Una plataforma open source de agentes de IA puede ayudar a una agencia a crear asistentes para distintos clientes sin depender por completo de un proveedor cerrado. Pero disponer del código no basta para ofrecer una solución útil: hay que definir qué hará el agente, proteger los datos, mantener actualizada la información y saber cuándo debe intervenir una persona.
Si estás empezando, conviene avanzar por etapas. Estos consejos te ayudarán a evaluar una plataforma, preparar un primer proyecto y evitar decisiones que luego sean difíciles de cambiar. El objetivo no es construir el sistema más complejo, sino uno seguro, comprobable y fácil de operar.
1. Entiende qué aporta una plataforma open source
El código abierto permite inspeccionar, adaptar y, según la licencia, modificar y distribuir el software. Esto aporta flexibilidad y puede reducir la dependencia de un único proveedor. También permite elegir dónde alojar el sistema y conectar modelos compatibles con la API de OpenAI u otros servicios.
Sin embargo, open source no significa necesariamente gratuito ni libre de mantenimiento. Puede haber costes de infraestructura, modelos, almacenamiento, desarrollo y soporte. Además, tu equipo será responsable de aplicar actualizaciones y configurar correctamente la seguridad si el sistema se autohospeda. Antes de elegir, revisa la licencia, la actividad del proyecto, la documentación y las opciones de despliegue.
2. Empieza por un problema concreto
Evita comenzar con una promesa general como automatizar toda la atención al cliente. Identifica una tarea acotada y repetitiva, por ejemplo, responder preguntas frecuentes, explicar los servicios de una empresa o recopilar datos iniciales de un posible cliente. Un alcance claro facilita crear una base de conocimiento relevante y medir si el agente funciona.
Define también qué queda fuera de su responsabilidad. Un agente informativo podría contestar preguntas sobre horarios, pero no confirmar una devolución ni ofrecer asesoramiento legal. Especificar esos límites desde el principio reduce respuestas inventadas y permite diseñar una ruta de escalado adecuada.
3. Evalúa la plataforma con criterios prácticos
No compares herramientas únicamente por la cantidad de funciones o por una demostración atractiva. Para una agencia, importa que el sistema permita gestionar varios clientes sin mezclar sus datos, personalizar la experiencia con marca propia y mantener conversaciones separadas. Revisa también quién puede acceder a cada espacio y qué registros quedan disponibles para investigar incidencias.
Comprueba cómo se conectan los modelos, los canales y las fuentes de información. Busca documentación de instalación, copias de seguridad, actualización y recuperación ante fallos. Si quieres alojar la solución por tu cuenta, verifica los requisitos de servidor y las dependencias. Si prefieres centrarte en la entrega al cliente, considera una opción de nube administrada y compara qué responsabilidades conserva tu equipo.
- Flexibilidad: ¿puedes cambiar de modelo o proveedor?
- Operación: ¿es sencillo revisar conversaciones y resolver errores?
- Control: ¿hay permisos por usuario, agente y cliente?
- Coste total: ¿qué se paga por uso, alojamiento y soporte?
4. Separa los espacios y los permisos de cada cliente
En operaciones multi-cliente, el aislamiento debe ser un requisito esencial, no una mejora opcional. Cada empresa debería tener sus propios agentes, documentos, instrucciones y conversaciones. Una respuesta basada en los datos de otra cuenta puede causar un problema de privacidad y perjudicar la confianza en tu agencia.
Comprueba cómo se implementa esa separación: no te conformes con que cada cliente tenga una etiqueta o una carpeta distinta en la interfaz. Revisa las reglas de acceso y cómo se aplican en la base de datos, las búsquedas de documentos y las exportaciones. Asigna permisos según la función de cada integrante: una persona puede gestionar un agente sin tener acceso a todos los clientes.
Usa cuentas individuales, activa la autenticación disponible y retira el acceso cuando alguien deje el equipo. Evita compartir contraseñas y documenta quién puede publicar cambios. Así reduces errores accidentales y haces más fácil responder a auditorías o solicitudes de los clientes.
5. Prepara una base de conocimiento limpia
Un agente solo puede responder con consistencia si recibe información clara y vigente. Empieza con documentos aprobados: preguntas frecuentes, políticas, catálogos o guías de servicio. Antes de cargarlos, elimina versiones duplicadas, datos personales que no sean necesarios y archivos obsoletos. Indica quién es responsable de revisar cada fuente y con qué frecuencia debe actualizarse.
Después, prueba consultas reales, incluidas preguntas ambiguas y respuestas que no aparecen en los documentos. El agente debe reconocer cuándo no tiene suficiente información, en lugar de completar los vacíos con una suposición. Si la plataforma permite mostrar las fuentes utilizadas, actívalas para que el equipo pueda comprobar de dónde procede una respuesta.
Para cada cliente, define qué información puede usar el agente y qué temas requieren una persona. No cargues todo el archivo de la empresa por comodidad: una selección pequeña y pertinente suele ser más fácil de validar y mantener.
