Si querés automatizar soporte por voz en WhatsApp e Instagram, no arranques por la herramienta: arrancá por el flujo, los datos y las reglas de derivación.
Yo lo resumiría así: la IA de voz sirve para resolver consultas repetidas como estado del pedido, stock, cambios y devoluciones, pero solo cuando puede leer datos en tiempo real y sabe cuándo pasar el caso a una persona. Si no, el bot contesta mal, frena al cliente y suma reclamos.
En este caso, los puntos más importantes son:
También hay un punto que no conviene dejar para después: cumplimiento y trazabilidad. Si el sistema toca datos personales, direcciones, devoluciones o reintegros, yo dejaría registro de cada acción y revisaría el encuadre con la Ley 25.326.
En pocas palabras, la IA de voz no se trata solo de transcribir audios. Se trata de entender qué pidió el cliente, consultar el dato correcto, ejecutar una acción segura y escalar sin fricción cuando haga falta.
No arranques por la herramienta. Primero definí qué va a resolver el agente, qué datos va a consultar y en qué momento tiene que pasarle el caso a una persona. Si ya tenés los casos priorizados, el paso que sigue es .
El punto de partida está en los historiales reales de WhatsApp e Instagram de los últimos 3 a 6 meses. Ahí aparece, con datos en la mano, por qué te escriben más seguido. En este tipo de flujo, los intents que más pesan suelen ser seguimiento de pedido, cambio de dirección, consultas y problemas de pago y cambios/devoluciones.
Para cada intent, reuní entre 15 y 30 ejemplos reales de cómo lo dicen los clientes en audios. Por ejemplo: che, ¿sabés dónde está mi pedido? lo hice el lunes y todavía no llegó. Ese material es el que sirve para entrenar el modelo. No frases armadas en laboratorio.
Las entidades son los datos puntuales que el agente necesita para actuar: número de pedido, nombre del cliente, talle, color, localidad o provincia, medio de pago y fecha de compra. En Argentina, muchos clientes no dicen el número de pedido completo. Te tiran algo como el pedido del viernes y esperan que el sistema lo entienda. Por eso, el agente tiene que poder identificar el pedido cruzando el número de WhatsApp con las órdenes recientes, sin depender de que la persona recite un código perfecto.
Si los datos están viejos, las respuestas salen mal. Y cuando eso pasa, aparecen reclamos que se podrían haber evitado.
La base mínima de datos que necesita el agente incluye:
Burbuxa sincroniza en tiempo real productos, stock, pedidos, clientes, descuentos y políticas con Shopify, Tiendanube, VTEX y stacks propios por API. Sin esa capa de datos, el agente no solo responde mal: también falla al decidir cuándo derivar un caso.
No todo conviene automatizarlo. Desde el arranque, dejá por escrito qué casos se escalan y qué información le llega a la persona que toma la conversación.
| Situación | Acción del sistema |
|---|---|
| Pedido de alto valor o cliente VIP | Derivar directamente a un agente senior |
| Señales de frustración ("ya reclamé varias veces") | Escalar de inmediato con historial completo |
| Audio con baja confianza de transcripción | Pedir aclaración una vez; si persiste, derivar |
| Más de 2 intentos fallidos en una misma acción | Transferir a humano con contexto del error |
| Excepción de política (devolución fuera de plazo, etc.) | No resolver automáticamente; escalar siempre |
Cuando hay una derivación, la persona tiene que recibir todo el contexto: transcripción del audio, intents detectados, entidades capturadas, acciones que ya se intentaron y resultado de cada una. Si no, pasa lo de siempre: el cliente tiene que explicar todo otra vez desde cero. Y ahí es donde el soporte se desgasta más.
Con los intents, los datos y el handoff ya definidos, recién ahí conectá ASR, NLU y las acciones sobre la tienda.
Pipeline de IA de Voz para Soporte en WhatsApp e Instagram
Con los intents, los datos y las reglas de derivación ya definidos, ahora toca pasar del diseño al flujo operativo. La meta es simple: que un audio de WhatsApp o Instagram termine en una acción concreta sobre la tienda en pocos segundos.
Con ese flujo, el audio ya puede convertirse en una acción sobre la tienda.
