Chatbot IA empresa: arquitectura y decisiones de plataforma

Casi todos los proyectos de chatbot IA en empresa empiezan por el sitio equivocado: la ventana de chat. Se elige proveedor, se pega un script en la web y a los tres meses el chatbot sabe responder lo que hay en el FAQ y nada mas. El problema no es el modelo. Es que se ha comprado una interfaz sin construir el sistema que tiene detras.

El chatbot es la interfaz, no el sistema

Un chatbot es una superficie de conversacion. Recibe lenguaje natural y devuelve lenguaje natural. Eso es todo lo que hace. Lo que determina si sirve o no es lo que ocurre entre esas dos cosas: a que datos accede, que acciones puede ejecutar, quien define sus limites y que pasa cuando no sabe.

Cuando una empresa trata el chatbot como producto final, acaba con una pieza aislada que no comparte nada con el resto de la operacion. Cuando lo trata como una interfaz mas de una plataforma de agentes, ese mismo trabajo sirve para el chat web, para el correo, para WhatsApp, para un panel interno y para procesos que ni siquiera hablan con un humano.

La pregunta util no es que chatbot montar. Es que capacidades quieres que tenga tu empresa disponibles, y por cuantos canales quieres exponerlas.

Las cuatro capas que hacen falta

Una plataforma de agentes que aguante en produccion se sostiene sobre cuatro capas separadas. Mezclarlas es la causa mas comun de que un proyecto se atasque al segundo caso de uso.

La separacion importa por una razon concreta: cada capa cambia a un ritmo distinto. Los modelos cambian cada pocos meses. Tus procesos de negocio, casi nunca. Si estan acoplados, cada cambio de modelo te obliga a rehacer logica de negocio.

• →Capa de datos: donde vive el conocimiento real de la empresa (catalogo, precios, stock, historico de clientes, documentacion interna) y como se mantiene fresco. Sin esto, el chatbot improvisa.
• →Capa de agentes: la logica de cada tarea. Un agente que cualifica leads no es el mismo que uno que resuelve incidencias. Cada uno con su alcance, sus herramientas y sus limites.
• →Capa de orquestacion: quien decide que agente atiende que peticion, cuando se escala a una persona y como se pasa el contexto entre ellos.
• →Capa de interfaz: chat web, WhatsApp, email, telefono, panel interno. Intercambiable. Es lo unico que el usuario ve y lo menos importante de las cuatro.

Las decisiones que no se pueden delegar al proveedor

Hay cuatro decisiones que definen el proyecto y que ninguna herramienta toma por ti. Conviene cerrarlas antes de escribir codigo.

La primera es el alcance de la accion. ¿El agente solo informa, o tambien ejecuta? Un agente que consulta stock es un problema tecnico. Uno que reserva unidades, emite presupuestos o modifica pedidos es un problema de gobierno: necesita permisos, trazabilidad y un limite claro de que puede hacer sin aprobacion humana.

La segunda es la propiedad del conocimiento. Si tu base de conocimiento vive dentro de la herramienta de un tercero, ese trabajo no es tuyo. Cambiar de proveedor significa empezar de cero. La capa de datos deberia poder sobrevivir a cualquier cambio de modelo o de plataforma.

La tercera es el criterio de escalado. Un agente que nunca deriva a una persona genera clientes enfadados. Uno que deriva demasiado pronto no ahorra nada. Ese umbral es una decision de negocio, no un parametro tecnico.

La cuarta es la medicion. Si no defines antes que significa que funcione, cualquier resultado parecera aceptable. Conversaciones resueltas sin intervencion, leads cualificados que llegan al comercial, tiempo de primera respuesta: elige dos o tres y mide desde el dia uno.

De un chatbot a una red de agentes

El valor de la plataforma no esta en el primer agente. Esta en el segundo y en el decimo, cuando la capa de datos y la de orquestacion ya estan montadas y añadir una capacidad nueva cuesta dias en lugar de meses.

Ese es el salto que separa un experimento de una infraestructura. Una empresa que ha hecho bien el trabajo de base puede desplegar un agente de soporte, otro de cualificacion comercial, otro de seguimiento postventa y otro interno de consulta documental sobre los mismos cimientos. En All ITs AI hay un repaso concreto de 20 agentes de IA que una empresa puede necesitar, util para dimensionar hasta donde llega esto.

El detalle de como se aterriza en un sector concreto tambien cambia las cosas. En automocion, por ejemplo, el mismo concepto se traduce en consultas de stock, captacion de leads y postventa, con integraciones muy distintas a las de una empresa de servicios.

El efecto lateral: tu empresa tambien es fuente de datos

Hay una consecuencia que casi nadie considera al planificar. Los mismos modelos que atienden a tus clientes son los que responden cuando alguien pregunta por tu sector fuera de tu web. Como esta estructurada tu informacion determina si te citan o si citan a otro.

Una plataforma bien construida ordena el conocimiento de la empresa en un formato que sirve para dos cosas a la vez: alimentar a tus propios agentes y hacer que tu marca sea legible para los sistemas de IA de terceros. En GEOySEO lo tratan a fondo en su analisis de como afecta un chatbot IA al SEO y a que te citen.

No es una razon para montar la plataforma. Pero si es una razon mas para no dejar el conocimiento de tu empresa encerrado en la herramienta de un tercero.

Este tema tambien se trata, desde otro enfoque, en All ITs AI · Agent Hub · GEOySEO.

Si estas valorando un chatbot IA para tu empresa, la conversacion util no empieza por el chat. Empieza por que informacion tienes, donde vive, que acciones quieres automatizar y hasta donde puede llegar un agente sin supervision. En Potenciado construimos esa capa de base: la plataforma sobre la que despues se apoyan todos los agentes que vengan. Si quieres revisar como seria en tu caso, hablamos.