satori
Una persona pregunta si queda disponible un producto. Podés responderle con un menú, buscar la respuesta en un documento o consultar el stock del negocio. Las tres experiencias pueden ocurrir en un chat, pero resuelven problemas diferentes. Para elegir entre un chatbot y un agente de IA conviene mirar qué pasa después del mensaje.
El nombre del producto dice poco sobre lo que realmente puede hacer. Un sistema presentado como agente puede limitarse a responder preguntas frecuentes. Otro, con un nombre más sencillo, puede consultar disponibilidad y preparar una visita. Pedí ver el recorrido completo de una consulta realista antes de decidir.
Responder y actuar son capacidades distintas
Un chatbot basado en reglas resulta útil cuando las opciones son estables: informar horarios, mostrar canales de contacto o guiar un trámite breve. Un asistente con IA puede interpretar preguntas variadas y redactar respuestas apoyadas en información del negocio. Para ejecutar una acción necesita, además, una integración y permisos concretos.
Un agente que agenda visitas debería consultar horarios vigentes, ofrecer alternativas y confirmar la elección en el sistema de agenda. Escribir «te agendé» sin que exista ese registro crea una expectativa que el equipo después tiene que corregir. La confirmación debe llegar cuando la operación se completó.
Empezá por la consulta del cliente
En un ejemplo de concesionaria, alguien pide un Corolla automático. La respuesta útil muestra unidades que realmente coinciden, con su información y sus fotos. Si después pregunta cuándo puede verlas, el sistema ofrece horarios disponibles. El cliente recibe una solución; no necesita conocer las herramientas internas utilizadas para encontrarla.
Antes de construir ese recorrido, definí:
- Qué información puede consultar el agente y cuál es su fuente.
- Qué acciones puede ejecutar sin aprobación.
- Qué datos necesita pedir para completar cada acción.
- Qué situaciones requieren la intervención de una persona.
La conexión con tus datos cambia la experiencia
Para preguntas sobre políticas o documentación puede servir una base de conocimiento. Para precios, stock o agenda, conviene consultar la fuente operativa adecuada. Un documento cargado hace un mes no alcanza para confirmar que una unidad sigue disponible hoy.
La recuperación de información, conocida como RAG, permite aportar documentos relevantes a la respuesta del modelo. No equivale a habilitar operaciones en un CRM ni garantiza que una respuesta sea correcta. El diseño tiene que distinguir conocimiento, datos actuales y acciones, y probar los tres por separado.
Qué pedir en una demostración
Probá una consulta sin coincidencias, una pregunta ambigua, un dato desactualizado y un pedido para hablar con alguien. También una acción que falle: si la agenda no responde, el sistema debería reconocerlo y ofrecer una alternativa, no inventar una confirmación.
Para una primera implementación elegí un recorrido que puedas verificar de punta a punta. Compará consultas correctamente resueltas, derivaciones con contexto y acciones registradas. La mejor opción es la que responde al trabajo concreto del negocio y deja una salida clara cuando no puede continuar.
Para profundizar
Documentación de referencia. Los ejemplos y criterios de implementación de esta nota son orientativos.
Veamos cómo funciona en tu caso.
El alcance se define con tus datos, herramientas y forma de trabajar.
Explorá la solución relacionada ↗Contanos qué necesitás resolver ↗Por Satori · Software a medida, CRM y agentes de IA. Los ejemplos son ilustrativos; no representan resultados garantizados ni casos de clientes.
