Configuración Técnica: Automatización de WhatsApp para Inmobiliarias con Agilux Engage Squad

Más allá del Chatbot Tradicional

Seamos claros desde el inicio: los árboles de decisión tipo «Presiona 1 para X, presiona 2 para Y» están muertos. O deberían estarlo. Cada vez que veo una inmobiliaria en España usando uno de esos flujos rígidos en WhatsApp, me pregunto si alguien realmente probó la experiencia desde el otro lado. Los clientes inmobiliarios no preguntan de manera ordenada. Nadie empieza con «Hola, busco un piso de 3 habitaciones entre 200.000 y 250.000 euros en Chamberí». Más bien escriben cosas como «teneis algo x zona argüelles q no sea muy caro pero con luz?» a las once de la noche.

Los agentes de IA generativa con memoria contextual funcionan completamente distinto. En lugar de seguir caminos predefinidos, interpretan intención, recuerdan lo que se dijo hace tres días, y ajustan las respuestas según el contexto acumulado. No buscan coincidencias exactas de palabras clave. Entienden semántica.

El problema real de la latencia

Aquí está lo que realmente importa en el mercado español: la latencia mata la conversión. Un lead inmobiliario caliente tiene una vida media de aproximadamente 8 minutos antes de contactar con tu competidor. Si tu «automatización» tarda 40 segundos en responder porque está esperando que alguien elija una opción del menú, ya perdiste. Los datos del sector muestran que las inmobiliarias que responden en menos de 3 minutos multiplican por siete su tasa de conversión a visita concertada. Honestamente, me sorprende que no sea incluso mayor dado cómo funciona la impaciencia digital.

Qué aporta Agilux Engage Squad

Agilux Engage Squad no es simplemente otro chatbot. Es un orquestador que coordina múltiples sistemas (WhatsApp Business API, tu CRM, bases de datos vectoriales, modelos de lenguaje) para crear una automatización de respuestas de WhatsApp que parece, y funciona, como un asesor inmobiliario real que nunca duerme. Con memoria. Y paciencia infinita.

Requisitos de Infraestructura: API y Stack de Datos

Validación de la API de WhatsApp Business

Vamos a aclarar algo que genera confusión constante: WhatsApp Business App (la app gratuita verde que instalas en el móvil) y la WhatsApp Cloud API de Meta son tecnologías completamente diferentes. La primera está bien si gestionas 10-15 conversaciones al día. La segunda es la única opción viable cuando estás procesando leads desde Idealista, Fotocasa y tu web simultáneamente.

La Cloud API te permite enviar hasta 100 mensajes iniciados por la empresa en 24 horas (después de que el cliente te contacte primero), gestionar múltiples números desde una única interfaz, y recibir webhooks en tiempo real cada vez que llega un mensaje. Esto último es lo que permite la automatización real. Necesitarás configurar tu Business Manager de Meta, verificar tu negocio (proceso que puede tardar 3-7 días hábiles, así que no lo dejes para último momento), y generar tokens de acceso permanentes.

Un detalle técnico que arruina fines de semana: el token de acceso temporal que te da Meta al principio expira en 24 horas. Configura correctamente el token permanente o vas a tener un fin de semana muy frustrante cuando todo deje de funcionar el sábado por la noche.

Preparación del entorno de Agilux

Agilux funciona mediante webhooks bidireccionales. Tu configuración básica requiere dos endpoints:

Primero, el webhook de recepción que escucha eventos entrantes de WhatsApp (mensajes nuevos, cambios de estado de entrega, mensajes multimedia). Meta va a verificar este endpoint con un token de validación, así que asegúrate de que esté público y respondiendo antes de configurarlo en tu cuenta de Business Manager.

Segundo, los permisos de rol dentro de Agilux. Define claramente quién tiene acceso de Ingeniero de Automatización (pueden modificar flujos, acceder a logs completos, tocar configuraciones del modelo de IA) versus Operadores (solo ven conversaciones y pueden intervenir manualmente). He visto equipos donde todos tienen acceso de administrador y el resultado es que alguien modifica un prompt un viernes por la tarde y rompe todo el flujo de calificación del fin de semana. No hagas eso.

