Shopping cart
Your cart empty!
// Capacidades
AI aplicada con stack maduro: lo mismo que corre nuestro producto WhatsApp corre cada solución a medida. Defaults de producción, decisiones auditables, sin frameworks propios.
Lo que entregamos
Cada capacidad es lo que el motor efectivamente hace hoy — construido una vez, aplicado por engagement.
LLM + tool use + memoria
Runtime free-LLM por defecto con rails determinísticos en los intents de acción crítica. El agente decide cuándo conversar y cuándo llamar una herramienta; la memoria mantiene el contexto entre turnos sin inflar el prompt.
Ejemplo — un bot de clínica que agenda un turno en el Google Calendar real del consultorio y manda la confirmación por WhatsApp.
PDFs, sheets, URLs, Q&A
Documentos y contenido estructurado se chunkean, se embeden y se guardan en un vector store. El retrieval usa cross-encoder reranker; las citas son visibles al operador. Las bases se escopean por workspace — sin cross-tenant leakage.
Ejemplo — subir un catálogo de servicios de 40 páginas y una Q&A da respuestas grounded desde el día uno, sin fine-tuning de modelo.
Calendarios, ERPs, CRMs, catálogos
Adapters de tools pluggables con patrones de auth explícitos. Cada adapter trae políticas de retry, idempotency keys cuando el upstream lo soporta y manejo estructurado de errores hacia el agente.
Ejemplo — lectura/escritura de Google Calendar (OAuth), upsert de contactos en HubSpot (Bearer), consulta de inventario contra una réplica SQL (API key).
Asistentes de equipo, procesamiento de documentos, búsqueda con AI
El mismo motor sostiene superficies internas: asistentes que leen el corpus privado de un equipo, clasificadores que rutean archivos entrantes, búsqueda con AI sobre años de historia operativa.
Ejemplo — un asistente de back-office que tría tickets de soporte contra la KB de políticas y los rutea a la cola correcta con un draft de respuesta.
Stack




Arquitectura
Mismo pipeline para bots PyME por WhatsApp que para engagements mid-market a medida. El bloque de la izquierda cambia por canal; el resto es compartido.
WhatsApp Cloud API hoy. Web chat, voz, email pluggables como adapters.
Rutea los intents de acción crítica hacia rails determinísticos; el resto fluye al carril free-LLM.
Rails para agendar / pedir / pagar / escalar. Free-LLM con retrieval para todo lo demás.
Calendar, ERP, CRM, catálogo, email — adapters explícitos con schemas tipados.
La acción que define el éxito — agendado, capturado, ruteado, cobrado.
Cada nodo es observable: cada turno carga el intent, los chunks recuperados, las llamadas a tools y la acción final — visible para operadores hoy y para clientes en v1.1.
Coming in v1.1
Nombramos lo que aún está en el lab para que el contrato quede honesto. Los dos ítems abajo están en construcción pero todavía no se exponen al cliente.
v1.1
Hoy corremos evals internamente por engagement: suites de regresión contra la métrica de acción real, holdouts por release. El dashboard de evals para cliente (acceso de solo lectura a suites, histórico, regresiones) entrega en v1.1.
v1.1
La observabilidad operacional (cada turno, cada llamada a tool, cada retrieval) está viva hoy. El corte cliente — misma data, scopeada a su workspace, con export audit-grade — entrega en v1.1.
Treinta minutos por llamada, sin slides. Trae la acción que tiene que dispararse, el sistema donde vive y el volumen — esbozamos el engagement en la llamada.