Asesor técnico-comercial con IA para un e-commerce B2B

El problema

El cliente quería que su tienda online resolviera las preguntas que hacen particulares, instaladores y arquitectos antes de comprar: qué producto sirve para un baño, cuántas cajas hacen falta para 34 m², qué certificados tiene un panel. Y que lo hiciera sin inventarse referencias ni precios.

Qué decidí

• Un grafo fijo con LangGraph en lugar de un agente autónomo. El proceso de venta se conoce de antemano, así que el grafo es más predecible y más barato.
• Los cálculos los hace el código. El modelo interpreta la pregunta y redacta la respuesta, pero las cajas, los metros y la merma salen de funciones deterministas.
• Un validador revisa cada respuesta antes de enviarla. Si menciona una referencia, una cifra o una afirmación que no sale del catálogo o de la documentación, se descarta y se responde con una plantilla.
• Dos modelos: uno rápido para entender la pregunta y otro mejor para redactar.

Qué construí

• RAG híbrido sobre fichas técnicas y certificados, con citas literales y número de página.
• Un adaptador de solo lectura sobre la base de datos de la tienda para consultar precio y stock en tiempo real.
• Borradores de carrito y de presupuesto, y traspaso al equipo comercial cuando hace falta.
• Trazas por turno con latencia, tokens y coste, con los datos personales ocultos, y un límite de gasto mensual.

Resultado

En la batería de 42 casos reales sobre el catálogo:

Métrica	Resultado
Casos correctos	39 de 42 (93 %)
Acierto en producto	96 %
Citas literales	100 %
Cálculos exactos	100 %
Latencia mediana / p95	4,2 s / 8,4 s
Coste por respuesta	0,008 $