Cómo crear un chatbot con IA que no sea "un chatbot con sombrero"

Los 3 tipos de chatbot y cuál necesitas

Arquitectura RAG paso a paso

1. Estructura tu KB. Bloques cortos (200-400 palabras), autocontenidos, con metadatos.
2. Genera embeddings. Convierte cada bloque en vector con un modelo (ada de OpenAI o equivalente).
3. Almacena en base vectorial. Pinecone, Weaviate, pgvector según escala y presupuesto.
4. Configura retrieval. Para cada consulta: recuperar k bloques más similares, re-rankear, filtrar por metadatos si aplica.
5. Pasa contexto al LLM. El LLM recibe el contexto recuperado + el prompt del usuario + el system prompt.
6. 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".

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)