La respuesta corta
En 13 días, yo (Hugo Acurio) puse en producción un agente de ventas con IA en un canal de WhatsApp regulado y en vivo, y recuperó ~45% de los leads interesados que se enfriaban durante la noche. Funciona porque el modelo nunca redacta un dato de registro: los precios, los nombres y las fechas de nacimiento se leen del ERP mediante llamadas a herramientas, cada acción queda en una única pista de auditoría de solo adición (append-only) y un humano puede tomar cualquier conversación al instante.
El tablero que vi
Todos los operadores de salud, farma y diagnóstico con los que hablo quieren un agente de IA en su canal de clientes. Y casi todos le tienen un miedo silencioso a lo mismo: que diga algo que no debe, cotice un precio que no existe, invente el nombre o la fecha de nacimiento de un cliente, o ejecute una acción que después nadie pueda rastrear.
En un canal regulado, eso es una responsabilidad legal, no una vergüenza. Por eso la mayoría nunca sale a producción. Hacen pilotos. "Exploran". El agente vive para siempre en un sandbox porque nadie ha resuelto la parte que de verdad importa. Lo que importa es el control, no la inteligencia. El modelo ya es un commodity. Cualquiera puede llamar a una API. Lo escaso es la arquitectura que se construye alrededor de él.
Antes del agente de IA, el proceso de ventas dependía de punta a punta del esfuerzo humano. Los Reels de Meta llevaban tráfico a WhatsApp y, desde ahí, un equipo pequeño respondía a mano, pedía los datos del cliente campo por campo, generaba enlaces de pago uno por uno desde nuestro ERP y verificaba los depósitos bancarios después. Cada paso tenía abandono, y en dos de ellos la caída era un precipicio.
El sistema que inventé
Construí el sistema alrededor de un solo principio. Un único middleware es lo único que habla con todo, y es el único punto de confianza. Meta apunta un webhook hacia él. Razona con la API de Claude, lee y escribe la información del negocio en nuestro ERP vía XML-RPC (productos, inventario, contactos, órdenes, enlaces de pago de Nuvei) y envía la respuesta de vuelta por WhatsApp. Claude y el ERP nunca se conectan directamente entre sí. Esa sola decisión es lo que hace que todo sea auditable, porque cada acción pasa por un lugar que yo controlo y queda registrada ahí.
El sistema corre como un solo proceso contra un único registro. Sin bus de mensajes, sin microservicios, sin una aplicación de front-end separada. A la escala de esta operación, el reflejo de los sistemas distribuidos habría agregado superficie sin aportar nada (y si el sistema supera esta forma, dividirlo es una refactorización de un día, un buen problema para tener más adelante y no uno para resolver ahora).
La disciplina que hace confiable al agente tiene poco que ver con el modelo y todo que ver con el vocabulario dentro del cual trabaja. Cuando el agente le pasa una conversación a un humano, elige exactamente una de trece razones fijas (siete del lado del cliente, dos del lado del pago, cuatro del lado del sistema) en lugar de escribir una nota libre. Si intenta inventar una razón fuera de esa lista, la herramienta rechaza la llamada, asigna por defecto una categoría genérica que queda registrada y escribe una advertencia, así que el caso queda capturado en lugar de perderse. La misma disciplina recorre los diecisiete tipos fijos de eventos y el pequeño conjunto de estados de conversación. Saqué la variabilidad de las respuestas del agente y la puse en la estructura del sistema, lo que le da al agente el trabajo fácil (elegir de una lista corta) y le da a todo lo que viene después el trabajo fácil (asumir que la lista está completa).
Lo que construí
Una operación directa al consumidor (DTC) de dispositivos médicos estaba perdiendo leads interesados por la demora en responder y la fricción en el pago. Alguien escribe a las 9 de la noche, listo para comprar. Cuando un humano responde a la mañana siguiente, ya se enfrió o compró en otro lado. Eso es un problema de tiempo de respuesta, no de marketing, y desangraba ingresos cada noche.
Puse en producción un agente de ventas con IA en el canal de WhatsApp en vivo (API de Claude, conectada a nuestro ERP). Califica el lead, cotiza sobre el catálogo vivo del ERP y crea la orden en el propio registro del cliente. Trece días de la nada a producción. Funciona 24/7. Recuperó aproximadamente el 45% que se estaba escapando.
Ese es el resultado. La verdadera historia está en las salvaguardas.