Fuente de Datos (Source of Truth)

Tu sistema de automatización solo será tan bueno como los datos que consuma. Si tu base de propiedades tiene duplicados, precios desactualizados, o descripciones que dicen «piso muy bonito» sin especificaciones técnicas, el agente de IA va a alucinar o dar respuestas genéricas inútiles.

Antes de conectar nada, limpia tu base de datos. Si trabajas con feeds XML de tu CRM (formato común en plataformas como Inmovilla), valida que todos los campos críticos estén poblados: precio, ubicación precisa (no «Madrid centro», necesitas barrio específico), metros cuadrados, número de habitaciones, certificación energética, año de construcción. Las propiedades sin estos campos básicos deberían marcarse como «no disponibles para consulta automática» hasta completar la información.

Si usas bases SQL directamente, establece un proceso de sincronización cada 6-12 horas como máximo. Nada destruye más la confianza del cliente que recibir información sobre un piso que se vendió hace dos días.

Arquitectura del Flujo de Datos con Agilux Engage Squad

Diagrama de bloques lógico

Cuando un cliente envía «busco piso de 2 habitaciones en Salamanca hasta 300k», este es el recorrido técnico:

• WhatsApp Cloud API recibe el mensaje y dispara tu webhook
• Agilux captura el evento y lo coloca en una cola de procesamiento
• El motor de análisis de intención identifica: tipo_consulta=búsqueda, zona=Salamanca, habitaciones=2, presupuesto_max=300000
• El sistema RAG consulta tu base vectorial para recuperar las 5-7 propiedades más relevantes semánticamente
• El modelo de lenguaje genera una respuesta natural que incluye las opciones, pregunta por preferencias adicionales (planta, ascensor, orientación)
• La respuesta se envía vía API de WhatsApp
• El contexto completo se almacena en memoria para la siguiente interacción

Todo esto debería tomar menos de 3 segundos en el 95% de los casos. Si estás viendo latencias mayores, probablemente tu problema está en el paso 4 (consultas vectoriales no optimizadas) o tienes cuellos de botella en tu infraestructura de base de datos.

El rol del orquestador

Lo que diferencia un orquestador de una simple integración API es la gestión inteligente del flujo. Agilux no solo pasa mensajes de un lado a otro. Prioriza, decide y previene problemas.

Por ejemplo, cuando tienes tres leads escribiendo simultáneamente, el sistema asigna prioridad basándose en señales: un lead que ya tuvo dos interacciones previas y está preguntando por disponibilidad para visita tiene prioridad sobre alguien haciendo su primera consulta genérica. Esto se alinea con estrategias documentadas de calificación progresiva que separan leads fríos de calientes automáticamente.

Prevención de bucles y gestión de timeouts

La prevención de bucles es crítica en la automatización flujos de venta. Configuraciones mal hechas pueden generar situaciones donde el cliente pregunta algo, el sistema no entiende, pide aclaración, el cliente reformula de manera similar, el sistema vuelve a no entender… y repites el ciclo cuatro veces hasta que el cliente se frustra y se va. Agilux debería tener un límite configurado: después de dos solicitudes de aclaración sin extracción exitosa de entidades, el sistema automáticamente ofrece conexión con un humano.

Los timeouts también requieren pensamiento. Si un cliente no responde en 24 horas, ¿envías un recordatorio automático? ¿Y si sigue sin responder? Configura una secuencia degradada: primer mensaje a las 24 horas, segundo a las 72, y después de una semana de silencio, el lead se marca como «frío» y pasa a una campaña de nutrición diferente.

