Un agente de IA en WhatsApp es un asistente que conversa con tus clientes en lenguaje natural, siguiendo instrucciones que tú escribes. Responde con la información de tu negocio, no con frases genéricas, y puede ejecutar acciones como reservar un turno, guardar los datos del cliente o consultar otro sistema. A diferencia de un chatbot de menús, no depende de que el cliente toque el botón correcto: entiende lo que escribe con sus palabras.
Agente de IA y chatbot de reglas: la diferencia
Un chatbot de reglas sigue un camino armado de antemano. Si el cliente toca “Envíos”, recibe los plazos de envío. Si escribe “¿me llega antes del viernes a Rosario si compro hoy?”, el bot no tiene un botón para eso.
Un agente de IA lee ese mensaje, entiende que hay una pregunta de plazo y una de destino, busca la respuesta en la información que le diste y contesta. Si no la tiene, puede pedir un dato más o pasarle la conversación a una persona.
| Chatbot de reglas | Agente de IA | |
|---|---|---|
| Cómo entiende | Botones, keywords y condiciones | Lo que el cliente escribe, con sus palabras |
| Qué responde | Lo que armaste en cada paso | Lo que decide a partir de sus instrucciones y tu información |
| Dónde brilla | Caminos cortos y conocidos | Preguntas abiertas, mezcladas o imprevistas |
| Qué hay que cuidar | Que el menú no crezca sin control | Que no responda lo que no sabe |
No es una elección de uno u otro. En la práctica se usan juntos: el flujo recibe al cliente y ordena, y el agente conversa cuando hace falta.
Cómo funciona un agente por dentro
En GoChat los agentes se configuran en el AI Hub. Un agente tiene cuatro piezas.
Las instrucciones
Es el prompt, y es lo que más define cómo se comporta. Está dividido en secciones:
- Persona & Role: quién es el agente, de qué se ocupa y con qué tono habla.
- Skills: los pasos que sigue para cada cosa que sabe hacer. Por ejemplo, para reservar un turno: pedir los datos de a uno, mostrar las fechas libres, confirmar.
- Product & Service Information: la información de tu negocio que necesita para responder.
- Constraints: lo que no tiene que hacer nunca y cómo manejar los errores.
Si escribes una descripción del agente, Generate Agent Prompt arma una primera versión de esas secciones. Conviene revisarla línea por línea: el agente hace lo que dice el prompt, no lo que tenías en mente.
El modelo
Cada agente elige su proveedor de IA: OpenAI, Gemini, Claude, DeepSeek, xAI o Groq. Con la temperatura ajustas qué tan previsibles son las respuestas (valores bajos, más previsibles), y con el máximo de tokens, qué tan largas pueden ser. Un bot puede tener hasta 20 agentes, cada uno con su modelo.
El conocimiento
Un agente responde mejor cuando consulta tu información en lugar de suponerla. La AI Knowledge Base guarda fichas de productos, políticas, listas de precios o preguntas frecuentes en archivos, y el agente busca ahí cada vez que necesita un dato del negocio. Funciona con el proveedor OpenAI - Responses y se comparte entre todos los bots del workspace: actualizas un archivo y el cambio llega a todos.
Además, el agente puede buscar en la web o consultar servicios externos conectados como MCP servers, según el modelo que uses.
Las acciones
Responder es la mitad del trabajo. La otra mitad es hacer algo con lo que el cliente dijo. Para eso existen las AI Functions: una function le dice al agente qué datos tiene que juntar (nombre, email, fecha) y qué workflow correr cuando los tiene. Ese workflow puede guardar los datos en una planilla, traer los horarios libres de un calendario o llamar a otro sistema, y le devuelve el resultado al agente para que la conversación siga con esa información.
Un detalle práctico: el agente solo llama a una function si sus instrucciones dicen cuándo usarla. Una function que nunca se ejecuta casi siempre es un prompt que no lo dice.
Cómo llega un mensaje de WhatsApp al agente
El agente no escucha el número por su cuenta. Un flujo se lo entrega. En el Flow Builder agregas un paso Action, eliges AI Actions → AI Agent y seleccionas el agente principal. Puedes sumar agentes secundarios, cuyas functions el principal puede usar.
Ese paso tiene un Idle Timeout: si el cliente deja de responder durante esa cantidad de minutos, el flujo sale del agente y sigue con el paso siguiente. Sirve para mandar un seguimiento o cerrar la conversación con orden. Si todavía no armaste el flujo, empieza por cómo crear un chatbot para WhatsApp sin programar.
Cuándo pasa la conversación a una persona
Un buen agente sabe cuándo no seguir. Las restricciones del prompt definen esos casos: un reclamo, una venta que necesita aprobación, un cliente que pide hablar con alguien. A partir de ahí, el flujo asigna la conversación a un agente humano o a un grupo, y la persona la toma en Live Chat con todo el historial a la vista.
Cuando alguien del equipo responde, la automatización se pausa durante 30 minutos para que el bot no conteste encima. Si hace falta, el agente humano suma más tiempo.
Cómo saber qué hizo el agente
La IA no es una caja negra si sabes dónde mirar:
- El campo AI Messages de cada usuario guarda la conversación con el agente: qué preguntó el cliente, qué respondió el agente y qué functions llamó con qué valores.
- Live Chat, con los mensajes de sistema visibles, muestra qué agente está activo y cuándo corre una function.
- AI Usage Logs lista cada llamada a la IA con su modelo, tokens, tiempo de proceso y estado.
Revisar esas tres fuentes la primera semana es lo que convierte un agente aceptable en uno bueno. Cada respuesta floja suele tener una causa concreta: falta un dato en la base de conocimiento o falta una regla en las restricciones.
Por dónde empezar
Empieza por una sola tarea con un final claro: responder las preguntas frecuentes con tu base de conocimiento, o reservar turnos. Escribe las instrucciones, cárgale la información, pruébalo tú antes que nadie y recién después ponlo en el flujo que recibe a tus clientes. Cuando esa tarea funcione, suma la siguiente. El detalle de cada campo está en la guía de AI Agents.
