Proyecto 03 / 25
Comercio · agente de ventas con IA / Aplicación web
Ombú Sofás
Interfaz con datos de ejemplo
Un agente de ventas con IA para una mueblería, hecho en n8n con xAI Grok. Responde precios, stock, plazos de entrega y cuotas desde el catálogo, calcula cada importe en código y pasa los pedidos a medida a una persona a través del CRM. Demo de muestra con un catálogo de ejemplo.
El problema y la soluciónProbar demoDemo en vivo · Catálogo de ejemplo de una tienda ficticia.
- Mi participación
- Desarrollo de automatización e IA
- Tecnologías
- n8n
- xAI Grok
- Docker
- nginx
- Cloudflare
- Kommo API (mock)
- Enfoque
- Agente de ventas con IA y catálogo
- Importes calculados en código
- Derivación a una persona y al CRM
El problema y la solución
Un agente de ventas que cotiza con el catálogo, no de memoria.
El reto
Quien compra muebles pregunta lo mismo todo el día, muchas veces por WhatsApp: cuánto sale este modelo en esta tela, si hay stock, cuándo llega, cuánto queda en cuotas. Un chatbot genérico responde rápido pero puede inventar un precio, y un importe equivocado en una conversación de venta cuesta confianza. Las medidas especiales y los pedidos complicados siguen necesitando a una persona.
- Antes
- 12 configuraciones
Modelos de xAI y niveles de razonamiento comparados con las mismas 28 conversaciones de prueba en español, revisando cada importe contra el catálogo.
- Después
- 0 importes inventados
Con la configuración elegida en 190 conversaciones de prueba, con una mediana de 1,7 a 1,9 segundos por turno en la comparación.
Comparación y verificación propias, realizadas el 17 de octubre de 2026 con un catálogo de ejemplo. No es una auditoría independiente.
Empezar por las preguntas que los clientes hacen de verdad.
Las sugerencias muestran lo que resuelve el agente: un precio en una tela, una consulta por 12 cuotas que recuerda el sofá, un modelo sin stock, la opción más económica, una comparación de telas y una medida especial.
Los límites se aplican antes de llamar a la IA.
Primero se revisan el largo del mensaje y los límites por chat y globales. Las reglas envían las medidas especiales y los pedidos de vendedor a la derivación; el resto va al agente, que solo puede leer el catálogo.
Una tabla tiene la verdad.
La herramienta de catálogo lee la tabla en cada consulta y aplica las reglas de precios en código. Si cambias un precio o el stock, la siguiente respuesta cambia, sin volver a publicar nada.
Una persona continúa con contexto.
Las derivaciones arman el envío exacto de un lead para Kommo y lo guardan en una tabla simulada: nombre, etapa, etiquetas, medida pedida, tela y el mensaje original, para que un vendedor responda con una cotización firme.
La diferencia
En nuestra comparación de 12 configuraciones de modelos de xAI, la elegida no inventó ningún importe en 190 conversaciones de prueba. En una verificación en vivo con 8 consultas, las respuestas llegaron en 0,6 a 4,4 segundos. La demo es pública: prueba el chat y luego abre la página que muestra cómo funciona por dentro.
Demo de muestra creada y alojada por Fernando Marcano, desde República Dominicana, en su propio servidor detrás de Cloudflare. Ombú Sofás es una tienda ficticia: productos, precios y stock son datos de ejemplo. Los leads van a una tabla que simula el CRM, no a una cuenta real de Kommo.
¿Algo que vale la pena construir?
Cuéntame qué tienes en mente.