FabiánArquitectura de Producto & Datos · Desarrollo con IA
3 meses · en producción
CRM Multicanal IA
Arquitectura de Producto & Datos · Desarrollo con IA
CRM a medida que centraliza en un solo panel los leads de WhatsApp, Messenger, Instagram y chat web de varios colegios, con un bot de IA que responde preguntas de admisión usando solo datos reales verificados.
Resultado
4 canales consolidados en un panel
Resultado
Cero datos inventados desde el guardrail
Resultado
Menos preguntas repetitivas escaladas al equipo humano
Contexto del proyecto
Cliente
Colegios Arquidiocesanos
Mi rol
Arquitectura de Producto & Datos · Desarrollo con IA
Timeline
3 meses · en producción
Overview
Colegios Arquidiocesanos gestiona el proceso de admisión de varias sedes escolares, y los mensajes de padres interesados llegaban dispersos por WhatsApp, Facebook Messenger, Instagram y el chat de la web principal — sin un lugar único donde el equipo de mercadeo/call center pudiera ver el historial completo de un prospecto, asignarlo, o saber en qué estado quedó su proceso de inscripción. Diseñé un CRM independiente de la web institucional, con un motor de IA propio que conversa con los prospectos en cada canal, responde preguntas de cupos, costos y proceso de inscripción usando una base de conocimiento por colegio, y solo escala a un asesor humano cuando el caso lo requiere. No escribí una sola línea de código: dirigí el desarrollo completo con IA como motor de implementación, mientras yo lideraba la arquitectura de información, el modelo de datos, las pruebas y la configuración de las integraciones con Meta.
El problema
Los leads de admisión llegaban por WhatsApp, Messenger, Instagram y el chat web sin ningún punto de consolidación: un mismo padre podía escribir por dos canales distintos sin que el equipo lo notara como la misma persona. El call center respondía manualmente preguntas repetitivas — cupos, costos, proceso de inscripción — que consumían tiempo que podía dedicarse a casos que sí necesitaban seguimiento humano, y muchos prospectos preguntaban precio y desaparecían sin dejar datos de contacto reales. Habilitar mensajería real en canales como Instagram exige además pasar la revisión de permisos de Meta App Review, un proceso con requisitos técnicos y de evidencia específicos que hay que sostener en el tiempo.
La solución
Diseñé un CRM propio con roles y permisos granulares (admin, supervisor, asesor, mercadeo, call center, colegio, auditoría) y un motor de IA con RAG: cada respuesta del bot se arma inyectando la base de conocimiento real del colegio de interés — precios, cupos, links de inscripción — sin dejar que el modelo invente un dato. Un guardrail anti-alucinación determinístico verifica después de cada respuesta que cualquier precio o link mencionado exista literalmente en los datos inyectados; si no coincide, la respuesta se reemplaza por un mensaje seguro que escala a un asesor humano. El equipo puede pausar o reactivar el bot para un chat puntual sin perder el hilo, y los cuatro canales convergen en la misma bandeja de conversaciones.
Evidencia visual
El trabajo en imágenes
Aún por agregar
Pantalla de inicio de sesión — acceso exclusivo para el equipo de Colegios Arquidiocesanos
Aún por agregar
Vista general: leads nuevos, conversaciones y tasa de conversión en tiempo real
Proceso de diseño
Metodología estructurada para garantizar resultados medibles
Fundacional
~3 semanas
Integración con Meta
~3 semanas
Motor de IA
~3 semanas
Endurecimiento en producción
~3 semanas + tiempos de revisión de Meta
Resultados
Métricas que demuestran el valor del diseño estratégico
- Consolidación de 4 canales de mensajería (WhatsApp, Messenger, Instagram, chat web) en un único panel de gestión de leads
- Cero incidentes de datos inventados (precios/links) llegando a un prospecto real desde que se implementó el guardrail determinístico
- Reducción de preguntas repetitivas escaladas al equipo humano gracias a la automatización con IA sobre la base de conocimiento real de cada colegio
Learnings clave
- Un guardrail que solo compara contenido sin considerar cómo el modelo puede formatearlo (markdown, negrita, hipervínculos) genera falsos positivos difíciles de detectar sin revisar logs de producción línea por línea
- Confiarle a un LLM instrucciones de 'no vuelvas a preguntar esto' no es suficiente por sí solo — el dato capturado debe persistir en un lugar que el prompt SIEMPRE reciba, no solo en el historial reciente de la conversación
- Integrar con las APIs de Meta implica no solo el código de los webhooks, sino sostener un proceso de certificación (App Review) con evidencia reproducible — vale la pena documentar y automatizar esa evidencia desde el principio
¿Quieres resultados similares para tu proyecto?
Hablemos de cómo puedo ayudarte a transformar tus desafíos en oportunidades digitales.