Bot de WhatsApp: flujos deterministas o IA generativa? Cuando usar cada uno

No todos los bots de WhatsApp son iguales. Hay una diferencia enorme entre un bot que sigue un guion fijo y uno que usa inteligencia artificial para generar respuestas. Cada enfoque tiene ventajas claras, y elegir mal puede costarte dinero, clientes, o ambos.

En esta guia explicamos los dos enfoques, cuando usar cada uno, y por que la mejor solucion para la mayoria de empresas es una combinacion de ambos.

Contenido

• Dos enfoques, un mismo canal
• Bots de flujos (deterministas)
• Bots con IA generativa
• El enfoque hibrido: lo mejor de los dos mundos
• Direct Response: por que es critico para datos transaccionales
• Guardrails: controles de seguridad para tu bot
• Guia de decision: por donde empezar
• Conclusion

Dos enfoques, un mismo canal

Cuando alguien dice “quiero un bot de WhatsApp”, puede estar pensando en cosas muy diferentes:

Opcion A: Un bot que sigue pasos predefinidos. El cliente escribe, el bot le pide un dato, lo busca en un sistema y le da la respuesta exacta. Como un cajero automatico: predecible, rapido, sin sorpresas.

Opcion B: Un bot con inteligencia artificial que entiende lenguaje natural, responde preguntas abiertas y genera respuestas unicas para cada conversacion. Como hablar con un agente capacitado (pero que nunca se cansa).

Ninguno es “mejor” que el otro. La clave es saber cuando usar cada uno.

Bots de flujos (deterministas)

Un bot de flujos funciona como un diagrama de decision. Tiene pasos definidos, condiciones claras y respuestas pre-escritas. No improvisa.

Como funciona

1. El cliente escribe un mensaje
2. El bot identifica la intencion (puede ser por palabra clave, menu o clasificacion basica)
3. El bot sigue una secuencia de pasos: pedir datos, validar, llamar a una API, responder
4. La respuesta es una plantilla fija con variables interpoladas

Ejemplo concreto: consulta de saldo.

Cliente: Quiero saber cuanto debo
Bot: Para consultar tu saldo, necesito tu numero de servicio. Cual es?
Cliente: 44513
Bot: [llama API interna, obtiene saldo]
Bot: Tu saldo actual es de $1,250.00 MXN. Vencimiento: 15 de abril de 2026.

Cada paso esta predefinido. El bot no “decide” que responder; ejecuta un guion.

Ventajas

Cero alucinaciones. El bot nunca inventa datos. Si la API devuelve $1,250.00, eso es lo que el cliente recibe. No hay riesgo de que el modelo redondee, parafrasee o invente un numero.

Sin costos de API de IA. No necesitas una clave de OpenAI, Anthropic o Google. El bot funciona con logica pura. Esto es importante si manejas miles de conversaciones al mes.

Comportamiento 100% predecible. Puedes probar cada flujo de principio a fin y saber exactamente que va a responder el bot en cada escenario. No hay variabilidad.

Velocidad. Ejecutar un flujo determinista toma milisegundos. No hay que esperar a que un modelo de lenguaje genere una respuesta.

Cuando usarlos

• Consultas de saldo y estado de cuenta
• Generacion de referencias de pago
• Reportar fallas o incidencias
• Programar citas o servicios
• Cualquier operacion donde la respuesta correcta depende de datos de un sistema externo

Regla general: si la respuesta tiene numeros, fechas, codigos o referencias, usa un flujo determinista.

Bots con IA generativa

Un bot con IA generativa usa un modelo de lenguaje (como GPT-4, Claude o Gemini) para entender el mensaje del cliente y generar una respuesta. No sigue un guion fijo; “piensa” y responde.

Como funciona

1. El cliente escribe un mensaje en lenguaje natural
2. El mensaje se envia a un modelo de lenguaje junto con un prompt de sistema (instrucciones) y el historial de la conversacion
3. El modelo genera una respuesta unica basada en el contexto
4. La respuesta se envia al cliente

Ejemplo concreto: pregunta sobre politicas de cancelacion.

Cliente: Hola, estoy pensando en cancelar mi servicio. Que opciones tengo?
Bot: Entiendo que estas considerando cancelar. Antes de proceder, me gustaria
     entender mejor tu situacion. Hay varias opciones que podemos explorar:
     
     1. Si el tema es el precio, tenemos planes mas accesibles que podrian
        ajustarse mejor a tu presupuesto.
     2. Si hay un problema tecnico, puedo ayudarte a resolverlo.
     3. Si definitivamente quieres cancelar, puedo conectarte con un agente
        que te guie en el proceso.
     
     Que te parece? Cual es tu situacion?

Esta respuesta no esta pre-escrita. El modelo la genero basandose en el contexto y las instrucciones.

