Chatbot Instagram con sistema de IA con recuperación de información y voz a texto
Chatbot con un sistema de IA con recuperación de información sobre 22 PDFs especializados que atiende DMs en Instagram 24/7, incluyendo notas de voz, con una transcripción 89% más barata que la opción más conocida.
24/7
Sin intervención humana
22
PDFs en la base de conocimiento
−89%
Costo de transcripción vs la opción más conocida
El problema
Una empresa de suplementos deportivos con 22 productos especializados atendía sus DMs de Instagram de forma completamente manual. El catálogo requería conocimiento técnico detallado: ingredientes, dosis, contraindicaciones, combinaciones recomendadas.
El equipo pasaba entre 3 y 4 horas diarias respondiendo preguntas que muchas veces eran las mismas. La respuesta tardaba horas. Y los mensajes llegaban a cualquier hora — en texto y, con mucha frecuencia, en nota de voz.
El cuello de botella real: no era el volumen de mensajes. Era la consistencia. Cada persona que respondía daba información ligeramente diferente. Algunos mensajes simplemente no se respondían.
La solución
Construimos un chatbot con un sistema de IA con recuperación de información que vive dentro de un workflow automatizado y usa una base de datos vectorial. El flujo funciona así:
- Llega un DM de Instagram (texto o nota de voz)
- Si es nota de voz, un modelo de voz a texto la transcribe en segundos
- El mensaje (o transcripción) entra al sistema de recuperación de información: se embeda, busca en los 22 PDFs del catálogo
- Claude genera una respuesta contextual, citando exactamente el producto y página relevante
- La respuesta va de vuelta al cliente por el inbox de Instagram
- Si la confianza del modelo es baja, el mensaje se escala a un humano con el contexto ya preparado
El chatbot no improvisa: solo responde con lo que está documentado. Si no sabe, dice que no sabe y escala.
Por qué elegimos otro proveedor de transcripción
El proveedor más conocido cobra por minuto de audio: para este volumen, entre $0.006 y $0.012 USD por minuto. El que elegimos corre el mismo modelo base a $0.04 USD por hora de audio — eso es literalmente 89% más barato.
La calidad es idéntica porque es el mismo modelo. La diferencia es la infraestructura de inferencia, que además es significativamente más rápida.
Resultados desde lanzamiento
El sistema lleva en producción desde noviembre de 2025. El equipo pasó de 3-4 horas diarias en atención de DMs a menos de 30 minutos de revisión (solo los casos escalados). La consistencia en las respuestas mejoró visiblemente — ya no depende de quién esté en turno.
El cliente ahora puede escalar el catálogo (agregar más PDFs) sin tocar el código. El sistema se actualiza solo con subir el nuevo documento a la base de conocimiento y re-correr el pipeline de embeddings.
¿Quieres algo así para tu negocio?