IA para retail y e-commerce
La diferencia entre un asistente de tienda que vende y uno que molesta es una sola: si sabe qué hay en bodega ahora mismo. Construimos sobre el inventario y el estado real del pedido, y medimos la exactitud contra el sistema.
En resumen
Un asistente de tienda que no consulta el inventario no es un asistente: es un folleto que conversa. La integración no es una mejora posterior, es el requisito.
La métrica de este sector no es la satisfacción sino la exactitud contra el sistema: si dice que hay talla M y no hay, se perdió la venta y se ganó una reseña de una estrella.
Donde más rinde es en la postventa —«¿dónde va mi pedido?», «¿cómo devuelvo?»—, que es el mayor volumen de consultas y el más mecánico.
La recomendación de producto solo funciona sobre datos propios de comportamiento. Sin ellos, el sistema recomienda lo que suena parecido, que no es lo mismo que lo que se vende.
Los cinco momentos donde se pierde una venta
Los cinco tienen la misma raíz: una pregunta con respuesta exacta en un sistema, que nadie contestó a tiempo.
- «¿Me llega antes del viernes?», «¿esta talla le queda a…?». Sin respuesta en el momento, la compra no se aplaza: se cae.
- El buscador de la tienda hace coincidencia de texto; el comprador describe lo que necesita, no el nombre del catálogo.
- Estado del pedido, cambios, devoluciones y garantías: alto volumen, respuesta mecánica y casi siempre disponible en un sistema.
- Nadie sugiere el accesorio que va con eso, porque nadie está mirando la conversación en el momento.
- Buena parte del comercio en línea se compra de noche, y ahí no hay nadie del otro lado.
El catálogo no es un documento: es un estado que cambia
Aquí está la diferencia con casi todos los demás casos de recuperación. Un condicionado de seguros o un manual cambian cada tanto; un catálogo cambia cada minuto: entran productos, se agotan tallas, cambian precios, corre una promoción. Indexar el catálogo como si fuera un documento produce un asistente que responde con seguridad sobre un inventario de la semana pasada.
La arquitectura correcta separa dos cosas. Lo semiestable —descripciones, materiales, guías de talla, política de devoluciones— va al índice. Lo volátil —precio, disponibilidad, estado del envío— se consulta en vivo por API en el momento de responder, nunca desde el índice. El sistema recupera el producto y luego pregunta cuánto hay, en vez de recordar cuánto había.
La consecuencia práctica es que este proyecto es tanto de integración como de IA. Trabajamos contra Shopify, WooCommerce, VTEX o el sistema propio, y si esa integración no se puede hacer, lo decimos antes de cotizar en vez de entregar un asistente que improvisa disponibilidad.
Exactitud contra el sistema, no satisfacción declarada
| Qué se mide | Qué significa | Qué pasa si falla |
|---|---|---|
| Exactitud de disponibilidad | Sobre una muestra: si lo que dijo el asistente coincidía con el inventario en ese momento. | Se saca la disponibilidad del índice y se consulta en vivo. Es el fallo más caro y el más común. |
| Exactitud de precio y promoción | Si el precio dicho es el que el cliente ve al pagar, con la promoción vigente aplicada. | Misma corrección: precio en vivo, nunca indexado. Un precio distinto en el chat y en el carrito es una queja segura. |
| Resolución en postventa | Qué porcentaje de consultas de estado, cambio o devolución se cierra sin pasar a una persona. | Suele faltar integración con el operador logístico o con el flujo de devoluciones, no capacidad del modelo. |
| Escalamiento correcto | Cuando el caso se sale del libreto —un reclamo, un daño—, que pase a una persona rápido y con el contexto. | Un asistente que insiste en resolver lo que no puede convierte una venta perdida en un cliente perdido. |
Si la tienda maneja pocas referencias y las preguntas son siempre las mismas cinco, una plataforma de suscripción con flujos armados resuelve el caso a una fracción del costo, y es la opción correcta. Lo decimos en la primera llamada.