El flujo sigue una secuencia clara. Cuando el cliente manda un audio, la API de WhatsApp Business o de Instagram avisa a tu backend por medio de un webhook. El sistema descarga el archivo, lo normaliza a WAV de 16 kHz y lo manda al motor de ASR configurado para español rioplatense. Ese motor devuelve la transcripción junto con un puntaje de confianza por segmento.
Después, el texto transcripto pasa a la capa de NLU, que detecta el intent mediante IA y WhatsApp - consultar estado de pedido, cambiar dirección, iniciar devolución - y extrae las entidades que hacen falta: número de orden, provincia, talle y monto en $. Con ese resultado, el orquestador decide si el caso se resuelve de forma automática o si conviene derivarlo. La respuesta sale en español argentino, con fechas en formato dd/mm/yyyy y montos como $ 12.500,75.
Una vez detectado el intent, el agente tiene que operar sobre datos reales.
Eso pide endpoints concretos: GET /orders/{order_id} para consultar el estado de un pedido, GET /inventory/{sku} para revisar stock, POST /returns para abrir una devolución y PATCH /orders/{order_id} para actualizar la dirección de envío antes del despacho.
También conviene limitar cada endpoint por rol. El agente puede leer pedidos de un cliente verificado, pero no puede emitir reembolsos ni modificar reglas de descuento. En cambios sensibles, como una actualización de dirección en un pedido de alto valor, el sistema crea una solicitud pendiente, avisa a un agente humano con todo el contexto y aplica el cambio después de la aprobación. Cada acción queda registrada con marca de tiempo, ID del agente, cambios y transcripción. Ese log sirve para auditar cualquier reclamo posterior.
Después, toda esa lógica se centraliza en la capa comercial.
Burbuxa funciona como el Commerce Brain del agente de voz. Recibe el resultado del procesamiento de voz desde WhatsApp o Instagram, lo envía a tu servicio de procesamiento y, cuando ese servicio devuelve el intent y las entidades, los traduce en acciones concretas, como consultar un pedido o crear una devolución. Burbuxa traduce intents en acciones y ejecuta la llamada contra la tienda, con Shopify, Tiendanube, VTEX y stacks propios por API. Eso baja el tiempo de implementación y hace que las respuestas del bot reflejen el estado real de la tienda.
Con el flujo ya definido, activá primero los intents con más volumen y menos riesgo al automatizar tus interacciones en WhatsApp con inteligencia artificial.
La idea es simple: empezá por lo repetitivo y dejá afuera, al menos al principio, los casos sensibles. Así ganás tiempo, bajás carga operativa y evitás meter automatización donde un error puede costar caro.
El criterio es directo: arrancá con los intents de mayor volumen y menor riesgo. La prioridad es resolver lo repetitivo sin tocar casos sensibles.
| Intent detectado | Acción automática | Ejemplo de respuesta |
|---|---|---|
consultar_pedido | Consulta a la API de la tienda por teléfono o número de pedido | Tu pedido #4521 de $ 18.900 está en camino con Correo Argentino. Llega el 21/07. |
iniciar_devolucion | Crea el caso, verifica política, envía instrucciones | Tenés hasta 30 días corridos desde la entrega. El producto debe estar sin uso y con etiqueta. |
cancelar_pedido | Verifica estado; si todavía no salió, pedí confirmación y cancelalo. | - |
Después, cerrá las excepciones con aprobación humana y trazabilidad.
No todas las acciones se pueden ejecutar en automático. En reembolsos, excepciones de precio o casos fuera de política, el sistema tiene que dejar el caso listo, pero esperar la aprobación de una persona antes de avanzar.
Una regla práctica puede ser esta: los reembolsos por debajo de $ 3.000, con un motivo claro y dentro de política, se aprueban solos. Si el monto supera $ 10.000 o el motivo es ambiguo, el caso pasa a una cola de revisión. Ahí, el agente humano ve la transcripción completa, el historial del cliente y la acción sugerida. Si nadie lo aprueba en 2 horas hábiles o antes del cierre del día, el sistema lo escala de forma automática.
En decisiones que no son simples, el log tiene que guardar quién aprobó, qué regla aplicó y en qué estado estaba el pedido en ese momento. Ese registro después sirve para auditar reclamos y, también, para ajustar políticas con datos concretos en vez de hacerlo a ciegas.
