Prototipo: asistente de búsqueda por WhatsApp para una ferretería

El Desafío: Cuellos de Botella Operativos en el Canal de Ventas Principal

Una ferretería se enfrentaba a importantes cuellos de botella operativos en su principal canal de ventas digital: WhatsApp. El personal se veía desbordado por el alto volumen de consultas de los clientes que llegaban a través de su canal de WhatsApp.

Este proceso manual provocaba tiempos de respuesta lentos, oportunidades de venta perdidas y un equipo de atención al cliente agotado. La necesidad de una solución que pudiera gestionar miles de consultas, agilizar las ventas y ofrecer una experiencia de usuario fluida era evidente.

La Solución: Un Agente de IA 24/7 con n8n y Gemini

Para abordar estos retos, diseñamos y construimos un prototipo de Asistente de Búsqueda de Productos e Inventario con IA. Esta solución no es solo un chatbot; es un agente inteligente capaz de entender el lenguaje natural, consultar inventarios en tiempo real y guiar al usuario hasta el cierre de la venta.

Arquitectura del Sistema y Herramientas Utilizadas

La robustez de este sistema se basa en la integración de herramientas de vanguardia:

• n8n: El motor de orquestación que conecta todos los servicios.
• WhatsApp (API): El canal de comunicación directa con el cliente.
• Gemini (Google AI): El cerebro del asistente, encargado de procesar y generar respuestas naturales.
• Qdrant: Base de datos vectorial para una búsqueda semántica ultrarrápida.
• Redis: Gestión de sesiones y memoria a corto plazo para mantener el contexto de la conversación.
• Baserow: Base de datos para la gestión de inventario y pedidos.

Inmersión Técnica: Cómo la IA "Entiende" el Inventario

El corazón del asistente es su capacidad para realizar búsquedas semánticas. A diferencia de las búsquedas tradicionales por palabras clave, nuestro agente utiliza Embeddings para entender la intención detrás de la consulta del usuario.

El Flujo de Trabajo (Workflow)

1. Recepción: El mensaje llega vía WhatsApp a n8n.
2. Contextualización: Redis recupera los últimos mensajes para que la IA "recuerde" de qué estaban hablando.
3. Búsqueda Vectorial: Qdrant busca en el catálogo de productos no solo por nombre, sino por descripción y utilidad.
4. Generación de Respuesta: Gemini redacta una respuesta amigable, confirmando stock y precio.
5. Acción: Si el usuario decide comprar, el agente genera un enlace de pago o registra el pedido en Baserow.

Relación con el AEO: Optimizando para la Respuesta Directa

Este prototipo es un buen ejemplo de AEO (Answer Engine Optimization) aplicado a la empresa privada. Al igual que optimizamos una web para que ChatGPT o Gemini den respuestas directas, este asistente optimiza el inventario de la empresa para que el cliente obtenga la respuesta que necesita en segundos, sin navegar por menús complejos.

¿Por qué esto es AEO?

• Elimina la fricción: El usuario no busca, pregunta.
• Respuesta estructurada: La IA entrega datos precisos (precio, stock, ubicación).
• Conversación natural: Se alinea con la forma en que los humanos interactuamos con la tecnología hoy.

Estado del proyecto: prototipo

Esto es un prototipo de Fast Web Labs, no un caso de cliente. El sistema se construyó y se probó, pero no llegó a producción, así que aquí no publicamos métricas de negocio.

Lo que sí demuestra es que un asistente así se monta con piezas abiertas (n8n, Gemini, Qdrant, Redis y Baserow), sin depender de una plataforma de chatbots de pago, y que la búsqueda semántica resuelve el problema de fondo: que el cliente pueda preguntar como habla, no como está escrito el catálogo.