Cuando un potencial cliente llega a tu web a las 11 de la noche con una duda sobre tu servicio, tiene tres opciones: rellenar un formulario y esperar hasta el lunes, buscar a tu competencia o encontrar la respuesta en ese momento.
Un chatbot bien entrenado resuelve ese tercer escenario. Pero hay una diferencia enorme entre un chatbot que ayuda y uno que frustra.
El problema con los chatbots de hace 5 años
Los chatbots tradicionales basados en árboles de decisión tenían un problema claro: si el usuario no escribía exactamente la frase esperada, el sistema se bloqueaba con un “Lo siento, no te entiendo.”
Los chatbots con IA generativa (GPT-4o, Claude, Gemini) son diferentes. Entienden la intención detrás de la pregunta, pueden mantener contexto durante la conversación y generan respuestas en lenguaje natural.
Qué puede (y qué no puede) hacer un chatbot de IA
Lo que hace bien:
- Responder preguntas frecuentes sobre tus productos o servicios
- Calcular presupuestos básicos con información proporcionada por el usuario
- Recoger datos de contacto y calificar leads
- Guiar al usuario hacia la página o acción correcta
- Responder fuera de horario de oficina
Lo que NO delegar a un chatbot:
- Negociaciones de precio complejas
- Gestión de quejas graves
- Decisiones que requieren criterio humano
- Información confidencial o legal sin revisión
Arquitectura de un chatbot real
Un chatbot de IA para una web de empresa tiene tres capas:
1. La base de conocimiento
Aquí vive todo lo que el chatbot sabe sobre tu negocio: servicios, precios, FAQs, políticas, proceso de trabajo…
Yo lo implemento con RAG (Retrieval-Augmented Generation): el chatbot no memoriza todo, sino que busca en tu base de conocimiento en tiempo real antes de responder. Así el contenido es actualizable sin reentrenar ningún modelo.
2. El modelo de lenguaje
El cerebro de la operación. Actualmente uso GPT-4o por su equilibrio entre coste y calidad, aunque Claude 3.5 Sonnet es una alternativa excelente para conversaciones que requieren más matiz.
3. La capa de integración
El chatbot no vive aislado. Lo conectamos con:
- Tu CRM (para registrar leads automáticamente)
- Tu calendario (para agendar llamadas directamente desde el chat)
- Tu sistema de tickets (para escalar a humano cuando es necesario)
Código básico de un endpoint de chatbot
import OpenAI from 'openai';
const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });
export async function POST(req: Request) {
const { messages, context } = await req.json();
const systemPrompt = `Eres el asistente de ${context.companyName}.
Tu objetivo es ayudar a los visitantes a entender nuestros servicios y resolver sus dudas.
Información sobre la empresa: ${context.knowledgeBase}
Tono: profesional pero cercano. Nunca inventes información.
Si no sabes algo, indica que un humano se pondrá en contacto.`;
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
{ role: 'system', content: systemPrompt },
...messages
],
max_tokens: 500,
temperature: 0.7,
});
return Response.json({
message: response.choices[0].message.content
});
}El detalle que marca la diferencia: el handoff a humano
El mayor error que veo en implementaciones de chatbot es no tener una salida elegante hacia un agente humano.
Mi recomendación: después de 3-4 turnos de conversación sin resolver la consulta, o si el usuario escribe algo como “quiero hablar con alguien”, el chatbot ofrece activamente la opción de:
- Agendar una llamada (integración con Calendly)
- Dejar un email para que le contacten
- Iniciar un chat en vivo si hay agentes disponibles
Esto mantiene la percepción de calidad y evita la frustración de los usuarios que no se sienten atendidos.
Costes reales
Para una PYME con tráfico moderado (500-2000 visitas al mes):
- OpenAI API: 15-40 €/mes dependiendo del volumen de conversaciones
- Hosting del endpoint: incluido en Vercel u otro hosting existente
- Integración y configuración inicial: depende de la complejidad (base de conocimiento, integraciones CRM, etc.)
El ROI suele ser claro: si el chatbot evita que un comercial dedique 2 horas semanales a responder las mismas preguntas por email, el ahorro mensual supera con creces el coste de la API.
Herramientas sin código para empezar
Si no quieres desarrollo a medida todavía, puedes empezar con:
- Tidio con integración de IA: fácil de instalar, plan gratuito disponible
- Intercom Fin: más potente, orientado a empresas con mayor volumen
- Crisp + ChatGPT: con un poco de configuración, una opción económica
La diferencia con el desarrollo a medida es la personalización y la integración profunda con tus sistemas internos. Para empezar a validar, las herramientas SaaS son una buena opción.
¿Quieres un chatbot que realmente represente tu marca y esté conectado a tus sistemas? Hablemos y vemos qué tiene sentido en tu caso.
