Automatización de procesos e IA· Casos en producción·Chile · UTC−4

1 de cada 4 clientes escribe cuando ya cerraste.

Lo medí en mi propia lavandería: de 2.002 mensajes entrantes en cuatro meses, 488 llegaron fuera del horario de atención. La hora con más mensajes sin nadie disponible son las 19:00, justo cuando se apagan las luces. Construyo agentes de IA y automatizaciones que atienden esas horas — y que siguen funcionando el mes seis, que es donde casi todos fallan.

El mismo cliente · dos negocios distintos

Son las 19:42 de un martes. Llega un mensaje. Míralo pasar de las dos formas.

Izquierda: la conversación tal como la ve el negocio. Derecha: lo que ocurre por detrás. Cambia el interruptor y compara — es el mismo cliente, el mismo mensaje y la misma hora. Lo único que cambia es si el sistema existe o no.

S
Agente de IA · Lavandería
en línea
EN VIVO

Recreación fiel de flujos reales.
Nombre, dirección y teléfono cambiados.

registro del sistema—

Control de calidad

Un agente de IA sin auditoría es una fuga que todavía no descubriste.

Reviso conversaciones reales buscando errores. Este es uno de verdad, y es sutil: el agente no alucinó ni se cayó. Simplemente dio por confirmado algo que la clienta nunca confirmó.

La clienta pidió
"venir a retirar ropa mañana tipo 18 hrs para el sábado"
El agente respondió
Correctamente: el sábado no hay ruta. Propuso el viernes.
Ella contestó
"a las 19 hrs"
El error
Confirmó la hora, nunca el día. El agente asumió que aceptaba el viernes y agendó. Un móvil iba a llegar un día que la clienta no había aprobado.
La corrección
Regla explícita en el agente: al proponer una fecha alternativa, no se agenda hasta que el cliente confirme el día, no solo el horario. Desplegada el mismo día.

Errores como este no aparecen en una demo. Aparecen leyendo conversaciones reales una por una, que es exactamente el trabajo que casi nadie hace después de entregar el proyecto. Es la diferencia entre un sistema que impresiona el primer mes y uno en el que confías al año.

Otros sistemas en producción

Activo · vigila a los demás

El sistema que encontró dos fallas que nadie estaba viendo

Corro un chequeo automático semanal sobre toda la infraestructura. En una de sus corridas detectó dos cosas que llevaban días rotas sin alertar a nadie: la cuota de ejecuciones del orquestador estaba agotada hacía una semana por flujos duplicados, y un token de API llevaba el doble de su vida útil, devolviendo errores de autorización en silencio.

Ambas corregidas el mismo día. El chequeo ahora vigila las dos cosas por su cuenta. Una automatización rota que nadie nota no es una automatización: es una deuda que se paga en clientes perdidos.

Stack
CronAlertasMonitoreo de credenciales

Activo · resuelto con plantilla aprobada

El límite de WhatsApp que rompe la mitad de las automatizaciones

WhatsApp solo deja enviar mensajes libres dentro de las 24 horas posteriores a que el cliente escribió. Como entre que agenda y que su ropa está lista pasan siempre más de 24 horas, la notificación de "pedido listo" fallaba en silencio: la API devolvía éxito y el mensaje nunca llegaba.

La solución no era código, era entender la plataforma: plantilla de utilidad aprobada por Meta, con variables, conectada al flujo de empaque. Lo menciono porque el error engañoso —éxito en el log, cero entregas— es el tipo de cosa que solo se aprende operando.

Stack
WhatsApp Business APIPlantillas MetaWorkflows CRM

Activo · 24/7

Cuando el problema no era de IA, era de plomería

Mi entorno de desarrollo tenía bloqueado el acceso directo a la API del CRM. En vez de pelear con eso, monté una capa intermedia: scripts ejecutándose como trabajos programados en infraestructura externa, con las salidas de diagnóstico escritas a un repositorio que leo por API.

Lo incluyo a propósito. Buena parte de este oficio es distinguir el problema que necesita un modelo del que necesita arquitectura, y decir en voz alta cuál es cuál.

Stack
GitHub ActionsPythonREST · webhooks

Activo · 196 productos publicados

De la foto en el teléfono a la tienda publicada

Para una tienda de moda circular armé el camino completo: la foto entra a la nube, se convierte de formato, se analiza para clasificarla, se le asigna código por categoría, se sube al repositorio de imágenes y se inserta en la base de datos. El sitio se despliega solo.

El paso humano quedó reducido a elegir la prenda y escribir la descripción. Después audité el resultado: 7 duplicados y 11 productos mal categorizados, corregidos junto con la causa que los generaba.

Stack
SupabaseNetlifyDrive APIPython

Criterio

Lo que dejé deliberadamente sin automatizar

Hay contactos marcados que el agente nunca responde: van a gestión manual siempre. Son los casos donde un error automático cuesta más caro que el tiempo humano que ahorra.

Mi regla: volumen alto y error barato se automatiza; volumen bajo y error caro se documenta y lo hace una persona. Y si el proceso todavía cambia cada semana, no se toca — automatizar un proceso indefinido solo acelera el desorden.

También en operación

Herramientas

Orquestaciónn8n · GitHub Actions · webhooks · cron
CRM y agentesGoHighLevel · Conversation AI · MCP · diseño y ajuste de prompts
CódigoPython · JavaScript · SQL · Playwright · Git
Datos e infraestructuraSupabase / PostgreSQL · Netlify · APIs REST
PrivacidadCredenciales en almacén de secretos, nunca en código · criterio sobre qué dato va a un modelo y cuál no

Nada de esto lo aprendí en un curso. Lo aprendí cuando se rompió en mi propio negocio y el cliente enojado era mío.

Cualquiera de estos flujos se puede mostrar corriendo en vivo, no en diapositivas. Español nativo; trabajo desde Chile, con solape diario garantizado con equipos en Europa.