Configuración de la Ingesta de Datos Inmobiliarios (RAG)

Implementación de RAG (Retrieval Augmented Generation)

Voy a ser directo: si conectas un modelo de lenguaje grande (GPT-4, Claude, lo que sea) directamente a tu WhatsApp sin RAG, vas a tener un problema serio en aproximadamente 48 horas. Los LLMs están entrenados con datos hasta una fecha de corte específica y literalmente inventan información cuando no la tienen. He visto casos donde un sistema sin RAG le dijo a un cliente que había un «precioso ático en Malasaña con terraza de 40m² por 280.000€» que simplemente no existía. Ni en tu inventario ni en el universo real.

RAG resuelve esto recuperando información factual de tu base de datos real antes de generar la respuesta. El modelo no inventa. Busca, encuentra, y luego formula la respuesta basándose en lo que realmente existe.

La implementación técnica con Agilux implica conectar una base de datos vectorial. Supabase es una opción popular porque ofrece extensiones de PostgreSQL para búsquedas de similitud vectorial directamente en SQL, pero también puedes usar Pinecone, Weaviate o Qdrant dependiendo de tu stack existente.

Estructura de Embeddings

Cada propiedad en tu inventario necesita convertirse en un vector, básicamente una representación matemática de su significado semántico. Cuando un cliente pregunta por «piso luminoso cerca del Retiro», el sistema compara el vector de esa consulta con todos los vectores de tus propiedades y devuelve las coincidencias más cercanas semánticamente.

Aquí está el detalle técnico que muchos pasan por alto: no vectorices solo la descripción comercial del piso. Crea un documento compuesto que incluya:

• Descripción completa
• Características estructuradas (habitaciones, baños, metros, año)
• Ubicación detallada (barrio, distancia a transporte, servicios cercanos)
• Tags de características especiales (terraza, vistas, reformado, accesible)

La vectorización de toda esta información junta mejora dramáticamente la precisión de recuperación. Como se documenta en implementaciones reales, sistemas que usan vectorización compuesta pueden alcanzar precisiones del 87-92% en matching de preferencias versus el 60-70% cuando solo vectorizan descripciones de texto libre. Y bueno, un 20% de diferencia en precisión se traduce directamente en leads mejor servidos.

Actualización incremental de vectores

Tu CRM actualiza precios, cambian disponibilidades, se añaden propiedades nuevas. Si tienes 1,200 propiedades y re-vectorizas todo el catálogo cada vez que cambia un precio, vas a tener costes computacionales ridículos y latencias inaceptables.

Implementa actualización incremental: cuando cambia una propiedad específica, solo re-vectoriza ese registro y actualiza su entrada en la base vectorial. La mayoría de bases vectoriales modernas soportan UPSERT (actualizar si existe, insertar si no) que hace esto trivial. Configura un webhook desde tu CRM que dispare la re-vectorización automática de propiedades modificadas.

Manejo de consultas multimedia

WhatsApp permite audio, y sorprendentemente muchos clientes, especialmente demográficos 45+, prefieren enviar un audio de 30 segundos que escribir. Si tu sistema no puede procesarlos, estás perdiendo un segmento significativo.

La pipeline técnica es: recibir el archivo de audio → descargar desde los servidores de WhatsApp (tienes 30 días antes de que caduque la URL) → transcribir con un modelo speech-to-text como Whisper → pasar el texto transcrito al motor de análisis de intención normal. Agilux puede orquestar esta secuencia completa si lo configuras correctamente, aunque vas a necesitar credenciales API para el servicio de transcripción que elijas.

Un detalle: los audios de WhatsApp vienen en formato Opus. Asegúrate de que tu servicio de transcripción lo soporte nativamente o tendrás que convertir a MP3/WAV en el medio, añadiendo latencia innecesaria.

Diseño del Workflow de Calificación en Agilux

Lógica de n8n workflow inmobiliaria aplicada

La lógica de calificación no es lineal. Un cliente que pregunta directamente «¿cuándo puedo ver el piso de la Calle Serrano 47?» está en una etapa completamente diferente que alguien que dice «estoy pensando en mudarme, no sé si comprar o alquilar». Tu workflow necesita identificar la etapa y ajustar el flujo consecuentemente.

