IA para atención al cliente en Perú con WhatsApp

En tu empresa, los retrasos en responder consultas por WhatsApp generan clientes insatisfechos y sobrecarga al equipo de soporte. En este artículo verás, paso a paso, cómo una pyme del sector de distribución en Lima implementó IA para atención al cliente en Perú y qué cambios observó en su día a día.

El punto de partida

Empresa: Distribuciones Andina S.A., 120 empleados, 3 años en el mercado de distribución de alimentos a supermercados y comercios pequeños.

Problema concreto: El equipo de atención recibía ≈ 250 mensajes diarios en WhatsApp Business. El 38 % de los mensajes quedaba sin respuesta en la primera hora, lo que provocaba reclamos y pérdida de pedidos. Además, la normativa de SUNAT exigía que cada interacción comercial quedara registrada para la facturación electrónica, lo que aumentaba la carga administrativa.

Objetivo: Reducir el tiempo de primera respuesta a menos de 5 min y liberar al personal para gestiones de valor añadido, sin perder trazabilidad para la SUNAT.

Qué se hizo y por qué

1. Análisis de flujos – Se mapearon 12 tipos de consultas (estado de pedido, horarios, precios, devoluciones, etc.). Los 5 más frecuentes representaban el 71 % del tráfico.

2. Selección de herramienta – Se descartó un chatbot genérico por falta de integración con el ERP de la empresa. Se optó por una solución de IA desarrollada por Kovensa, capaz de conectar directamente con el ERP y generar los comprobantes electrónicos requeridos por SUNAT.

3. Diseño de diálogos – Se construyeron árboles de conversación basados en los flujos identificados, con validaciones de datos (número de RUC, número de pedido) para evitar errores manuales.

4. Integración – En 4 semanas se conectó el bot a la API de WhatsApp Business y al módulo de gestión de pedidos del ERP. La integración incluyó la generación automática de documentos electrónicos que se enviaban al cliente y se archivaban para la SUNAT.

5. Capacitación – Durante 2 semanas, el equipo de soporte recibió entrenamiento práctico para supervisar el bot, corregir respuestas y manejar casos excepcionales.

Qué cambió en el día a día

Antes

• Tiempo de respuesta: 42 min promedio (máximo 3 h).
• Mensajes sin atender: 38 %.
• Horas dedicadas a consultas repetitivas: 22 h/semana.
• Errores de registro: 7 % de los pedidos no tenían comprobante electrónico asociado.

Después

• Tiempo de respuesta: 4 min promedio (picos de 30 seg).
• Mensajes sin atender: 2 % (principalmente casos fuera del horario de atención).
• Horas dedicadas a consultas repetitivas: 5 h/semana, que ahora se usan para seguimiento de clientes y mejoras de producto.
• Errores de registro: 0,5 % (casi todos los pedidos quedan vinculados automáticamente al comprobante electrónico).

Los agentes de soporte ahora reciben una notificación solo cuando el bot no puede resolver la consulta, lo que reduce la carga cognitiva y permite enfocarse en negociaciones y gestión de incidencias críticas.

• Demora en contestar mensajes. Los clientes abandonan la conversación y buscan la competencia.
• Duplicación de datos. El equipo ingresa la misma información en varios sistemas, generando errores.
• Falta de trazabilidad. No se cumplen los requisitos de SUNAT para la facturación electrónica.

Impacto financiero y operativo

• Reducción de tiempo de atención: 17 h/semana recuperadas, equivalentes a ≈ 0,85 FTE.
• Incremento de pedidos confirmados: +8 % en el mes posterior a la puesta en marcha, atribuible a la rapidez de respuesta.
• Cumplimiento SUNAT: 100 % de los mensajes vinculados a comprobantes electrónicos, evitando sanciones.

Qué es replicable y qué no

Replicable

• Mapeo de flujos y priorización de consultas – Cualquier empresa con un volumen alto de mensajes puede aplicar la misma metodología.
• Integración con ERP vía API – La mayoría de los sistemas contables y de gestión en Perú ofrecen APIs; la lógica de conexión es transferible.
• Capacitación en supervisión de bots – El modelo de entrenamiento de 2 semanas funciona para equipos de 5‑10 personas.

No replicable

• Personalización de diálogos específicos al sector de alimentos – Los árboles de conversación incluyen terminología y regulaciones propias del sector de distribución de alimentos que no aplican a, por ejemplo, una empresa de servicios de TI.
• Acuerdos de nivel de servicio con proveedores de telecomunicaciones – Distribuciones Andina negoció un plan de mensajería con su operadora que incluía tarifas especiales por volumen; otras empresas pueden necesitar renegociar bajo condiciones distintas.

La automatización de la atención por WhatsApp reduce el tiempo de respuesta a minutos y libera al equipo para tareas estratégicas.

Conclusión

Implementar ia para atención al cliente en Perú mediante un bot de WhatsApp conectado al ERP transforma la operatividad: los tiempos de respuesta bajan de decenas de minutos a pocos segundos, se elimina la mayor parte de la carga administrativa y se garantiza el cumplimiento de la normativa fiscal. El caso de Distribuciones Andina muestra que, con un análisis claro de flujos, una integración bien planificada y una breve fase de capacitación, cualquier pyme del sector logístico puede replicar los beneficios, ajustando los diálogos a sus particularidades. La clave está en automatizar la atención al cliente donde realmente aporta valor y dejar los casos complejos en manos de personas capacitadas.