En Argentina, los flujos con datos personales y reembolsos deben alinearse con la Ley 25.326 de Protección de Datos Personales. Configurar estos controles antes del lanzamiento, y no después, marca la diferencia entre un despliegue controlado y uno que empieza bien pero suma problemas operativos y legales a medida que crece.
Con las primeras automatizaciones ya activas, medí resultados antes de escalar. Cuando el flujo ya está en producción, usá las primeras 2 a 4 semanas para validar la transcripción, los intents y la derivación.
El foco tiene que estar en cuatro métricas clave: precisión del ASR, reconocimiento de intents, tasa de resolución automática y tasa de derivación no deseada.
| Métrica | Objetivo | Señal de alerta |
|---|---|---|
| Precisión ASR | ≥ 90% | Errores frecuentes en nombres de productos o slang local |
| Reconocimiento de intents | ≥ 85% | Derivaciones por intent incorrecto |
| Tasa de resolución automática | 80–95% en flujos maduros | < 60% indica datos faltantes o entrenamiento insuficiente |
| Tasa de derivación no deseada | < 10% | > 10% indica que hay que revisar reglas, entrenamiento o acceso a datos |
La idea es simple: detectá dónde está el problema. A veces falla el ASR. Otras veces, el cuello de botella está en el NLU. Y en muchos casos, el sistema entiende bien el pedido, pero no puede resolverlo porque no tiene acceso a los datos que necesita.
Si una métrica cae, corregí primero ese flujo. Después sí, avanzá con el siguiente. Ir caso por caso suele ahorrar bastante tiempo y evita sumar errores en cadena.
Para medir el impacto en el negocio, seguí de cerca el CSAT al cierre de cada conversación y las ventas atribuibles: carritos recuperados, cancelaciones evitadas y ventas cruzadas generadas desde WhatsApp o Instagram. Mantené los montos en ARS 1.234,56, las fechas en dd/mm/yyyy y los horarios en formato de 24 horas.
También conviene revisar transcripciones todas las semanas. Con una sesión de 50 a 100 conversaciones por semana, puesta sobre todo en los casos que escalaron o fallaron, ya podés detectar patrones bastante claros. Por ejemplo:
Cada corrección que hace un agente humano suma como dato de entrenamiento. No la dejes pasar.
Con el diagnóstico hecho, expandí solo cuando el flujo base ya esté estable. Primero ordená un caso de alto volumen. Después, llevá esa misma lógica al resto.
Arrancar con seguimiento de pedidos en WhatsApp suele tener sentido porque combina tres cosas: mucho volumen, poco riesgo y fuerte dependencia de datos en tiempo real. En la práctica, la secuencia recomendada es esta:
Cuando ese flujo ya funcione bien, replicá la misma lógica en Instagram.
Conviene cuando querés hacer la compra más rápida y simple en categorías de baja fricción, como alimentos o artículos para el hogar. En esos casos, lo que manda es la velocidad y la comodidad.
También funciona muy bien en recompras o suscripciones. Si el cliente ya conoce el producto, puede resolver todo en poco tiempo y sin escribir. Y suma mucho en pedidos hechos en lenguaje natural, sobre todo cuando hacen falta recomendaciones más a medida.
Para responder con precisión, un sistema de soporte automatizado con IA tiene que consultar en tiempo real los datos clave de tu e-commerce: catálogo de productos, precios, stock, estado de pedidos, seguimiento de envíos y políticas de devolución.
Además, necesita acceso al perfil unificado del cliente. Ahí entra todo lo que le da contexto a cada respuesta: historial de compras, preferencias, navegación y contactos previos con soporte.
Sin esa información, la IA responde a ciegas. Con esa información, puede dar respuestas contextuales, personalizadas y automáticas.
El sistema lo detecta, sobre todo, con análisis de sentimiento en tiempo real. Si la IA encuentra frustración, ansiedad, enojo o picos emocionales intensos a partir de palabras clave, el tono o el ritmo del mensaje, pasa la conversación a una persona.
También podés marcar reglas según el tema o el nivel de complejidad. Si el bot no consigue resolver la consulta, o si el caso va más allá de lo que puede manejar, transfiere todo el contexto para que el cliente no tenga que repetir lo mismo.
