Qué es realmente un chatbot de una tienda online y cómo pasó de menús a una conversación real
Seguro que ya has usado uno. Esa pequeña ventana de chat en la esquina inferior derecha de la web de una tienda, la que se despliega con «Hola, ¿te ayudo a encontrar algo?» mientras navegas. Eso es un chatbot.
Detrás de esa ventanita puede haber cosas distintas. A veces hay una persona real al otro lado, un agente de soporte que te responde. Más a menudo, sobre todo fuera del horario de atención, está automatizado. Durante años esa automatización fue simple: un menú de botones predefinidos («Seguir mi pedido», «Devoluciones», «Tallas») con respuestas enlatadas, y una vía para pedir hablar con una persona cuando ninguno encajaba. Útil, pero más cercano a un menú telefónico que a una conversación.
Lo que ha cambiado hace poco es lo que hay detrás de la ventana. Hoy puede ser una IA de verdad que lee tu pregunta tal como la escribiste y responde como lo haría un asesor real: encuentra el vestido, comprueba la talla, te dice cuándo llega. Y siempre puedes pedir que te pasen con una persona cuando quieras. La misma ventanita, pero algo muy distinto por dentro.
Este artículo trata de esa ventana en tu propia tienda: qué es, cómo pasó de menús de botones a una conversación real, y por qué la herramienta importa mucho menos que cómo la entrenas.
Etapa 1: el menú con apariencia de chat
El antepasado es ELIZA, creado en el MIT en 1966. Funcionaba por coincidencia de patrones: detectar una palabra clave en la frase del usuario y devolver una respuesta preparada en torno a ella. El mecanismo no es conversación. Es una tabla de consulta con buenos modales.
La primera generación de chatbots de tienda siguió la misma lógica, en dos formas habituales:
- Preguntas y botones predefinidos. El cliente elige de una lista («Seguir mi pedido», «Devoluciones», «Tallas») y el bot devuelve una respuesta guionizada. Por debajo es un árbol de decisión: cada botón lleva al siguiente nodo fijo.
- Bots de intención. Un paso más. En lugar de palabras clave exactas, el bot clasifica lo que el cliente parece querer («dónde está mi pedido») y dispara la respuesta correspondiente. Para funcionar necesita un conjunto de entrenamiento etiquetado: alguien tiene que reunir ejemplos de frases y etiquetar cada una con su intención. Las respuestas siguen siendo fijas.
Ambas versiones comparten una debilidad que importa para las ventas. Solo funcionan mientras el cliente se mantiene dentro del guion. Pregunta por un vestido «para una boda en octubre, no demasiado formal, estoy entre dos tallas» y el bot no tiene un nodo para eso. El resultado es una disculpa enlatada o un traspaso a una persona, y el cliente, que vino con una pregunta de compra, se marcha. El mecanismo de la pérdida es simple: una conversación de venta está hecha de preguntas fuera de guion, y un guion no puede sostenerlas.
Etapa 2: IA dentro
El chatbot actual de un sitio tiene IA de verdad en el centro. Eso cambia tres cosas.
- Entiende el lenguaje corriente. El cliente escribe la pregunta del vestido de boda tal cual, con los matices y los datos que faltan, y el bot la interpreta en lugar de buscar una palabra clave.
- Puede trabajar con todo el catálogo y el inventario. Conectado a los datos de tus productos, filtra por lo que existe y lo que hay en stock, no por lo que el autor de un guion predijo que alguien preguntaría.
- Responde a la pregunta real. Detalles del producto, ajuste, envío, devoluciones, en unas pocas frases en lugar de un enlace a una página de políticas. Funciona 24 horas al día, lo que importa para cualquier tienda con clientes en más de una franja horaria.
El cambio práctico: la Etapa 1 era un menú. La Etapa 2 es una conversación, y la conversación es donde el cliente indeciso se destraba.
Un apunte de contexto, breve a propósito: cada vez más clientes descubren productos dentro de herramientas de IA como ChatGPT, pero la compra sigue cerrándose en el sitio propio de la marca. Eso convierte al chat de tu web en el último metro antes de la venta, que es la razón por la que merece atención ahora.
Ya funciona en grandes marcas de moda y belleza
Varias grandes marcas tienen hoy un chat de cara al cliente. Toma las cifras de abajo como datos comunicados por las propias empresas o sus proveedores, no como resultados auditados.
- Zalando construyó un asistente de compras con tecnología de ChatGPT en un sprint de 5 semanas. Según datos del proveedor, está activo en los 25 mercados desde octubre de 2024 y alcanzó unos 10 millones de usuarios en el primer trimestre de 2026.
- Frasers tiene «Ask Frasers» en su web y ha reportado un 25% más de conversión frente a la búsqueda estándar del sitio.
- Kering tiene un asistente basado en ChatGPT llamado «Madeline» (reportado por masterofcode.com).
