Ditextil: cómo María pasó de 4 horas diarias respondiendo pedidos a un bot que automatiza el 80% de los pedidos 24/7.

El problema

María es la dueña de Ditextil, una importadora textil con 8 años en Quito. Su cartera de clientes son tiendas y boutiques en todo Ecuador. Cada mañana, sus 3 vendedores abrían WhatsApp y se encontraban con la misma avalancha:

• "¿Tienes patriot black talla M?"
• "Cuánto cuesta el FCB britar gris?"
• "Me das 3 de la azul y 2 de la negra"
• "Lo tienes disponible para entrega hoy?"

Para cada mensaje, el vendedor tenía que:

1. Buscar el producto en su Excel de inventario
2. Verificar stock
3. Calcular el precio (depende de la cantidad y del cliente)
4. Confirmar disponibilidad y tiempo de entrega
5. Si todo OK, crear la orden manualmente en Odoo
6. Responder al cliente

Tiempo promedio: 6-8 minutos por pedido. Con 30-50 pedidos diarios, los vendedores pasaban entre 4 y 6 horas de la mañana en este ciclo, todos los días. Cuando llegaban al mediodía, ya estaban agotados y atendían tarde a clientes que escribían a media mañana, generando reclamos y pérdida de ventas.

Peor: cuando un cliente escribía un domingo a las 9pm, nadie respondía hasta el lunes. María estimaba que perdía entre 10-15% de pedidos potenciales por esta razón.

La decisión

María consideró 3 opciones:

1. Contratar un cuarto vendedor. Costoso (USD $600/mes + cargas), y el problema seguiría los fines de semana.
2. Implementar un chatbot genérico de una plataforma SaaS. Le cotizaron USD $300/mes, pero el bot no entendía "patriot black" como su producto específico, no se integraba a su Odoo, y sonaba a robot.
3. Construir un agente conversacional a medida con Embii AI. Que entienda el catálogo de Ditextil, verifique stock en tiempo real en Odoo, y cree las órdenes automáticamente.

María eligió la opción 3. El criterio: "no quiero un bot que suena a bot, quiero algo que mis clientes sientan como hablar con un vendedor bueno".

El diseño de la solución

En 1 semana de discovery, mapeamos los flujos de venta de Ditextil. Descubrimos 3 cosas importantes:

1. El 60% de los mensajes eran variaciones de los mismos 12 productos. El bot tenía que ser excelente en esos.
2. El 30% eran consultas compuestas ("3 patriot black, 1 FCB gris, cuánto con envío a Cuenca?"). El bot tenía que parsear y responder con totales.
3. El 10% eran consultas especiales (clientes que querían factura, clientes con crédito, devoluciones). Esas seguían yendo a un humano.

La arquitectura del bot quedó así:

• Receptor de mensajes: WhatsApp Business API Cloud (Meta) con número dedicado de Ditextil.
• Cerebro conversacional: GPT-4o con prompt que incluye el catálogo de Ditextil actualizado, los precios escalonados, y las reglas de despacho.
• Verificador de stock en tiempo real: n8n workflow que consulta Odoo 18 vía API cada vez que el bot necesita confirmar disponibilidad.
• Creador de órdenes: si el cliente confirma el pedido, n8n crea la orden en Odoo con cliente, productos, cantidad, dirección de envío y método de pago.
• Escalación a humano: si el bot detecta un caso especial (devolución, factura, crédito), lo transfiere a un vendedor con todo el contexto.

Implementación (4 semanas)

Semana 1: discovery con María y sus vendedores, mapeo de productos, reglas de negocio, configuración de WhatsApp Business API y Odoo.

Semana 2: construcción del prompt del bot con el catálogo de 80+ SKUs, pruebas internas, ajuste de tono (queríamos que sonara como un vendedor de Ditextil, no como un bot genérico).

Semana 3: integración Odoo + pruebas con 5 clientes "piloto" que sabían que estaban probando un bot. Feedback: "que dé más detalles de los precios" y "que avise cuando está procesando, no que parezca que se quedó pegado".

Semana 4: lanzamiento a toda la base, con los vendedores supervisando las conversaciones en tiempo real durante 5 días. Después, 100% autónomo.

Decisiones de stack

• WhatsApp Business API Cloud y no Twilio: el cliente ya tenía número verificado en Meta, y la API Cloud es más económica. Twilio tenía más features pero USD $0.05 por mensaje era prohibitivo al volumen de Ditextil.
• GPT-4o y no GPT-3.5: probamos ambos. GPT-3.5 confundía "patriot black" con "patriot grey" en el 8% de los casos. GPT-4o lo hace perfecto. La diferencia de costo ($20 vs $2 por millón de tokens) no se nota al volumen de Ditextil.
• n8n y no código custom en Python: para flujos de integración (Odoo ↔ WhatsApp), n8n es más rápido de iterar. Si en 6 meses Ditextil cambia el ERP, cambiamos el nodo de Odoo en n8n, no tenemos que reescribir el backend.

Resultados a 6 meses

Los números que ve María hoy en su dashboard:

• 80% de pedidos procesados sin intervención humana. El 20% restante son los casos especiales (factura, crédito, devoluciones) que escalan al vendedor con todo el contexto.
• 0 quejas de clientes por demoras. La queja más común antes era "siempre tardan en responder". Ahora el bot responde en menos de 30 segundos.
• +15% en pedidos totales porque el bot atiende domingos y feriados. Esos pedidos antes se perdían.
• Vendedores enfocados en vender. En vez de tipear 6 minutos por pedido, ahora llaman a los clientes grandes, ofrecen nuevos productos, y cierran ventas en persona. La rotación de personal bajó.
• Cero errores de transcripción. Antes un vendedor podía escribir "patriot grey" cuando el cliente pidió "patriot black". Ahora la orden la crea el sistema con la información que el cliente mismo escribió.

Lo que aprendimos

Para Embii AI, este caso nos dejó 3 lecciones que aplicamos a todos los proyectos de WhatsApp desde entonces:

1. El prompt importa más que el modelo. Un GPT-4o mal promptado se comporta peor que un GPT-3.5 bien promptado. Invertimos mucho en el prompt con el catálogo real del cliente.
2. La integración con el ERP es no negociable. Un bot que responde pero no crea la orden no sirve. El cliente quiere que el pedido quede en Odoo, no en un Excel paralelo.
3. La escalación a humano es clave. El 20% de casos que escalan a humano son los más valiosos: clientes que pagan más, problemas que requieren criterio. El bot filtra el ruido, los vendedores atienden las excepciones.

¿Te pasa algo similar?

Si tu equipo pasa horas diarias respondiendo los mismos mensajes por WhatsApp — pedidos, consultas de stock, precios, horarios — podemos construir un agente como el de Ditextil en 3-4 semanas. Con tu catálogo, con tu ERP, con tu tono.