Operar un agente de inteligencia artificial en WhatsApp implica bastante más que conectar un modelo de lenguaje: las personas tratan al agente como si fuera humano, hacen preguntas que el guion no previó y Meta cambia las reglas de su API sin aviso previo. En la práctica, las salvaguardas del prompt, la supervisión de conversaciones reales y la capacidad de reaccionar rápido a los cambios de la plataforma pesan tanto como el modelo que se elija. Empezamos a desarrollar nuestra integración con WhatsApp Business API a principios de 2025, y no para vender un producto: era un desarrollo a la medida para resolver el problema puntual de un cliente. Ese proyecto fue creciendo y hoy hemos procesado miles de conversaciones, que es donde aparecen las cosas que no están en la documentación de Meta. Lo que sigue es lo que nos encontramos. Lo escribimos porque cuando estábamos empezando no había dónde leerlo, y porque quien está evaluando poner un agente de IA a hablar con sus clientes merece saber qué se rompe en la vida real y no solo qué promete el fabricante del modelo. 1. La gente olvida que está hablando con una IA Fue el primer aprendizaje, y llegó rápido. Muchas personas —sobre todo adultos mayores— sencillamente no identifican que del otro lado hay un sistema. Empezaron a llegar respuestas así: Al principio nos sorprendió. Después entendimos que no tiene nada de raro: cuando una conversación fluye con naturalidad, la persona asume que hay alguien. No es que el agente engañe a nadie; es que la cortesía es automática y va dirigida a quien se imagina del otro lado. Esto tiene una consecuencia práctica que conviene decidir antes de salir al aire: si el guion declara o no que es un asistente automatizado. Nosotros recomendamos declararlo. En la práctica lo que la gente valora es que le respondan al instante y bien, no que del otro lado haya una persona a las once de la noche. 2. Nos tocó enseñarle a no seguir el coqueteo Si las personas creen que hablan con alguien, algunas se comportan como se comportarían con alguien. Empezaron a preguntarle el nombre a la asistente, a hacerle cumplidos, a invitarla a salir y a intentar sostener conversaciones personales. En las primeras versiones el prompt no tenía ninguna instrucción para eso, así que el modelo hacía lo que un modelo de lenguaje hace bien: seguir la conversación con naturalidad. No fue un error del modelo, fue una situación que no habíamos previsto. La diferencia importa, porque el arreglo no era cambiar de modelo. La solución fue reforzar el prompt con reglas explícitas que devuelven la conversación al servicio de la empresa: el agente agradece, no entra al juego y retoma el tema. Desde entonces es una de las reglas que van por defecto en cada implementación nueva. 3. «¿Cuánto cuesta la hora?» Un usuario escribió exactamente eso a la línea de una clínica odontológica. El agente hizo lo razonable con el contexto que tenía —estaba entrenado con los servicios y las tarifas de la clínica— y empezó a responder con los precios de las consultas. La persona no estaba preguntando por eso. Estaba insinuando un servicio que no tiene ninguna relación con una clínica dental. Ese episodio nos enseñó algo que hoy damos por sentado: no basta con responder correctamente, hay que interpretar hacia dónde va la conversación. Un modelo de lenguaje contesta con seguridad la pregunta que él cree que le hicieron, y esa seguridad es justamente el riesgo. Añadimos salvaguardas para detectar cuándo un intercambio se sale del objetivo del negocio y redirigirlo de forma profesional o pasarlo a una persona. 4. Meta cambió las reglas de un día para otro El reto más grande de todos no vino de la inteligencia artificial: vino de la plataforma. Durante 2025 Meta modificó varias veces el funcionamiento de WhatsApp Business API. El cambio que más nos costó fue este. Antes se podía enviar una plantilla aprobada y continuar la conversación con mensajes normales. Después pasó a ser obligatorio esperar a que el cliente respondiera la plantilla antes de poder volver a escribirle libremente. Nuestros flujos automatizados seguían operando con la lógica anterior. Durante un par de días detectamos chats que quedaban bloqueados: el sistema mandaba la plantilla y luego intentaba seguir, y esos mensajes ya no salían. Lo encontramos revisando conversaciones, no por una alerta de Meta. La lección, que es la que de verdad importa Cuando se construye sobre la plataforma de un tercero, la pregunta no es si va a cambiar las reglas, sino cuánto se demora uno en enterarse y en adaptarse. Eso no se resuelve con arquitectura: se resuelve mirando conversaciones reales todas las semanas. 5. Los cambios no se terminan Ahora mismo estamos adaptando la plataforma a los nuevos modelos de cobro que Meta anunció. Preferimos prepararlo antes de que la actualización sea obligatoria, para que a nuestros clientes no se les interrumpa nada el día que entre en vigor. Es la misma lección de arriba, aplicada con anticipación en vez de a las carreras. Qué significa esto si vas a contratar un agente Después de miles de conversaciones, lo que tenemos claro es que montar un agente de IA no es conectar un modelo de lenguaje. Es esto: Si estás evaluando proveedores, esa lista es una buena forma de preguntar. Quien te diga que su agente no se equivoca, o no ha operado lo suficiente, o no te lo va a contar. Nosotros preferimos que lo sepas antes de firmar y no en la primera conversación que salga mal. Preguntas frecuentes Entender cómo se comporta la gente de verdad, que no es como se comporta en las pruebas. Anticipar las preguntas que el guion no cubre, incluidas las incómodas. Diseñar salvaguardas para cuando la conversación se sale del objetivo del negocio. Adaptarse a los cambios de Meta, que llegan sin aviso y sin pedir permiso. Mejorar el prompt de forma continua, no dejarlo escrito el primer día. Revisar conversaciones reales todas las semanas para seguir aprendiendo.