El patron RAG: responder con tus documentos

RAG (Retrieval-Augmented Generation) es un patron donde el bot busca en tus documentos antes de responder. En vez de depender solo del conocimiento general del modelo, busca informacion especifica de tu empresa.

Como funciona:

1. Subes tus documentos (PDFs, manuales, FAQs, politicas) a la plataforma
2. Los documentos se procesan y se almacenan en una base de datos vectorial
3. Cuando el cliente pregunta algo, el bot busca los fragmentos mas relevantes
4. El modelo genera la respuesta usando esos fragmentos como referencia

Ejemplo: el cliente pregunta “Cual es el horario de atencion?” El bot busca en tus documentos, encuentra la seccion de horarios y responde con la informacion correcta de tu empresa, no con datos genericos.

Ventajas

Entiende lenguaje natural. El cliente no necesita escribir palabras clave exactas ni navegar menus. Puede preguntar de la forma que quiera y el bot entiende.

Maneja preguntas inesperadas. Un flujo determinista solo puede responder lo que fue programado. Un bot con IA puede manejar preguntas que nunca habias anticipado, siempre que tenga la informacion en sus documentos o prompt.

Conversaciones fluidas. Puede hacer seguimiento, pedir aclaraciones y mantener contexto a lo largo de la conversacion. Siente mas natural.

Aprende de tus documentos. Con RAG, el bot se vuelve un experto en tu empresa sin necesidad de programar cada respuesta.

Riesgos

Alucinaciones. Los modelos de lenguaje pueden inventar informacion que suena convincente pero es incorrecta. Esto es inaceptable para datos financieros o transaccionales.

Costos de API. Cada mensaje al modelo tiene un costo. Con volumenes altos (miles de conversaciones/dia), esto puede sumar.

Latencia. Generar una respuesta toma 1-3 segundos, contra milisegundos de un flujo determinista.

Imprevisibilidad. El mismo input puede generar respuestas ligeramente diferentes cada vez. Esto puede ser un problema para cumplimiento regulatorio.

Cuando usarlos

• Preguntas frecuentes (FAQs)
• Informacion sobre productos y servicios
• Politicas y procedimientos
• Quejas o feedback (donde el tono empatico importa)
• Cualquier pregunta donde la respuesta esta en tus documentos

Regla general: si la respuesta es informativa (no transaccional), la IA generativa es tu amiga.

El enfoque hibrido: lo mejor de los dos mundos

La realidad es que la mayoria de empresas necesitan ambos. Hay preguntas que se resuelven mejor con flujos y otras que se resuelven mejor con IA. La solucion no es elegir uno u otro, sino combinarlos inteligentemente.

Como funciona en CX Inbox

CX Inbox usa un enfoque hibrido con tres capas:

Capa 1: Clasificacion de intents (LLM). Cuando el cliente escribe, un modelo de lenguaje clasifica el mensaje en un intent (intencion). No genera la respuesta; solo clasifica. Esto toma una fraccion de segundo.

Capa 2: Ejecucion determinista (TypeScript). Si el intent es transaccional (consultar saldo, generar pago, reportar falla), una maquina de estados en TypeScript maneja todo el flujo. Pide datos, valida, llama APIs y responde con templates fijos. Cero IA en la ejecucion.

Capa 3: Respuesta generativa (LLM). Si el intent es informativo (pregunta general, informacion de producto, queja), el modelo de lenguaje genera la respuesta. Si hay RAG configurado, busca en tus documentos primero.

El principio es simple: el LLM clasifica, TypeScript decide, templates responden.

Ejemplo en accion

Un cliente de una empresa de telecomunicaciones escribe:

“No tengo internet desde ayer, mi servicio es 44513”

1. Clasificacion: el LLM identifica intent = “reportar-falla” y extrae numero_servicio = 44513 y descripcion = "No tengo internet desde ayer".
2. Ejecucion determinista: la maquina de estados verifica el numero de servicio contra la API, confirma la identidad del titular, registra el reporte de falla.
3. Respuesta: un template fijo envia el folio del reporte y el tiempo estimado de resolucion.

Si el mismo cliente luego pregunta:

“Y cuanto cuesta cambiarme a un plan mas rapido?”

1. Clasificacion: el LLM identifica intent = “informacion-general”.
2. Respuesta generativa: el LLM busca en la base de conocimiento (RAG), encuentra los planes disponibles y genera una respuesta personalizada.

Todo en la misma conversacion, sin que el cliente note la diferencia.

BYOK: trae tu propia clave

Un beneficio del enfoque hibrido es que la IA es opcional. Puedes empezar solo con flujos deterministas (cero costo de API de IA) y agregar IA despues cuando lo necesites.

Cuando estes listo, CX Inbox soporta BYOK (Bring Your Own Key): conectas tu propia clave de API de OpenAI, Anthropic (Claude) o Google (Gemini). No hay markup sobre el uso del modelo. Pagas directamente al proveedor de IA.