En términos de n8n workflow inmobiliaria (n8n es una herramienta de automatización que muchos usan junto con Agilux para lógica compleja), estructurarías algo así:

Nodo 1: Clasificación inicial

• ¿Consulta específica de propiedad? → Flujo de «Interés Alto»
• ¿Pregunta general exploratoria? → Flujo de «Descubrimiento»
• ¿Consulta sobre proceso/financiación? → Flujo de «Educación»

Nodo 2 (Flujo Descubrimiento): Perfilado progresivo

• Extrae presupuesto (directo o indirecto: «algo asequible» → trigger pregunta de rango)
• Extrae zona preferida
• Extrae requisitos mínimos (habitaciones, tipo de propiedad)
• Clasifica perfil: ¿Inversor o residencia principal?

Esto último cambia completamente la conversación. Los inversores se interesan por rentabilidad, ubicación con potencial de revalorización, condiciones para alquiler. Compradores de primera vivienda preguntan por colegios cercanos, ambiente del barrio, facilidad de aparcamiento. Un sistema bien configurado detecta estas señales y ajusta no solo las propiedades recomendadas sino el lenguaje completo de las respuestas.

Detección de intenciones complejas

«Quiero ver el piso», «necesito hablar de financiación» y «¿qué papeles necesito para comprar?» son tres intenciones completamente diferentes que requieren acciones distintas. El primero dispara un flujo de agendamiento. El segundo podría responder con información general sobre hipotecas pero probablemente requiere derivación a un especialista. El tercero puede responderse con contenido educativo automatizado.

La calificación de leads IA asigna scoring automáticamente. Un sistema bien calibrado considera:

• Urgencia temporal: «Necesito mudarme en dos meses» (alta) vs «estoy explorando opciones para el futuro» (baja)
• Claridad de criterios: Presupuesto definido + zona específica + requisitos claros = alta calidad
• Nivel de engagement: Número de mensajes intercambiados, preguntas específicas vs genéricas
• Señales de capacidad: Menciones de situación financiera, referencias a venta de propiedad actual

Configura umbrales numéricos: leads que superan 75/100 puntos se notifican inmediatamente al equipo comercial. Entre 50-75 continúan en flujo automatizado con seguimiento en 24h. Bajo 50 entran en secuencia de nutrición larga.

Integración Bidireccional con el CRM Inmobiliario

Sincronización con ecosistemas locales

La integración CRM inmobiliario en España no es plug-and-play porque cada agencia usa plataformas diferentes. Inmovilla, Witei, Alisuite, o incluso desarrollos propios. Agilux necesita comunicarse bidireccionalmente con tu CRM: leer datos de propiedades para responder consultas, y escribir información de leads nuevos o actualizaciones de conversaciones existentes.

La mayoría de CRMs modernos ofrecen APIs REST, pero la calidad de la documentación varía enormemente. Vas a necesitar mapear campos entre lo que Agilux captura y lo que tu CRM espera. Por ejemplo:

• Agilux captura «presupuesto_max: 350000» → CRM espera campo «budget_ceiling» como integer
• Agilux identifica «zona: Salamanca» → CRM tiene un campo dropdown con ID numérico para cada barrio
• Agilux detecta «urgencia: alta» → CRM tiene campo «priority» que acepta valores 1-5

Crea un documento de mapeo explícito. Seriamente, documéntalo. Dentro de seis meses cuando el flujo falle misteriosamente y estés debuggeando, vas a agradecer tener un Excel simple que diga exactamente qué campo va dónde. (Okay, probablemente ya sabías que deberías documentar, pero ¿cuántas veces lo has hecho realmente?)

Conversaciones como activo de datos

Cada interacción de WhatsApp es información valiosa que debería vivir en la ficha del cliente en tu CRM. Algunos CRMs tienen campos nativos para «comunicaciones» o «historial». Si el tuyo no, considera crear un campo de texto largo tipo «notas_automáticas» donde Agilux pueda insertar resúmenes generados por IA de cada conversación.

