Los 3 tipos de chatbot y cuál necesitas
| Tipo | Qué hace | Cuándo usar |
|---|---|---|
| Marketing / FAQ | Responde con respuestas que tú escribiste previamente | Web pequeña, FAQs estables, presupuesto bajo |
| Soporte (RAG) | Recupera info de tu KB y responde con contexto | Soporte con KB sólida, >500 tickets/mes repetitivos |
| Agente | Decide y ejecuta acciones (no solo responde) | Procesos complejos, integración con sistemas |
Antes de elegir, descarta el atajo obvio: un GPT personalizado de ChatGPT no sirve para ninguno de los tres si el destino es tu web, porque no se puede incrustar fuera de ChatGPT. Dónde sí llega y dónde choca está desarrollado en crear un agente con ChatGPT.
Arquitectura RAG paso a paso
- Estructura tu KB. Bloques cortos (200-400 palabras), autocontenidos, con metadatos.
- Genera embeddings. Convierte cada bloque en vector con un modelo (ada de OpenAI o equivalente).
- Almacena en base vectorial. Pinecone, Weaviate, pgvector según escala y presupuesto.
- Configura retrieval. Para cada consulta: recuperar k bloques más similares, re-rankear, filtrar por metadatos si aplica.
- Pasa contexto al LLM. El LLM recibe el contexto recuperado + el prompt del usuario + el system prompt.
- Devuelve respuesta con cita de la fuente (opcional pero recomendado).
Cuándo el chatbot debe pasar a humano (criterios)
- Baja confianza del modelo (probabilidad de la respuesta bajo umbral).
- Casos detectados como sensibles (reclamaciones, quejas, peticiones de descuento).
- Petición explícita del usuario ("quiero hablar con una persona").
- N de turns sin resolución — tras 5-6 mensajes sin avanzar, escalar.
- Detección de frustración — keywords como "esto no funciona", "estoy harto".
Esos criterios valen para un chatbot de soporte. El comportamiento general —cómo se detecta la duda en cualquier agente, qué hay que verificar antes de actuar y qué tiene que viajar en el traspaso— está en qué hace un agente de IA cuando no sabe la respuesta.
Medir CSAT y deflexión sin engañarte
Lo mismo que en soporte: la deflexión inflada es la trampa. Mide:
- Tickets resueltos sin escalar con confirmación de resolución.
- CSAT post-interacción (>4/5 saludable).
- Tasa de escalado limpio (todos los escalados deben llevar contexto).
- Comparativa CSAT antes vs. después del chatbot.
Stacks recomendados (self-serve, mid, enterprise)
| Tamaño | Stack | Coste mensual |
|---|---|---|
| Self-serve | Implementa Soporte IA, Intercom Fin, Chatbase | 79-300 €/mes |
| Mid-market | Zendesk + RAG custom + integración | 1.500-5.000 €/mes |
| Enterprise | Plataforma propia o Salesforce + agente custom | 5.000-25.000 €/mes |