ManyChat o un chatbot con IA a medida: la prueba de 5 mensajes que lo decide

La demo salió perfecta: el bot contestó el horario, recitó el precio de la tarjeta más vendida y mandó la ubicación. Tres semanas después un cliente escribe «hola, me confirmás si el trabajo 4821 ya está para retirar?» y el bot devuelve el menú principal. No es un problema de configuración: ese dato no vive en la plataforma, vive en tu sistema de gestión, y ninguna cantidad de botones lo va a traer.

De un lado están las plataformas de flujo —ManyChat, Landbot, WATI y las que se les parecen—: suscripción mensual, alta en una tarde, árbol de botones. Del otro, un bot conectado a tu sistema de gestión, tu stock o tu CRM, con desarrollo y setup por delante. Comparar funcionalidades no decide nada, porque las dos categorías dicen lo mismo en la web: atención 24/7, respuestas automáticas, integración con WhatsApp.

Lo que sí decide son cinco mensajes que podés mandarle esta tarde a cualquier bot —el de tu competencia, el de la demo, el que ya tenés—, sin saber nada técnico: uno con dos preguntas juntas, uno escrito como escribe tu cliente y no como lo pensó el guion, uno que pida un dato que solo existe adentro de tu sistema, uno donde cambies de opinión a mitad de un pedido, y un reclamo pidiendo hablar con una persona. El primero, el segundo y el cuarto se arreglan con configuración y presupuesto bajo. El tercero y el quinto no se arreglan configurando: necesitan que el bot esté conectado a tus sistemas y a una bandeja con gente adentro. Ese es el corte real entre las dos categorías, y no el precio. Este post no cotiza nada: te dice de qué lado del corte está tu negocio hoy.

Los cinco mensajes, en este orden, con el texto para copiar

Van escritos como los mandaría el cliente de una imprenta con mostrador, que es el negocio con el que se ve más limpio el corte: tiene precios que se recitan, trabajos que solo existen adentro del sistema y clientes con cuenta. Adaptá el rubro; no cambies la estructura, que es lo que mide.

1. El compuesto: dos preguntas en un solo mensaje.

Hola, hacen tarjetas en papel ilustración 300 y para cuándo las tendrían?

Nadie escribe una cosa por vez. Un flujo con disparadores por palabra clave toma una de las dos, casi siempre la última, y la otra se pierde. La falla típica es que te devuelva un menú numerado ignorando que ya preguntaste algo concreto. Si contesta las dos cosas, aprobó.

2. El que está escrito como escribe tu cliente.

hola necesito 200 papeles para repartir en la calle, algo simple, cuanto me sale

Sin tildes, sin signos y sin nombrar el producto como lo nombrás vos: el cliente no escribió "volante" ni "flyer" ni "presupuesto". Este mensaje mide si el bot depende de que el cliente use tu vocabulario. La falla típica es el fallback: no entendí, elegí una opción del menú. Anotá también los regionalismos de tu zona, porque un guion escrito en otro país no los tiene cargados.

3. El dato que solo existe adentro de tu sistema.

Hola, me fijás si me quedó saldo de la factura de junio?

Variante para cualquier rubro con trabajos o pedidos en curso: ¿el trabajo 4120 ya está listo para retirar? Los dos preguntan algo que no está en ninguna web ni en ningún guion: vive en tu gestión, cambia solo y es distinto para cada cliente. Esta es la pregunta que separa un bot que recita de uno que consulta. Hay tres respuestas posibles y las tres significan cosas distintas. Que diga un dato verificable y correcto: está conectado. Que diga que no puede consultarlo y ofrezca derivar: es honesto y no está conectado. Que conteste algo que suena bien —no figura nada pendiente, sí, ya lo podés pasar a buscar— sin haber mirado nada: es la peor de las tres, porque el cliente se va con una respuesta por escrito que después vas a tener que desmentir. Para detectarla tenés que abrir el sistema y verificar el dato vos mismo.

4. El cambio de opinión a mitad de camino.

Arrancá un pedido, y cuando el bot te pida el segundo o tercer dato —cantidad, medida, fecha—, cortá el carril:

pará, antes de seguir: ¿entregan en [zona] o hay que retirar?