6. Elige el modelo según la tarea y el presupuesto
Los modelos no ofrecen siempre el mismo equilibrio entre calidad, rapidez y coste. Una respuesta breve sobre horarios puede no necesitar el modelo más potente, mientras que una solicitud compleja quizá requiera mejores capacidades de razonamiento. Compara modelos con ejemplos del trabajo real del cliente, no solo con preguntas genéricas.
Registra el consumo y establece límites de gasto o alertas cuando estén disponibles. Comprueba también qué datos se envían al proveedor del modelo, cuánto tiempo se conservan y qué condiciones se aplican a su uso. Una plataforma que admite modelos compatibles con OpenAI puede facilitar cambios futuros, pero la compatibilidad de la API no garantiza que todos se comporten igual. Valida cada combinación antes de ponerla en producción.
7. Diseña la experiencia para el canal correcto
Si el agente atenderá por WhatsApp, diseña respuestas breves y fáciles de leer en un móvil. Divide las explicaciones largas, formula una pregunta cada vez y evita presentar demasiadas opciones en un solo mensaje. Ten en cuenta que una conversación puede empezar con una consulta sencilla y evolucionar hacia una solicitud que necesita contexto o atención especializada.
Prueba el recorrido completo: desde el primer mensaje hasta la resolución o el traspaso. Confirma qué ocurre si una persona escribe algo fuera del flujo esperado, envía varios mensajes seguidos o deja de responder. También revisa las reglas y requisitos vigentes del canal y de cualquier proveedor que uses para conectarlo.
8. Define una transferencia clara a una persona
La intervención humana no es una excepción incómoda: es parte de un buen servicio. Establece señales para escalar, como una queja, una petición explícita de hablar con alguien, una pregunta sensible o varios intentos fallidos. Explica al usuario qué sucederá después y evita que tenga que repetir toda la información.
El equipo necesita contexto suficiente para continuar: historial relevante, motivo del traspaso y datos ya recopilados. Define quién recibe la conversación, en qué horario y qué pasa si no hay nadie disponible. Mientras una persona atiende el caso, configura el comportamiento del agente para que no interrumpa con respuestas automáticas. Al cerrar la atención, deja claro si la automatización se reanuda.
9. Prueba con casos normales y situaciones límite
Antes del lanzamiento, crea un conjunto de pruebas que represente preguntas habituales, errores tipográficos, solicitudes ambiguas y temas que el agente debe rechazar o escalar. Incluye preguntas sobre información que no figura en la base de conocimiento. Revisa tanto la exactitud como el tono, la privacidad y la capacidad para reconocer sus límites.
Haz las pruebas con datos ficticios o aprobados y no compartas información confidencial en entornos de ensayo sin autorización. Anota el resultado esperado, la respuesta obtenida y cualquier ajuste necesario. Repite las pruebas después de cambiar las instrucciones, los documentos o el modelo. Una modificación aparentemente pequeña puede alterar otras respuestas.
10. Lanza de forma gradual y mide resultados
Empieza con un piloto limitado: un cliente, un caso de uso y un grupo controlado de usuarios. Avisa de que se trata de un agente automatizado y explica cómo pedir ayuda humana. Durante las primeras semanas, revisa conversaciones, errores frecuentes, respuestas sin respaldo y solicitudes de escalado. Comparte con el cliente un resumen comprensible y acuerda quién aprobará los cambios.
Elige indicadores que reflejen valor, no solo volumen de mensajes. Puedes medir cuánto tarda una respuesta, qué proporción de consultas se resuelve, cuántas conversaciones pasan a una persona y qué temas generan insatisfacción. Interpreta las métricas con contexto: un aumento de transferencias puede indicar una política más segura, no necesariamente un mal funcionamiento.
11. Documenta la operación antes de escalar
Cuando el piloto sea estable, registra los pasos para crear un agente, añadir documentos, revisar permisos, actualizar instrucciones y restaurar una copia de seguridad. Usa una lista de comprobación común para cada nuevo cliente, pero conserva la personalización necesaria. La estandarización evita omisiones; no debe convertir todos los agentes en copias idénticas.
Calcula el coste completo del servicio, incluidas las horas de configuración, el mantenimiento, el uso de modelos y el soporte. Esto te permitirá fijar precios sostenibles y generar ingresos recurrentes sin prometer automatización ilimitada. Aclara en el contrato qué incluye el servicio, cómo se gestionan las actualizaciones y quién debe aprobar cambios que afecten a la información del cliente.
Lista de comprobación para tu primer proyecto
- El caso de uso y los límites del agente están documentados.
- Los datos, documentos y permisos están separados por cliente.
- La base de conocimiento tiene fuentes aprobadas y responsables de actualización.
- Hay pruebas de respuestas, límites, costes y transferencia humana.
- El cliente conoce el alcance, las métricas y el proceso de soporte.
Conclusión
Los mejores consejos de plataforma open source de agentes de IA para principiantes se resumen en avanzar con propósito: elegir un problema pequeño, proteger cada cuenta, validar las respuestas y mantener a las personas dentro del flujo de atención. Una vez que el proceso funciona para un cliente, documenta lo aprendido antes de ampliarlo a otros. Si comparas opciones, proyectos como OpenLivery pueden servir como referencia para explorar cómo se organizan agentes, conocimiento y conversaciones en operaciones de agencia.
