizada: una pregunta al final basta. Si es peor que la de las conversaciones humanas, hay algo mal configurado, no un problema inherente a la tecnología.

El error más común

Los proyectos que fracasan casi siempre comparten el mismo patrón: se lanzan sin base de conocimiento propia, confiando en que el modelo “ya sabe” del negocio. El resultado es un asistente que responde con seguridad cosas que no son ciertas, y hacen falta pocas conversaciones así para que el equipo lo desconecte.

El orden correcto es al revés. Primero documentas: preguntas reales, respuestas aprobadas, precios vigentes, políticas escritas y casos límite. Después conectas. Ese documento es el activo del proyecto; la plataforma se puede cambiar en una tarde, el conocimiento no.

Hay otros tres errores que aparecen con frecuencia y que conviene anticipar.

Lanzar con demasiada cobertura. Un asistente que intenta responder cincuenta temas desde el primer día falla en muchos y erosiona la confianza del equipo antes de que haya tiempo de ajustarlo. Diez preguntas bien resueltas y derivación limpia en todo lo demás es un lanzamiento mucho más sólido.

Ocultar que es un asistente automático. El rechazo no lo genera el bot, lo genera el bot que finge ser una persona y se descubre a la tercera respuesta. Decirlo de entrada, con una frase, y ofrecer siempre la vía para hablar con alguien elimina casi toda la fricción.

No revisar conversaciones reales. Durante el primer mes hay que leer una muestra de conversaciones cada semana. Es la única forma de detectar respuestas que suenan bien pero son incorrectas, y es un trabajo que no puede delegarse en un panel de métricas.

Si quieres probar el concepto sin comprometer presupuesto, existen formas de empezar con herramientas sin coste antes de contratar nada.