La conversación cambia cuando hay catálogo amplio con variantes, inventario que se mueve, varios canales y postventa con volumen — o cuando ya hay un bot que da respuestas equivocadas sobre stock, que es cuando el problema deja de ser de costo y pasa a ser de reputación.
Servicios relacionados
Chatbots y asistentes con IA
Con el conjunto de evaluación ejecutado antes de la salida a producción.
Ver servicioIntegraciones y APIs
Servidores MCP contra los sistemas en operación.
Ver servicioAgentes de IA
Orquestación con LangGraph, estado durable y supervisión humana en los pasos con consecuencia.
Ver servicioAutomatización con IA
Aplicada donde hay volumen y reglas estables, no donde hay expectativa.
Ver servicioMás del blog
¿Por qué mi chatbot responde mal?
Casi siempre se culpa al modelo, y casi nunca es el modelo.
Seguir leyendoDoce preguntas para elegir proveedor de IA
Todas las propuestas se parecen: hablan de agentes, de RAG y de que no alucina.
Seguir leyendo¿Cuánto cuesta desarrollar una app en Colombia?
Las cotizaciones para la misma idea llegan con diferencias de cinco veces.
Seguir leyendoPreguntas frecuentes
¿Se conecta con Shopify, WooCommerce o VTEX?
Sí, con esas y con sistemas propios, por API o servidor MCP. Y es la parte que decide si el proyecto sirve: sin lectura del inventario y del estado del pedido, el asistente puede describir productos pero no puede vender ni resolver postventa. Cuando la plataforma no expone lo que hace falta, lo decimos antes de cotizar en vez de entregar algo que improvisa disponibilidad.
¿Puede tomar el pedido completo o solo responder?
Puede tomarlo, y en WhatsApp es donde más rinde en Colombia: arma el carrito, confirma dirección y forma de pago y deja la orden creada en la plataforma. La decisión que recomendamos es dónde se corta el flujo: el pago suele quedar en un enlace de la pasarela, no dentro del chat, porque manejar datos de tarjeta en una conversación agrega un problema de cumplimiento que no vale lo que ahorra.
¿Recupera carritos abandonados?
Sí, y funciona mejor cuando el mensaje es una respuesta a la duda concreta que frenó la compra y no un recordatorio genérico con descuento. Eso exige saber en qué punto se cayó el cliente, así que depende de la integración con la plataforma. Recomendamos medirlo con un grupo de control: sin él, cualquier recuperación se le atribuye al sistema, incluida la que iba a ocurrir de todos modos.
¿Cómo hace recomendaciones que sirvan?
Sobre datos propios de comportamiento —qué se compró junto con qué, qué miró este cliente, qué devolvió— y no sobre lo que el modelo cree de la categoría. Sin ese histórico conectado, la recomendación es similitud de texto: sugiere lo que suena parecido, que no es lo mismo que lo que se vende junto. Si el histórico no existe, arrancamos por reglas simples y datos de catálogo, y lo decimos así.
¿Sirve para una tienda física, no solo en línea?
Sí, y suele ser el caso con mejor retorno en Colombia porque el canal es WhatsApp: consultar disponibilidad por sede, apartar, resolver horarios y atender la postventa. El requisito es el mismo: que el inventario por sede sea consultable. Si el inventario de las tiendas vive en una hoja de cálculo que se actualiza en las noches, el primer proyecto es ese, no el asistente.
¿Cuánto tarda y cómo se cotiza?
De cuatro a ocho semanas hasta producción según las integraciones, con algo funcionando desde la primera semana. Se cotiza con alcance, precio y fecha cerrados en una propuesta a 48 horas de la primera llamada, y el precio lo determinan el tamaño del catálogo, cuántos sistemas hay que conectar y en cuántos canales tiene que estar.
Agendar 15 minutos
Una llamada para poner sobre la mesa qué se está construyendo o qué dejó de funcionar. Termina con una respuesta concreta: se arregla, se construye, o no vale la pena.