El resumen automático es más útil que el transcript completo. Nadie va a leer 40 mensajes de ida y vuelta. En cambio, un resumen como:

«Lead contactó 15/03 a las 19:30. Busca piso 2-3 habitaciones, zona Retiro-Salamanca, presupuesto hasta 400k. Prioridad: reformado o nuevo. Menciona venta de propiedad actual en proceso (cierre estimado mayo). Interés específico en edificios con ascensor por movilidad reducida de familiar. Nivel de urgencia: medio-alto. Próximo seguimiento: envío de 3 opciones coincidentes el 16/03.»

Eso es accionable inmediatamente.

Automatización de acciones post-interacción

No todos los leads merecen interrumpir a tu equipo comercial. (Lo siento, pero es verdad.) Si notificas cada consulta genérica, tus agentes van a empezar a ignorar las alertas y perderás los leads realmente calientes por ruido excesivo.

Configura triggers selectivos en Agilux:

Notificación inmediata (Slack/Email/SMS):

• Lead con scoring >75
• Solicitud explícita de visita
• Mención de comparación con competidor específico
• Lead que responde después de 48h+ de silencio (re-engagement)

Notificación agrupada diaria:

• Leads nuevos en calificación (scoring 50-75)
• Consultas respondidas satisfactoriamente sin requerir intervención

Sin notificación:

• Consultas resueltas completamente (ej. preguntas sobre documentación necesaria)
• Leads fríos en nutrición de largo plazo

El equipo comercial asignado recibe contexto completo: resumen de la conversación, scoring del lead, propiedades ya presentadas, próximo paso sugerido.

Personalización de Respuestas y Tono de Marca

Prompt Engineering para el sector inmobiliario

Las System Instructions son el prompt base que define cómo se comporta tu agente de IA. No es algo que escribes en cinco minutos. Requiere iteración y refinamiento basado en casos reales.

Para inmobiliarias, un ejemplo de estructura efectiva:

«`
Eres un asesor inmobiliario profesional de [NOMBRE_AGENCIA] especializado en el mercado de Madrid. Tu objetivo es ayudar a los clientes a encontrar su propiedad ideal siendo útil, preciso y eficiente.

TONO: Profesional pero cercano. Usa un español natural de España (tutea al cliente a menos que use «usted»). Evita jerga excesiva pero tampoco seas demasiado formal.

RESTRICCIONES ESTRICTAS:

• NUNCA prometas o discutas términos de financiación específicos. Si preguntan por hipotecas, proporciona información general y ofrece conectarles con un asesor financiero.
• NUNCA inventes características de propiedades. Si no tienes la información, di «Necesito verificar ese detalle específico con el equipo» y marca para revisión humana.
• NUNCA garantices precios o disponibilidad sin verificación reciente (data <24h).
• NO hagas comparaciones negativas con otras agencias o propiedades de la competencia.

INFORMACIÓN SENSIBLE:

• Si detectas frustración o insatisfacción, ofrece inmediatamente hablar con un agente humano.
• Preguntas legales complejas (impuestos, herencias, situaciones especiales) → derivar a asesor especializado.

ESTILO DE RESPUESTAS:

• Sé conciso. WhatsApp es un medio móvil—evita párrafos de más de 4 líneas.
• Usa emojis ocasionalmente pero sin exceso (máximo 1-2 por mensaje).
• Cuando presentes propiedades, estructura la información claramente: ubicación, características principales, precio.

«`

Esto es solo un punto de partida. Vas a ajustarlo constantemente basándote en interacciones reales que salen mal.

Reglas de cumplimiento regulatorio

El sector inmobiliario en España tiene regulaciones específicas sobre lo que puedes y no puedes prometer o afirmar. Tu agente de IA necesita configurarse para cumplirlas automáticamente.