La parte que los ingenieros se saltan
Esto es lo que de verdad hace que un agente sea seguro frente a clientes, dinero y regulación. Se reduce a un principio: el modelo nunca redacta un dato de registro. Todo lo que tiene que ser exacto (un precio, un nombre, una dirección, una fecha de nacimiento) se lee y se escribe en el sistema de registro mediante una llamada a herramienta, nunca se genera como texto libre. El agente decide qué hacer. Nunca inventa lo que es cierto.
- Una salvaguarda de integridad de precios. El agente solo puede cotizar lo que está en el ERP. No puede inventar una cifra. La alucinación que a todos les da miedo queda bloqueada por la estructura, en lugar de confiar en que un buen prompt la evite. No existe un camino para que ocurra.
- Una salvaguarda de integridad de identidad. El mismo candado aplica a los campos que identifican a un cliente (nombre, dirección, fecha de nacimiento). El agente nunca los escribe de memoria; los lee y los escribe mediante llamadas a herramientas contra el sistema de registro, así que no puede invertir un dígito ni inventar una coincidencia. Para implementaciones más sensibles, el mismo patrón se extiende a llamadas a herramientas tokenizadas para PHI (información de salud protegida). El marco ya está construido para eso.
- Una compuerta de confirmación en cada envío. Nada sale a ciegas.
- Pausa automática cuando responde un humano. En el momento en que una persona entra a una conversación, el agente se retira. Nunca compite con el operador.
- Una consola de operador tipo semáforo. Un humano ve cada conversación (rojo, ámbar, verde) y puede tomar el control al instante. Dentro del circuito, en lugar de enterarse después.
- Una sola pista de auditoría de solo adición. Cada decisión queda registrada, nada se sobrescribe. Si alguien pregunta alguna vez "¿por qué hizo eso?", hay una respuesta. En un canal regulado, eso dejó de ser un lujo opcional. Se está convirtiendo rápidamente en el documento exacto que un regulador le pedirá presentar.
Esta es la capa que la mayoría se salta, y entiendo por qué. Es una pregunta de operaciones y de responsabilidad legal disfrazada de ingeniería. Saber dónde tiene que estar un humano, qué tiene que pausarse, qué nunca se puede automatizar. Eso es una disciplina de diseño, y es toda la diferencia entre una demo que impresiona a su directorio y un sistema que sobrevive al contacto con sus clientes.
Diría que es más difícil que el agente en sí. El agente tomó días. El criterio para decidir dónde poner las salvaguardas tomó quince años.
El resultado
El sistema cubre el canal a toda hora sin demora en la respuesta, lo que cierra una brecha que las respuestas manuales nunca pudieron cerrar (antes de Fenix, la demora en responder por sí sola nos costaba leads interesados cada noche). Hoy cada conversación es visible en una sola consola, cada acción queda registrada y las órdenes entran al ERP a medida que se crean. Ese es el resultado operativo que respaldo sin reservas: un canal en vivo que funciona solo 24/7, con un humano en el circuito exactamente donde se requiere criterio.
En el mismo período también reenfocamos el canal de anuncios en los dispositivos GMATE y trabajamos en la calidad de los leads que entraban. En esa ventana, los números comerciales se movieron de forma significativa: el retorno sobre la inversión publicitaria pasó de 1.8X a 7X, y la tasa de conversión de 2.5% a 8.75%. Quiero ser preciso con la atribución: esas mejoras vinieron del agente y de los cambios en el canal juntos, y no hay una forma honesta de repartir el crédito entre ellos.
Lo que esto demuestra
La lección transferible es la que sorprende a la gente. La IA es la parte fácil. El modelo ya funciona. Lo difícil es el andamiaje que lo rodea: el vocabulario cerrado dentro del cual opera el agente, la interfaz del operador construida según cómo trabaja de verdad la gente, la pista de auditoría que hace que cada acción tenga un responsable y los interruptores de apagado que permiten detenerlo limpiamente. Construya ese andamiaje con cuidado y el agente se vuelve confiable en producción. Sáltese ese trabajo y estará a un mal mensaje de un incidente de marca.
La ventaja defendible es el agente empaquetado dentro de un middleware que habla con cualquier sistema, lo mantiene dentro de salvaguardas y escribe un registro auditable de cada movimiento. El modelo es la parte que cualquiera puede alquilar. El andamiaje es la parte que construyo yo. Es la misma disciplina, sea una persona o un modelo de lenguaje el operador que usted supervisa.
¿Va a contratar liderazgo en IA? Vea qué buscar en un Chief AI Officer fraccional.
Más sobre cómo mantengo la IA auditable en el trabajo regulado: Cumplimiento regulatorio de IA para operaciones de salud y farma.