¿Puede la IA recomendar productos a mis clientesy prepararles el pedido?

Qué puede proponer un asistente que conoce a tu cliente

Lo que hace bien un comercial veterano no es saberse el catálogo: es no esperar a que el cliente busque. Con miles de referencias, pedir navegando un catálogo es lo que hace fracasar las aplicaciones de pedidos; un asistente que propone le ahorra al cliente esa búsqueda. Esto es lo que puede proponer, en el orden en que suele ocurrir:

• Repetir el último pedido, con el total calculado a precio de hoy y no al de aquel día, y con cada línea editable antes de confirmar.
• «¿Te has olvidado de esto?»: lo que ese cliente pedía con regularidad y lleva unos meses sin llevar. Es la recomendación con mejor relación entre acierto y esfuerzo, porque sale de su propio comportamiento.
• Lo que llevan clientes parecidos: productos que se compran juntos o que compran negocios del mismo tipo, calculados sobre el histórico real de pedidos.
• Un sustituto cuando no hay stock, en lugar de una línea que se cae del pedido sin que nadie lo vea.
• Lo nuevo de la familia que suele comprar, y solo de esa familia: a quien compra frutos secos no se le ofrecen congelados porque sí.
• La estacionalidad: lo que pedía en esta época el año pasado y todavía no ha pedido este.

Y todo eso se puede pedir hablando: el cliente dice «ponme dos cajas de la de siempre y quita los refrescos», por voz o por texto, y el pedido se va montando a la vista, con precio y total, hasta que lo confirma. Cómo entra ese pedido en el ERP, por WhatsApp, chat o voz, está en pedidos por WhatsApp y voz integrados con el ERP.

De dónde salen las recomendaciones, y de dónde no

La objeción correcta es «¿y si le recomienda cualquier cosa?». La respuesta no es que el modelo sea muy bueno: es que el modelo no genera la recomendación. La recibe de tres fuentes que se pueden auditar, y la explica.

1. 1La ficha de producto: nombre, familia, descripción, formato, alérgenos. Es lo que permite entender «la garrafa de cinco» o «la sal con flores» y encontrar la referencia correcta aunque el cliente no use el nombre del catálogo.
2. 2El histórico del propio cliente, estructurado: qué pide, cada cuánto, en qué cantidad y en qué época. No se «memoriza» en el modelo: se consulta.
3. 3Lo que compran clientes similares: relaciones entre productos y entre tipos de negocio calculadas de antemano, en un proceso periódico, sobre el histórico de pedidos. El modelo no las inventa en la conversación; las lee.

Las recomendaciones se alimentan del histórico de tu sistema de gestión, no de las conversaciones: es lo que hace que sean auditables y que el mismo motor sirva igual en la web, en la aplicación o en WhatsApp. Y tus tarifas y tus datos de clientes se procesan en la Unión Europea o en tu entorno y no se usan para entrenar modelos de terceros, por contrato; lo desarrollamos en IA privada y conforme a la ley.

¿Y «vender sola por ti»? No, y conviene desconfiar de quien lo prometa

Hay una versión de esta idea que se vende mucho: una inteligencia artificial que convence al cliente de comprar más. No la construimos, y no por prudencia comercial, sino porque no funciona. Un sistema optimizado para vender volumen produce recomendaciones forzadas, el cliente lo nota a la segunda conversación y deja de fiarse del asistente para todo lo demás, incluido lo que sí acertaba. El Reglamento europeo de IA, además, prohíbe expresamente las técnicas manipuladoras (artículo 5), y un asistente que empuja a comprar lo que no hace falta se acerca a esa línea sin necesidad.

El criterio de éxito que se mide es otro: relevancia y adopción. Cuántas propuestas acepta el cliente, cuántos pedidos entran sin que nadie los teclee y cuántos clientes vuelven a pedir por el asistente al mes siguiente. Si el cliente compra más, es porque el asistente le recordó lo que se le había olvidado y le quitó la fricción de pedirlo, no porque le haya convencido de nada. Y el asistente se identifica como tal: el artículo 50 del mismo Reglamento obliga a que la persona sepa que habla con un sistema de IA, y eso va en el primer mensaje de cada conversación.

