El problema no era la cantidad de mensajes
Una empresa de servicios profesionales en Monterrey — 18 empleados, dos vendedoras de tiempo completo — recibía entre 30 y 50 DMs semanales en Instagram. No es un volumen enorme. El problema era la distribución: la mitad llegaba entre las 7 pm y las 11 pm, y el 60% de esos mensajes era la misma pregunta refraseada de diez formas distintas.
Las vendedoras respondían al día siguiente. Para cuando contestaban, varios prospectos ya habían escrito a la competencia. El tiempo de respuesta promedio era de 11 horas. No por negligencia — simplemente, Instagram no era el canal que el equipo había diseñado para atender en tiempo real.
Qué se construyó y cómo funciona
El agente se conecta a Instagram vía la API oficial de Mensajería de Meta. Cuando llega un DM, el agente lo clasifica en una de cuatro categorías: pregunta de catálogo, solicitud de cotización, queja o devolución, o mensaje no clasificable. Las primeras dos las resuelve de forma autónoma; las últimas dos las escala a humano con un resumen del hilo.
La base de conocimiento tiene tres capas:
- FAQ estructurado: 47 preguntas mapeadas con respuestas aprobadas por el equipo.
- Lógica de cotización: rangos de precio según parámetros que el prospecto proporciona en el chat.
- Criterio de escalado: si el prospecto menciona palabras clave de alta intención (“quiero contratar”, “cuándo empezamos”) o de conflicto (“me cobraron de más”, “no funcionó”), el hilo pasa a humano en menos de 2 minutos.
El stack técnico en este caso: Make para el workflow de integración, GPT-4o como modelo de lenguaje, Airtable como base de conocimiento editable por el equipo sin código. El equipo de la empresa puede actualizar preguntas y respuestas sin tocar el agente.
Los números después de la primera semana
La semana de lanzamiento en producción llegaron 240 DMs — más del doble del promedio habitual, en parte porque coincidió con una campaña de paid social que el cliente ya tenía agendada. El agente manejó de forma autónoma 187 de esos 240 mensajes (78%). Los 53 restantes se escalaron a humano.
Métricas concretas de esa semana:
| Métrica | Antes del agente | Semana 1 con agente |
|---|---|---|
| Tiempo de respuesta promedio | 11 horas | 4 minutos |
| DMs respondidos sin intervención humana | 0% | 78% |
| Leads calificados generados | 3–4 por semana | 11 en 7 días |
| Horas del equipo en DMs | ~6 hrs/semana | ~1.5 hrs/semana |
Los 11 leads calificados no son atribuibles solo al agente — la campaña de paid social aportó volumen. Pero el tiempo de respuesta de 4 minutos sí es atribuible directamente: antes de las 7 pm, las vendedoras respondían rápido; después de esa hora, no. El agente no tiene horario.
Lo que casi sale mal
El primer draft del agente tenía un problema clásico: respondía con demasiada confianza cuando no sabía la respuesta. En lugar de escalar, el modelo generaba respuestas plausibles pero incorrectas sobre precios y tiempos de entrega. Eso se detectó en la fase de pruebas porque uno de los testers preguntó algo fuera del FAQ y el agente inventó un precio.
El fix fue agregar un paso de validación antes de enviar: si la respuesta del modelo no tiene una fuente directa en la base de conocimiento (match semántico por encima de un umbral), el agente responde con un mensaje genérico de “déjame verificar eso contigo” y escala. Es un paso extra de latencia — agrega 8–12 segundos — pero elimina el riesgo de desinformación.
El criterio que usamos en Eurema para decidir si un agente está listo para producción es precisamente este: ¿qué hace cuando no sabe? Si la respuesta es “inventa”, no está listo.
Por qué Instagram y no WhatsApp
La pregunta que más recibimos cuando presentamos este caso: ¿por qué no automatizar WhatsApp Business primero?
WhatsApp tiene restricciones más estrictas en la API de Meta para mensajes outbound — necesitas plantillas pre-aprobadas para iniciar conversaciones, y el costo por conversación es variable. Instagram Messaging, para respuesta a DMs entrantes, tiene menos fricción en la implementación inicial y el volumen de prospección orgánica suele ser más alto para empresas con presencia visual fuerte.
Dicho eso, WhatsApp tiene sentido cuando el cliente ya tiene una base de contactos y quiere automatizar seguimiento post-venta o recordatorios. Son casos de uso distintos, no uno mejor que el otro. Lo que vemos en Eurema con empresas de servicios en LatAm es que Instagram suele ser el canal donde el volumen de consultas crece más rápido sin que el equipo lo haya planificado — y por eso es donde el agente genera ROI más rápido.
Si tu equipo está respondiendo DMs manualmente más de 2 horas al día, vale la pena mapear qué porcentaje de esos mensajes son repetitivos. Con ese número, puedes estimar si un agente tiene sentido antes de construir nada. Los agentes personalizados de Eurema parten exactamente de ese diagnóstico.