Y después: bueno, mejor 500 en vez de 1000. Este mide si el flujo aguanta que el cliente se salga y vuelva. Las dos fallas típicas son que repita la pregunta anterior como si no hubieras dicho nada, o que pierda todo lo cargado y arranque de cero. Es el mensaje que más bronca genera en un cliente real, porque ya invirtió cuatro respuestas.

5. El reclamo que pide una persona.

Esto ya lo reclamé la semana pasada y nadie me respondió. Necesito hablar con alguien.

Acá empezás a cronometrar. No estás midiendo lo que contesta el bot, estás midiendo dos cosas: cuánto tarda en aparecer un humano, y si cuando aparece sabe de qué estabas hablando. La falla clásica no es que no derive: es que diga un asesor se comunicará a la brevedad y no aparezca nadie, o que aparezca alguien preguntando hola, ¿en qué te puedo ayudar?, obligándote a repetir todo.

Cómo mandarlos para que la prueba no mienta

Cuatro condiciones, y las cuatro cambian el resultado.

• Desde un número que el proveedor no tenga cargado. Si probás desde tu propio celular ya sos un contacto con etiquetas y el flujo se comporta distinto.
• Uno por uno, esperando la respuesta de cada uno. Si los mandás pegados, WhatsApp los agrupa y muchas plataformas procesan solo el último. El resultado no te dice nada.
• Un sábado a las nueve de la noche, no un martes a las once. Buena parte de lo que estás midiendo es qué pasa cuando no hay nadie del otro lado.
• Anotá la respuesta textual, no tu impresión. Me pareció que entendió no es un dato. Copiá y pegá las cinco respuestas en una nota.

El puntaje no es sobre cinco: es sobre tu mes pasado

Un bot que falla tres de cinco no es malo. Es malo para vos si esos tres son el grueso de lo que te preguntan. Así que antes de puntuar, abrí tu WhatsApp, mirá las últimas cuarenta conversaciones entrantes y clasificá cada una en el escenario al que se parece. Diez minutos.

La imprenta de los ejemplos contó así su última semana:

Con esa tabla al lado, el puntaje deja de ser una impresión. Después, un criterio grueso. No es una medición: es un umbral para decidir con lo que ya tenés a mano.

• Si lo que el bot falló representa menos del 20% de tus consultas, la plataforma de flujo te alcanza. Pagá la suscripción y no gastes en un desarrollo a medida.
• Entre 20% y 50%, te sirve como primera capa siempre que tengas a alguien que pueda tomar la conversación en minutos, no en horas.
• Arriba del 50%, el bot barato te va a generar más trabajo del que saca. Cada falla vuelve a una persona, pero ahora con el cliente ya irritado por haber hablado con una máquina que no lo entendió.

El bot que probó la imprenta falló el 3 y el 5: 14 más 5, 19 de 40, 47,5%. Tramo del medio, plataforma barata viable como primera capa. Pero acá aparece lo que el porcentaje solo no dice, y es la parte que casi nadie mira. Si esas 19 conversaciones hubieran caído del otro lado —los 11 del mensaje 1 y 2 más los 8 del mensaje 4 suman exactamente lo mismo—, el número sería idéntico y la decisión sería la contraria: una tarde reescribiendo el flujo, agregando sinónimos y arreglando el paso donde se pierde el dato, y la suscripción barata te queda bien por dos años.

Como cayeron en el 3 y el 5, ninguna cantidad de configuración las mueve: el 3 pide leer un sistema y el 5 pide una bandeja compartida con ruteo. El porcentaje te dice cuánto duele. Cuáles falló te dice si se arregla con una tarde de trabajo o cambiando de categoría, y son dos cuentas distintas que pueden dar lo mismo y significar lo opuesto.

Esa segunda cuenta es la frontera. Cuánto cuesta cruzarla está desglosado en por qué un chatbot con IA cuesta USD 500 en un lado y USD 5.000 en otro; acá la pregunta termina un paso antes, en de qué lado estás parado hoy.