Lo que sí cambia es el papel del comercial: deja de teclear pedidos y de recoger los que llegan solos, y dedica las visitas a lo que el asistente no puede hacer. Cómo tratar a los clientes que siguen llamando por teléfono, y por qué el teléfono no se sustituye, está en la página de pedidos.

Qué hace falta de tu lado

Lo que decide si esto funciona no es el modelo de IA. Es esto:

• Histórico de pedidos por cliente, con líneas. Doce meses ayudan; si tu negocio tiene estacionalidad, mejor dos años. Es lo que alimenta las tres fuentes de arriba. Si tus pedidos se graban a mano en el ERP, ese histórico ya existe; si una parte se queda en papel o en un correo, esa parte no se puede recomendar.
• Un catálogo con ficha, no solo con código y precio. Familias, descripción, formato, y las equivalencias que usan tus clientes al hablar. La foto ayuda: un producto que se propone con imagen se entiende antes.
• Tarifas y condiciones por cliente dentro del sistema. Si el precio negociado de una parte de tus clientes vive en la memoria de alguien, ese es el primer trabajo, y es tuyo.
• Una persona del negocio con unas horas por semana durante el piloto, para decir «eso no se recomienda nunca» y «eso sí». Suele ser quien más sabe de clientes, no de informática.
• Acceso a tu sistema de gestión, por la vía que su fabricante admita. Cómo se hace cuando no hay API está en ¿se integra la IA con mi ERP?.

El caso real y en qué punto está

Lo estamos construyendo para un distribuidor mayorista, sin nombrarlo: un negocio con miles de referencias, clientes de hostelería y comercio que piden por WhatsApp, teléfono y visita, y comerciales convertidos en recogepedidos por falta de personal. Su aprendizaje previo es el que da sentido a esta página: ya habían probado una aplicación de catálogo navegable y los clientes no la usaron, porque con ese volumen de referencias pedir navegando es más lento que llamar.

El prototipo del piloto, construido con su catálogo, sus tarifas y su histórico reales, hace lo que se describe arriba: el asistente abre proponiendo repetir el último pedido a precio de hoy, muestra lo recomendado para ese cliente y lo que llevan clientes similares, avisa de lo que dejó de pedir y de lo que pedía en esta época el año pasado, y monta el pedido por voz o texto consultando siempre el precio y el stock al sistema de gestión.

Y conviene decir con la misma precisión lo que no es: es un prototipo demostrable, no está en producción con clientes reales ni integrado de forma productiva con su ERP, y no publicamos ningún porcentaje de mejora porque no hay ninguno medido todavía. Cuando exista una medición sobre los datos del cliente y tengamos su permiso, se publicará con su método al lado. Mientras tanto, preferimos que se nos juzgue por cómo está diseñado —qué decide el modelo, qué decide el histórico, qué decide el ERP y qué decide el cliente— que por una cifra que nadie puede comprobar.

Cuándo esto no merece la pena

Hay casos en los que la respuesta correcta es esperar, y preferimos decirlo aquí:

• Cuando tienes pocos clientes que pidan con regularidad. Recomendar bien necesita historial; con clientes esporádicos el asistente solo puede proponer lo más vendido, y eso lo hace igual un listado.
• Cuando el histórico no está en el sistema. Si los pedidos entran a mano en papel o en un correo y no se graban con sus líneas, no hay de dónde recomendar.
• Cuando el catálogo es una lista de códigos sin ficha. Sin descripción, familia y formato, el asistente no puede entender lo que el cliente pide con sus palabras.
• Cuando lo que se espera es que venda sola. Si el objetivo es empujar volumen y no quitar fricción, el proyecto se dará por fallido aunque funcione, y el cliente dejará de usarlo.
• Cuando el fabricante de tu ERP ya vende esa capa y cubre tus reglas: empieza por ahí. Si te quedas corto, entonces sí. Cómo decidirlo está en ¿software a medida o producto de catálogo?.