Si siempre respondes las mismas preguntas por WhatsApp, este proyecto te puede dar una idea.
Creé un chatbot que conoce mis servicios, responde como yo y, cuando detecta que el usuario realmente está interesado, agenda una llamada automáticamente.
En este artículo te explico cómo funciona el proyecto que muestro en el video.
Video Completo
Video Corto
¿Qué problema quería resolver?
Todos los días llegan preguntas muy parecidas.
- ¿Cuánto cuesta?
- ¿Qué servicio ofreces?
- ¿Me puedes ayudar con Binance?
- ¿Programas aplicaciones?
- ¿Cómo agendo una llamada?
Responder una por una consume bastante tiempo. La idea fue crear un chat que pudiera responder usando únicamente mi conocimiento.
¿Cómo funciona?
El flujo es bastante simple.
- El visitante escribe.
- Mi aplicación recibe el mensaje.
- Lee toda mi documentación en archivos Markdown.
- Envía el contexto a Gemini.
- Gemini genera la respuesta.
- Si el usuario quiere hablar conmigo, agenda automáticamente una llamada mediante Telegram.
No responde inventando información. Responde usando el conocimiento que yo mismo escribí.
Arquitectura simple
Arquitectura completa
Tecnologías utilizadas
- PHP
- HTML
- Docker
- SQLite
- Gemini API
- Telegram Bot
- Archivos Markdown
Todo el proyecto corre dentro de Docker.
¿Por qué Gemini?
Una de las razones principales fue su enorme ventana de contexto.
Eso permite enviar una gran cantidad de documentación en una sola petición.
En mi caso envío prácticamente todo el conocimiento de mis servicios para que el chatbot responda de forma consistente.
¿Qué es un token?
Cuando trabajas con modelos de IA aparece constantemente la palabra token.
La forma más fácil de entenderlo es pensar que un token representa una pequeña parte del texto.
No siempre equivale exactamente a una palabra.
Por ejemplo:
Hola mundopueden ser aproximadamente dos tokens.
Mientras más texto envíes, más tokens consume la petición.
En mi proyecto toda la documentación ocupa alrededor de 19 000 tokens, lo que sigue siendo perfectamente manejable para Gemini.
El conocimiento está en archivos Markdown
No utilizo una base de datos llena de preguntas y respuestas.
Toda la información vive en archivos Markdown.
Por ejemplo:
- servicios
- precios
- acompañamiento
- preguntas frecuentes
- enlaces
- información personal
Cuando actualizo un archivo, el chatbot automáticamente responde con la información nueva.
No necesito volver a entrenar ningún modelo.
Agendar llamadas automáticamente
Cuando el usuario decide hablar conmigo, el flujo cambia.
El chatbot solicita:
- nombre
- teléfono
- descripción del problema
- horario
Después envía toda esa información a Telegram.
Así recibo una notificación inmediata con los datos del posible cliente y puedo abrir su WhatsApp con un solo clic.
El chatbot filtra las preguntas repetitivas y solo me llegan personas realmente interesadas.
¿Qué ventajas tiene este enfoque?
- Atiende las 24 horas.
- Siempre responde con la información más reciente.
- Reduce preguntas repetitivas.
- Filtra posibles clientes.
- Agenda llamadas automáticamente.
- Es fácil actualizar el conocimiento.
Conclusión
No quería reemplazar la conversación humana.
Quería automatizar la parte repetitiva.
Ahora el chatbot responde las preguntas frecuentes, explica mis servicios y solo intervengo cuando realmente hace falta una conversación personalizada.
Si desarrollas software o vendes servicios, probablemente puedas adaptar esta misma idea a tu negocio.
Autor: Anibal Copitan ( Contactar con Anibal Copitan )
No hay comentarios:
Publicar un comentario