Menciones de certificación energética son legalmente requeridas en publicidad de propiedades. Asegúrate de que cuando Agilux presenta una propiedad, incluye esta información si está disponible. Si no lo está en tu base de datos, el sistema debería reconocer la carencia y no presentar esa propiedad automáticamente (marcándola para completar información).

Referencias a precios deben incluir siempre si incluyen o no gastos, IVA aplicable (obra nueva), etc. Una respuesta tipo «Este piso cuesta 250.000€» técnicamente debería ser «Este piso tiene un precio de venta de 250.000€ (gastos de compraventa no incluidos)». Sí, es más largo. Pero evita problemas legales.

Gestión de contexto a largo plazo

Uno de los poderes reales de Agilux es la ventana de memoria. Un cliente que te contactó hace cinco días, tuvo una conversación sobre pisos en Chamberí, y ahora vuelve a escribir, debería ser recibido con contexto: «Hola de nuevo! Sigues interesado en la zona de Chamberí, o has ampliado la búsqueda?»

La configuración técnica de la ventana de memoria implica definir cuántos tokens previos de contexto incluir en cada solicitud al modelo. Más contexto = más precisión pero también más coste computacional y latencia. Un equilibrio razonable para inmobiliarias es mantener contexto de las últimas 15-20 interacciones o los últimos 7 días, lo que sea menor.

También necesitas configurar qué información persiste permanentemente en el perfil del lead versus qué es contextual temporal. Presupuesto, zona preferida, requisitos de habitaciones → persistente. Comentarios casuales sobre el tráfico de Madrid o preferencias de diseño mencionadas de pasada → temporal.

Protocolos de ‘Human Handoff’ (Derivación a Agente)

Triggers de intervención humana

Los mejores sistemas automatizados saben cuándo detenerse. He visto inmobiliarias que configuran sus bots para intentar resolver absolutamente todo, y el resultado es clientes atrapados en conversaciones frustrantes donde el sistema claramente no entiende pero sigue intentando.

Configura triggers explícitos de derivación humana:

Señales de sentimiento negativo:

• Detección de palabras clave: «frustrado», «harto», «no entiendes», «quiero hablar con una persona»
• Uso repetido de mayúsculas o signos de exclamación múltiples
• Reformulación de la misma pregunta más de dos veces sin resolución

Solicitudes fuera del alcance del sistema:

• Negociación de precio (el cliente dice «¿aceptan 270k por el piso de 290k?»)
• Situaciones legales o financieras complejas («tengo una herencia en trámite, ¿puedo comprar antes de recibirla?»)
• Solicitudes de visitas urgentes («puedo verlo en 2 horas?»), que requieren coordinación real con disponibilidad de agentes

Leads de alta prioridad:

• Compradores de propiedades premium (>800k)
• Contactos que mencionan referencia de cliente existente
• Leads que regresan después de visita física previa

No cometas el error de configurar el handoff como «fin de conversación». El sistema debería decir algo como «Por supuesto, te conecto con María, una de nuestras asesoras especializadas, que te puede ayudar mejor con esto. Te escribirá en los próximos 15 minutos» y simultáneamente enviar la notificación al humano con todo el contexto.

Mecanismo de transferencia técnica

Cuando pausas la automatización de Agilux para un chat específico, el sistema necesita hacer varias cosas simultáneamente:

• Marcar la conversación como «en modo humano» para prevenir que el bot responda si el cliente envía otro mensaje mientras espera
• Generar un resumen ejecutivo de toda la conversación hasta ese punto
• Notificar al agente asignado a través del canal configurado (Slack típicamente funciona mejor que email para urgencias)
• Mantener el contexto almacenado para cuando el humano responda

El resumen al agente debe ser escaneable en 20 segundos:

«Lead: Ana Martínez (+34 600 XXX XXX)
Scoring: 82/100 (Alta Prioridad)
Búsqueda: 2-3 hab, Salamanca, hasta 400k, reformado
Propiedades presentadas: Serrano 45 (rechazada: sin ascensor), Goya 89 (interés moderado)
Trigger handoff: Cliente pregunta por negociación de precio en Goya 89
Sentimiento: Positivo, cliente comprometido
Última interacción: hace 3 minutos»

He visto implementaciones donde el resumen es un párrafo narrativo de 200 palabras. Nadie lo lee. Hazlo estructurado, breve, accionable.