Lo que la plataforma barata hace mejor que un modelo de IA

El puntaje de los cinco mensajes empuja siempre hacia arriba —cuantas más fallas, más caro parece el bot que necesitás— y en una parte de los negocios ese empujón se equivoca. Un constructor de flujos nunca improvisa: no hay forma de que invente un precio, prometa un descuento que no autorizaste o conteste algo raro a las tres de la mañana. Para un negocio con cinco preguntas repetidas, sin stock que mirar y sin agenda que consultar, eso no es una limitación: es exactamente lo que querés. Pensá en un lavadero de autos que atiende por orden de llegada: no hay turno que reservar, no hay número de pedido que consultar, no hay cuenta corriente, y lo que entra por WhatsApp es siempre lo mismo —horario, dirección, cuánto sale el lavado completo, si limpian tapizados, si toman tarjeta—. Ahí no existe un mensaje 3 posible, porque no hay ningún sistema del otro lado que consultar. Un menú bien armado le contesta casi todo, y un modelo de lenguaje solo agrega la posibilidad de que un día conteste algo que nadie escribió.

Las plataformas de flujo, además, sumaron bloques de inteligencia artificial arriba del árbol de decisión. Eso levanta bastante los mensajes 1, 2 y 4, que eran su punto flojo histórico. No mueve el 3 ni el 5.

Dónde la prueba de cinco mensajes deja de alcanzar

Mide la conversación, no la operación. Y hay cuatro cosas que un bot puede aprobar en cinco mensajes y romperse igual en producción —o salirte mucho más caro de lo que parecía—.

La primera: el volumen del contenido. Un bot pasa los cinco con un catálogo de demostración de diez productos y se desarma con tus cuatrocientos, donde hay tres que se llaman casi igual y dos que ya no vendés.

La segunda: el día que cambian los precios. La prueba te dice cómo contesta hoy, no quién actualiza el dato el mes que viene ni cuánto tarda. Un bot que respondía bien y hace tres semanas que informa la lista vieja es peor que no tener bot.

La tercera: el lunes a las diez, con cuarenta conversaciones abiertas en simultáneo. El mensaje 5 aprobado un sábado con una sola charla activa no prueba que exista ruteo; prueba que había alguien mirando el celular.

La cuarta no está en la conversación porque no es de la conversación: es de la factura. Los cinco mensajes miden una charla, y una charla cuesta prácticamente lo mismo en cualquier plataforma. Lo que cambia es el plan. Estas herramientas facturan por contactos, por conversaciones o por usuarios activos según cuál sea, así que el precio no escala con lo bien que contesta el bot: escala con a cuánta gente le contesta. El mismo bot que aprobó los cinco con trescientos contactos en la base salta uno o dos escalones de plan cuando esa base son tres mil, y encima le sumás lo que Meta te cobra aparte por los mensajes que iniciás vos (cómo se factura eso, acá). Antes de decidir por precio, buscá la grilla de la plataforma y ubicá tu número de contactos del año que viene, no el de hoy: la opción barata deja de ser barata exactamente donde empieza a funcionar, y ninguno de los cinco mensajes lo ve venir.

Esas cuatro no las resolvés vos con cinco mensajes. Las dos primeras se resuelven mirando de dónde sale cada dato y quién lo mantiene, la tercera mirando un lunes real, y la cuarta leyendo la grilla de precios con tu proyección de contactos al lado.

Hacé la prueba esta tarde y guardá las cinco respuestas textuales, sin resumirlas: el valor está en cómo contestó, no en si vos lo diste por bueno. Después leelas con el puntaje de tu mes pasado al lado.

Si fallaron el 1, el 2 y el 4 y eso es el grueso de lo que te preguntan, la respuesta honesta es que compres la plataforma de flujo: barata, esta semana, sin nosotros. Si fallaron el 3 o el 5 y ahí está tu volumen, el problema no se arregla eligiendo mejor plataforma sino conectando un sistema, y el orden importa. Antes de todo eso, la cuenta de si tu volumen justifica cualquier bot está en cuántas consultas justifican un chatbot.

Pegá las cinco respuestas en un mail a info@striqtech.com y te decimos cuál de los dos casos es el tuyo.