Direct Response: por que es critico para datos transaccionales

Ya mencionamos las alucinaciones, pero vale la pena profundizar porque es uno de los errores mas costosos.

Imagina este escenario:

1. El bot consulta la API y obtiene: saldo = $2,347.50, referencia = 8901-2345-6789
2. El bot pasa estos datos al modelo de lenguaje para que “redacte una respuesta amigable”
3. El modelo responde: “Tu saldo es de aproximadamente $2,350 y tu referencia de pago es 8901-2345-6789”

Parece inofensivo, pero:

• El monto fue redondeado ($2,347.50 -> $2,350). Si el cliente paga $2,350, el pago no se aplica correctamente
• En otros casos, el modelo podria omitir un digito de la referencia o cambiar un numero

Direct Response resuelve esto. Cuando una herramienta (tool) esta marcada como Direct Response:

1. La herramienta se ejecuta y obtiene los datos de la API
2. Los datos se interpolan en un template fijo (no generado por IA)
3. El mensaje se envia directamente al cliente, sin pasar por el modelo
4. El modelo recibe un aviso: “La informacion fue enviada al cliente” y continua la conversacion normalmente

Regla: todo dato que tenga numeros, montos, referencias, folios o fechas debe usar Direct Response. Siempre.

Guardrails: controles de seguridad para tu bot

Un bot que atiende clientes necesita controles. Especialmente si usa IA generativa. Estos son los guardrails mas importantes:

Filtros de palabras

Puedes definir palabras o frases que el bot nunca debe mencionar (competidores, informacion confidencial, temas sensibles). Si el modelo intenta incluirlas, el mensaje se bloquea y se escala a un agente.

Limites de reintentos

Si el cliente no proporciona un dato valido despues de N intentos, el bot debe escalar a un agente en vez de seguir pidiendo. Nada frustra mas a un cliente que un bot que repite la misma pregunta.

Verificacion de identidad determinista

La verificacion de nombres y datos personales nunca debe pasar por la IA. Se hace con comparacion de strings en el codigo: el nombre que da el cliente vs. el nombre que esta en el sistema. Si no coincide, el bot pide verificar o escala.

Deteccion de sentimiento negativo

El bot puede detectar frustacion o enojo en el tono del cliente y escalar automaticamente a un agente humano antes de que la situacion empeore.

Limites de turnos

Si la conversacion con el bot supera un numero de turnos sin resolucion (por ejemplo, 15), el bot escala automaticamente. Esto previene conversaciones circulares.

Guia de decision: por donde empezar

Empieza con flujos si…

• Tu caso de uso principal es transaccional (saldos, pagos, reportes, citas)
• No quieres costos de API de IA por ahora
• Necesitas respuestas exactas y predecibles
• Tu volumen de conversaciones es alto (los costos de IA a escala son significativos)
• Operas en una industria regulada donde cada respuesta debe ser controlada

Agrega IA cuando…

• Recibes muchas preguntas que no pueden resolverse con un flujo fijo (FAQs variadas)
• Tienes documentacion que el bot podria consultar (manuales, politicas, catalogo)
• Quieres que el bot maneje la primera interaccion y solo escale casos complejos
• Tu equipo de soporte esta saturado con preguntas repetitivas pero variadas en su formulacion

El camino tipico

1. Mes 1: Configura 2-3 flujos deterministas para tus operaciones mas comunes (consulta de saldo, reporte de falla, estatus de pedido)
2. Mes 2: Mide resultados. Si el bot esta resolviendo 50%+ de conversaciones y tienes preguntas que no puede manejar, agrega IA
3. Mes 3: Sube tus documentos (RAG), configura el prompt del bot con tu tono y politicas, activa la respuesta generativa para intents informativos
4. Continuo: Revisa las conversaciones escaladas. Si hay patrones, crea nuevos flujos deterministas. La IA cubre lo que los flujos no

Conclusion

El debate “flujos vs IA” es un falso dilema. Lo que necesitas es saber cuando usar cada herramienta:

• Datos transaccionales: flujos deterministas + Direct Response. Sin excepciones.
• Preguntas informativas: IA generativa + RAG. Con guardrails.
• Clasificacion: IA para entender la intencion. Rapido y barato.
• Ejecucion: TypeScript para la logica de negocio. Predecible y seguro.

El enfoque hibrido no es un compromiso; es la arquitectura correcta para un bot empresarial que maneja datos reales de clientes.

Prueba CX Inbox gratis — 14 dias, sin tarjeta de credito. Configura tu primer bot hibrido: flujos para lo transaccional, IA para lo conversacional.

---

Publicado: abril 2026. Esta guia refleja el estado actual de la tecnologia de bots conversacionales y las capacidades de CX Inbox.