Reactivación post-intervención

Después de que el agente humano resuelve el tema específico, ¿qué pasa? No dejes esto al azar. Configura un proceso claro.

Opción A: El agente indica explícitamente en Agilux «conversación cerrada» y el lead entra en seguimiento automatizado post-interacción (mensaje de satisfacción a las 24h, recordatorio si se comprometió a algo).

Opción B: El agente indica «reactivar modo automático» y Agilux retoma conversaciones futuras con contexto actualizado de lo que el humano discutió.

Opción C: El lead se marca como «gestión humana permanente» y todas las futuras interacciones van directamente al agente asignado.

La decisión depende de la complejidad del caso. Un lead que estaba negociando precio probablemente debería quedarse en gestión humana hasta cerrar o descartar. Alguien que solo necesitó aclarar una duda puntual puede volver a automatización.

Testing Técnico y Entornos Sandbox

Pruebas de estrés y concurrencia

Aquí está la parte que la mayoría de equipos técnicos omiten completamente: testing exhaustivo con escenarios realistas. No me refiero a enviar cinco mensajes de prueba tipo «Hola» y «Busco piso». Me refiero a simulaciones de estrés real.

Después de una campaña de Google Ads dirigida a «pisos en venta Madrid», puedes recibir 40-60 consultas en WhatsApp en las primeras dos horas. ¿Tu sistema aguanta? La única forma de saberlo es probarlo.

Herramientas que uso para esto: scripts Python con la librería `requests` que disparan peticiones concurrentes al webhook de Agilux simulando múltiples usuarios escribiendo simultáneamente. Configura escenarios como:

• 30 usuarios enviando mensajes en un período de 60 segundos
• 10 conversaciones paralelas donde cada usuario envía 5-8 mensajes en secuencia rápida (simulando diálogo real)
• Mezcla de tipos de mensaje: texto, audio, imágenes (fotos de propiedades enviadas por el cliente preguntando «¿tienen algo similar a esto?»)

Mide latencia de respuesta para cada mensaje. Tu objetivo debería ser que el percentil 95 esté bajo 3 segundos. Si ves latencias de 8-10 segundos bajo carga, tienes un problema que se va a magnificar en producción real cuando además haya tráfico orgánico no planeado.

Validación de escenarios de borde (Edge Cases)

Los casos límite son donde los sistemas automatizados muestran sus carencias. Dedica tiempo específico a testear escenarios raros:

Mensajes vacíos o solo emojis: El cliente envía «🏠🏠🏠» o accidentalmente manda un mensaje en blanco. ¿Cómo responde el sistema? Debería pedir amablemente aclaración sin entrar en bucle.

Archivos no soportados: Alguien envía un PDF de 15 páginas con su perfil financiero o un archivo .doc. WhatsApp permite compartir archivos, pero tu sistema necesita manejarlos. Respuesta apropiada: «Gracias por compartir el documento. Para revisarlo adecuadamente, te conectaré con un asesor que lo analizará personalmente.»

Idiomas extranjeros: Madrid recibe muchos compradores internacionales. Un mensaje en inglés, francés o alemán. ¿El sistema lo detecta y responde en ese idioma o se confunde? (Tip: GPT-4 y modelos modernos pueden responder en múltiples idiomas, pero necesitas configurar las System Instructions para permitirlo explícitamente.)

Consultas ofensivas o spam: Eventualmente alguien va a usar tu WhatsApp Business para intentar venderte cosas o enviarte mensajes inapropiados. Configura filtros básicos de contenido y respuestas automatizadas de desconexión para estos casos.

Mensajes después de horario comercial: ¿El tono de respuesta cambia? Algo como «Hola! Gracias por escribir. Son las 23