Un chatbot con inteligencia artificial ya no requiere contratar una plataforma exclusiva de eso: Make permite construirlo desde cero, conectando las piezas que la empresa ya usa. Actúa como orquestador entre el canal de entrada (WhatsApp, web, email o Slack), un modelo de lenguaje como OpenAI o Claude, y el sistema donde vive la información del cliente.
Entonces, un chatbot con IA permite conservar la eficiencia de la automatización sin caer en mensajes genéricos, reduce el tiempo que el equipo invierte en responder dudas estándar y libera capacidad para que las personas se enfoquen en los casos realmente complejos o sensibles, donde la intervención humana agrega más valor.
<<<Session exclusiva: Cómo crear un chatbot con IA>>>
Antes de construir el flujo, conviene entender qué se está automatizando realmente.
Un chatbot de reglas funciona con árboles de decisión: el usuario elige entre opciones predefinidas o el sistema detecta palabras clave exactas y dispara una respuesta fija. Es predecible, barato de mantener y rápido de ejecutar, pero se rompe en cuanto la consulta no encaja en el guion previsto.
Un chatbot con IA, en cambio, envía el mensaje del cliente a un modelo de lenguaje (LLM) que interpreta la intención, considera el contexto de la conversación y genera una respuesta original cada vez. No depende de coincidencias exactas de texto ni de un árbol cerrado de opciones.
La diferencia operativa es clara:
El enfoque con LLM es más flexible, pero no siempre es superior. Cuando el volumen de consultas es bajo, el catálogo de respuestas es finito y la precisión absoluta es crítica (por ejemplo, información regulatoria), un chatbot de reglas sigue siendo la opción más segura y económica.
El diagrama anterior resume la lógica del escenario: el sistema recibe un mensaje, recupera el historial de esa conversación, arma un prompt con contexto, lo envía al modelo de lenguaje, evalúa si la respuesta generada es suficiente o si requiere intervención humana, y finalmente entrega la respuesta por el canal correspondiente.
Cada bloque cumple una función específica:
Esta arquitectura es modular: cualquier bloque puede reemplazarse sin rediseñar el escenario completo. Cambiar de WhatsApp a Slack, o de OpenAI a Claude, implica modificar un módulo, no reconstruir el flujo.
<<<Agentes de IA vs automatización: diferencias clave a tener en cuenta>>>
El primer módulo del escenario es un webhook personalizado de Make, que genera una URL única capaz de recibir solicitudes POST. Este webhook se conecta al canal de origen:
En todos los casos, el objetivo del primer módulo es el mismo: capturar el texto del mensaje, el identificador del remitente y, si está disponible, el identificador de la conversación.
El historial se obtiene directamente del canal de mensajería (por ejemplo, el historial de mensajes de WhatsApp Business API o de un canal de Slack) o desde el CRM donde se registra la interacción con el cliente, como HubSpot. Esto evita depender de una hoja de cálculo como base de datos y mantiene la conversación sincronizada con el resto del recorrido del cliente.
En la práctica, este paso suele implicar:
El historial recuperado se transforma en una lista ordenada de turnos (cliente/bot) que luego se inyecta en el prompt.
Este es el módulo donde se concentra la mayor parte del ajuste fino. Mediante un módulo de texto o de composición de variables, se construye un único bloque de texto que incluye:
Cuanto más preciso sea este prompt, menos probable es que el modelo genere respuestas genéricas o fuera de contexto. Es recomendable mantener una plantilla fija para las instrucciones del sistema y variabilizar solo los datos del cliente y el historial.
Make ofrece módulos nativos para OpenAI y permite conectar con la API de Claude mediante el módulo HTTP genérico. El prompt armado en el paso anterior se envía como entrada, junto con parámetros como la temperatura (qué tan creativa o conservadora es la respuesta) y el límite de tokens de salida.
Para atención al cliente, conviene mantener la temperatura baja (entre 0.2 y 0.4), priorizando consistencia sobre creatividad. La respuesta del modelo llega como texto plano, listo para el siguiente módulo.
El último módulo del flujo principal entrega la respuesta generada por el canal de origen: WhatsApp, email, Slack o un widget de chat embebido en el sitio web. Es importante que este módulo use el mismo identificador de conversación capturado en el primer paso, para que la respuesta llegue al hilo correcto.
Si el canal de salida difiere del canal de entrada (por ejemplo, recibir por web y responder por email), el escenario debe incluir un módulo adicional que resuelva esa correspondencia, generalmente consultando el CRM.
Ningún chatbot con IA debería operar sin una vía de salida hacia un agente real. El escalado se implementa como un router dentro del mismo escenario, ubicado después de la llamada al LLM y antes del envío de la respuesta.
Los criterios más habituales para activar el escalado son:
Cuando se activa el escalado, el flujo puede crear un ticket en HubSpot, notificar al equipo en Slack con el contexto completo de la conversación, o ambas cosas. El cliente recibe un mensaje de transición indicando que un agente continuará la conversación, evitando la sensación de que el bot simplemente dejó de responder.
Antes de implementar este flujo en producción, conviene tener presentes sus límites:
Este flujo no requiere herramientas adicionales más allá de Make, un proveedor de LLM y el canal de comunicación que la empresa ya utiliza. El punto de partida recomendado es construir una primera versión acotada a un solo tipo de consulta frecuente, validar la calidad de las respuestas durante una o dos semanas, y recién después ampliar el alcance del prompt y sumar el router de escalado.
En Drew Tech acompañamos a equipos en el diseño e implementación de flujos de automatización, adaptados a las herramientas que cada empresa ya utiliza. Si estas evaluando incorporar IA en sus procesos de atención al cliente, podemos ayudarte a definir la arquitectura adecuada, conectar Make y validar el flujo antes de llevarlo a la acción.