Contexto del Cliente

Credex es una empresa financiera especializada en préstamos sobre el título del auto, con presencia en varios países de Latinoamérica.
Su modelo de atención requería manejar una gran cantidad de consultas diarias provenientes del sitio web, la mayoría relacionadas con requisitos, tasas, tiempos de aprobación y documentación necesaria.

El proceso era 100% manual, lo que provocaba demoras en la respuesta, pérdida de oportunidades y saturación del equipo comercial.

Objetivo del Proyecto

• Desarrollar un Agente de IA integrado al sitio web de Credex, capaz de:
• Atender consultas de forma natural y en tiempo real.
• Acceder a una base de conocimiento dinámica, actualizable por el equipo de marketing o soporte sin necesidad de programar.
• Escalar las conversaciones sensibles a un operador humano mediante un sistema de “human in the loop”.
• Integrarse con las herramientas internas de Credex para ofrecer una atención automatizada, consistente y trazable.

Tecnologías Implementadas

El agente se montó sobre un entorno controlado con n8n como orquestador principal, y se integraron las siguientes herramientas:

• n8n → Automatización y control de flujos de conversación.
• Supabase → Base de datos relacional y vectorial para la arquitectura RAG (Retrieval-Augmented Generation), donde se almacena y procesa la información del negocio.
• Redis → Buffer de mensajes para simular tiempos de respuesta humana y agrupar interacciones en lotes.
• Chatwoot → Plataforma para la gestión de conversaciones, con historial, métricas y posibilidad de intervención manual.
• Ecosistema Microsoft → Manipulación y almacenamiento de prompts y bases de conocimiento dinámicas en documentos de Microsoft 365 (Word y Excel online), permitiendo que el equipo los edite directamente.

Automatizaciones Clave

Knowledge Base Dinámica

El sistema revisa periódicamente el documento en la nube donde el equipo Credex mantiene la información del negocio: tasas, requisitos, documentación y políticas.
Si detecta cambios, extrae el contenido, lo vectoriza y lo actualiza en Supabase, manteniendo al agente entrenado con los últimos datos.

Prompt Variable del Agente

El comportamiento del asistente está definido en un archivo editable en Microsoft Word online.
Cada vez que el equipo modifica ese documento (por ejemplo, cambiando el tono de voz o las reglas de atención), el flujo en n8n lo detecta y actualiza el prompt del modelo de IA.

Buffer Inteligente con Redis

El agente usa Redis como intermediario entre la recepción de mensajes y la respuesta, lo que permite:

• Simular escritura humana.
• Procesar grandes volúmenes de mensajes sin bloqueo.
• Evitar respuestas duplicadas o fuera de orden.

Gestión en Chatwoot y Human in the Loop

Cada conversación es registrada en Chatwoot, donde el equipo puede:

• Ver el historial completo de interacciones.
• Tomar el control de un chat cuando el bot detecta señales de sensibilidad (por ejemplo, reclamos o consultas sobre montos).
• Analizar métricas y tiempos de respuesta por canal.

Resultados Obtenidos

• Automatización del 80 % de las consultas repetitivas (tasas, requisitos, contacto, horarios).
• Reducción del tiempo de respuesta promedio de 5 minutos a menos de 20 segundos.
• Mayor satisfacción del cliente, gracias a respuestas precisas, inmediatas y en lenguaje natural.
• Capacitación y control total del equipo, que puede ajustar el comportamiento del agente sin depender de soporte técnico.
• Consolidación de métricas centralizadas en Chatwoot: cantidad de chats atendidos, transferencias a humanos y palabras clave más frecuentes.

Conclusión

El proyecto con Credex marcó un hito en la automatización de la atención financiera.
El Agente de IA logró transformar un proceso antes manual y saturado en un sistema ágil, escalable y totalmente gestionable desde la nube.

Hoy, Credex cuenta con una atención disponible las 24 horas, un agente siempre actualizado y una arquitectura lista para escalar a nuevos canales de comunicación, consolidando una experiencia más rápida y eficiente para sus clientes.