- Fenty Beauty ofrece una asesora de belleza, «Rose Amber», dentro de WhatsApp, lo que muestra que la misma idea funciona en un canal de mensajería igual que en una web.
- DRESSX lanzó el DRESSX Agent para probador virtual con IA y compras en septiembre de 2025.
- Ulta tiene «Ulta AI», construido sobre Gemini, para clientes de belleza.
Una encuesta de FashionNetwork reportó que alrededor de 1 de cada 3 marcas (33%) ha adoptado agentes de IA para la compra, con la moda a la cabeza. Es una cifra reportada, y la definición de «agente de IA» de la encuesta es amplia, así que léela como dirección, no como referencia.
El mapa del mercado: clases de herramientas, no un ranking
Busca «mejor chatbot de IA para ecommerce» y encontrarás listas escritas por proveedores, que se contradicen entre sí. No hay un top 1 honesto. Lo que existe es un conjunto de clases, cada una pensada para un trabajo distinto. Los precios de abajo varían según la fuente, así que confírmalos con el proveedor antes de presupuestar.
| Clase | Herramientas citadas en las fuentes | Para qué sirve |
|---|---|---|
| Nativa de la plataforma | Shopify Inbox, Sidekick | Gratis con la plataforma; las fuentes la describen como menos capaz que herramientas especializadas como Fin o Lyro |
| Soporte y mesa de ayuda | Gorgias, Intercom Fin, Zendesk AI | Volumen de soporte y tickets. Gorgias es la más recomendada para Shopify (reportado ~0,90 a 1,00 USD por respuesta automatizada, además del plan). Fin es madura, con precio por resolución (~0,99 USD), y no es nativa de ecommerce, por lo que es más débil en acciones de pedidos de Shopify. Zendesk AI es de nivel empresa (desde ~55 USD por agente y mes) y encaja en equipos que ya usan Zendesk |
| Tienda pequeña, widget en el sitio | Tidio (motor Lyro) | Entrada económica; existe un plan gratuito de chat en vivo. Lyro se mide aparte, así que la factura real supera el precio base |
| Conversión y venta en el sitio | Rep AI, Zipchat | Hechas para vender en el sitio, no para desviar tickets |
| Quiz y emparejamiento de producto (DTC) | Octane AI | Buscador de producto guiado |
| Hazlo tú mismo | Voiceflow | Diseñas el bot y eliges el modelo; para tiendas que superaron las plantillas |
| Empresa | Ada, Yellow.ai, Salesforce Agentforce | Despliegues a gran escala; el precio a menudo no se publica |
La decisión sigue al trabajo. Si tu dolor es la carga de soporte, empieza por la clase de soporte. Si el dolor son los clientes que miran y se van, mira las clases de conversión y emparejamiento. Si no sabes cuál es, eso es lo primero que hay que resolver, antes de cualquier demo.
La herramienta es un commodity. El trabajo está en el entrenamiento.
Toda herramienta de esa tabla puede mantener una conversación. Por eso mismo la herramienta por sí sola no es una ventaja: tu competidor puede contratar la misma esta misma tarde. Lo que cambia es lo que el bot sabe cuando un cliente pregunta.
Un chatbot con IA vale tanto como los datos a los que está conectado y las reglas que lo rodean:
- Catálogo e inventario. Si los datos de stock van con retraso, el bot recomienda artículos agotados. La frecuencia de sincronización se vuelve un asunto de ventas.
- Políticas. Devoluciones, plazos de envío, condiciones de cambio. Un bot que adivina una política está haciendo una promesa en tu nombre.
- Tono de marca. La voz de tu boutique no es un ajuste por defecto. Si no se especifica, el bot sonará como todos los demás bots.
- Conexiones. Dónde puede consultar el bot (pedidos, datos de tallas) decide si responde o solo se disculpa.
Un bot mal entrenado no falla en silencio. Le dice a un cliente que una chaqueta talla grande cuando no es así, o afirma un plazo de devolución que no existe, y lo hace en tu escaparate, delante del cliente, con tu nombre encima. En una bandeja de soporte, una respuesta equivocada se detecta y se corrige antes de que alguien la vea. Un chatbot no tiene ese colchón, así que sus errores son los más caros de toda la cadena. (Probar un bot antes de lanzarlo con 50 preguntas reales e incómodas de clientes suena tedioso. También es el seguro más barato de esta lista.)
Una regla práctica para elegirlo y hacerlo funcionar
Nombra el trabajo (soporte, conversión o emparejamiento de producto), elige la clase que lo sirve, y luego dedica la mayor parte del esfuerzo a los datos: catálogo, stock, políticas, tono. Pruébalo contra preguntas reales antes de que entre en producción, y revisa las respuestas después de cada cambio de política o de catálogo. El bot es la parte fácil; el entrenamiento es de donde salen los resultados.