~/case-studies
IA omnicanal
Asistente IA para atención al cliente y reservas
Chatbot por voz, WhatsApp y web con tool calling sobre la base de datos del negocio. Reservas cerradas sin intervención humana.
duración · 8 semanas para producciónequipo · 1 persona + responsable de operaciones del cliente como dueño funcional
El reto
- ▸Centralita telefónica saturada en horas pico, con clientes colgando antes de ser atendidos.
- ▸Personal de atención al cliente repitiendo el mismo tipo de respuesta (disponibilidad, horarios, precio) decenas de veces al día.
- ▸Necesidad de seguir escalando a humano los casos complejos sin que el cliente lo perciba como "un bot que no me entiende".
- ▸Imposible medir CSAT real porque no había instrumentación.
La solución
- ▸Asistente IA con Claude API y arquitectura de tool calling: el modelo no inventa, consulta la base de datos del negocio.
- ▸Tres canales: voz (Vapi.ai + ElevenLabs), WhatsApp (Twilio), web chat embebible.
- ▸Flujo de escalado humano transparente: el bot identifica casos fuera de su alcance y enruta a la persona correcta sin perder el contexto.
- ▸Métricas de CSAT, tasa de resolución y tipos de consulta integradas desde el día 1.
Stack
NestJSClaude APITwilioVapi.aiElevenLabsPostgreSQLRedisWebhooks
Impacto
- ▸Reducción drástica de llamadas perdidas en horas pico.
- ▸El equipo humano de atención al cliente atiende menos volumen pero con casos de más valor.
- ▸CSAT medido y trazable por canal y tipo de consulta.
- ▸Producción 24/7. El cliente no nota la diferencia entre un domingo a las 4 AM y un martes a mediodía.
Aprendizajes
- ▸Tool calling sobre datos reales del negocio cambia el juego. Sin él, el bot solo responde lo que está en su prompt.
- ▸Voz es mucho más difícil que texto. Latencia de respuesta percibida es el 50% del éxito.
- ▸Escalado a humano sin perder contexto es la diferencia entre "buen bot" y "bot frustrante".