A finales de 2023, una academia de idiomas en el barrio de Chamberí recibía una media de 47 consultas diarias por WhatsApp, email y teléfono. La mayoría eran preguntas repetitivas: horarios de grupos, disponibilidad de plazas, diferencias entre niveles B1 y B2, documentación para matrícula. El equipo administrativo —dos personas— dedicaba el 60% de su jornada a responder lo mismo una y otra vez.
El director nos contactó con una petición clara: necesitaba liberar tiempo sin perder calidez en la atención. No quería un chatbot genérico que frustrase a potenciales alumnos. Quería algo que entendiese contexto, que supiera cuándo derivar a un humano, y que nunca prometiera lo que la academia no podía cumplir.
La arquitectura del agente: tres capas de inteligencia
Diseñamos un agente conversacional con acceso a tres fuentes de datos en tiempo real:
- Base de conocimiento actualizada: programación de cursos, precios vigentes, requisitos de acceso, metodología docente y políticas de cancelación. Actualización semanal manual por el equipo.
- Disponibilidad de plazas: integración con su CRM educativo (en este caso, Alexia) mediante API. El agente consulta ocupación de grupos antes de confirmar disponibilidad.
- Histórico de conversaciones: memoria de contexto que permite retomar consultas previas del mismo usuario sin empezar de cero.
El agente opera en WhatsApp Business API y formulario web. Identifica intención (consulta informativa, solicitud de matrícula, reclamación) y actúa según protocolo definido con la dirección del centro.
Qué hace el agente (y qué impacto tiene)
En los primeros cuatro meses de operación, el agente gestionó el 73% de las consultas entrantes sin intervención humana. Resuelve dudas sobre niveles, recomienda cursos según objetivo del alumno (preparar certificación oficial, conversación, negocios), envía documentación de matrícula y confirma recepción de pagos.
Cuando un usuario pregunta por un grupo completo, el agente ofrece alternativas de horario o lista de espera. Si detecta frustración o una consulta fuera de su ámbito (por ejemplo, solicitud de beca o adaptación curricular), deriva inmediatamente a un humano con resumen del contexto.
El equipo administrativo pasó de gestionar 47 consultas diarias a 13. El tiempo liberado se redirigió a seguimiento personalizado de alumnos en riesgo de abandono y coordinación con profesorado. La tasa de conversión de consulta a matrícula subió 11 puntos porcentuales en el primer trimestre.
Qué NO hace: límites éticos y de compliance
El agente tiene restricciones técnicas y éticas programadas:
- No inventa información: si no encuentra respuesta en su base de conocimiento, responde «No tengo esa información actualizada, te derivo a [nombre del responsable]».
- No procesa pagos directamente: envía enlaces seguros al TPV del centro, pero no almacena datos bancarios ni gestiona transacciones.
- No toma decisiones discrecionales: no aprueba becas, no acepta alumnos fuera de requisitos, no modifica políticas de cancelación.
- No suplanta identidad humana: se presenta como «asistente automático de [nombre academia]» en cada conversación nueva.
Cumple RGPD: los datos de conversación se almacenan en servidores europeos, con consentimiento explícito y derecho de supresión garantizado.
El factor humano sigue siendo central
Seis meses después, el director de la academia resume la experiencia: «El agente no sustituyó a nadie. Nos devolvió el tiempo para hacer lo que una máquina no puede: detectar cuando un alumno adulto viene desmotivado de experiencias previas, o cuando un padre busca más que clases de inglés para su hijo».
La tecnología bien aplicada no deshumaniza. Elimina fricción para que las personas puedan dedicarse a lo que requiere empatía, criterio y experiencia. En una academia de 340 alumnos en Madrid, esa diferencia se mide en conversaciones que ahora sí tienen tiempo de ocurrir.
