Cómo funciona un agente IA para cotizaciones (y por qué la mayoría falla en producción)

La arquitectura correcta de un agente IA para cotizaciones: capa conversacional (LLM) para extraer parámetros + capa determinística (código) para calcular el precio exacto. Casos reales con 7 variables y 73% de conversión.

25/05/2026, Pablo Weippert | Fundador Factor-AI

Hace unas semanas revisé el caso de un proveedor de materiales de construcción en Santiago. Su equipo comercial demoraba 48 horas promedio en enviar una cotización. No porque fueran lentos: era porque calcular el precio requería cruzar siete variables distintas: tipo de material, espesor, metros cuadrados, acabado, tipo de borde, si incluía instalación y zona de despacho. Cada cotización era trabajo manual de 20 a 30 minutos.

Su competencia respondía en horas. Ellos perdían leads antes de levantar el teléfono.

El problema no era velocidad de respuesta. Era capacidad de cotizar con precisión a escala.

El error de diseño que nadie menciona

Cuando la gente dice “implementar un agente de IA para cotizaciones”, lo primero que hacen es darle al modelo de lenguaje la lista de precios y decirle: cotiza cuando el cliente pregunte.

En demos funciona perfecto. El modelo entiende el contexto, hace preguntas inteligentes, produce una respuesta fluida. Parece exactamente lo que querías.

El problema aparece en producción: con clientes reales, a las 2am, con preguntas que nadie ensayó en el demo.

Los modelos de lenguaje son sistemas probabilísticos. Su fortaleza es el lenguaje: entender intención, manejar ambigüedad, generar texto que suena natural. No son calculadoras. Cuando un LLM “calcula” el precio de 12m² de granito negro a 3cm de espesor, con borde biselado, instalación incluida y despacho a Valparaíso en plazo express, está haciendo una predicción estadística de cuál sería la respuesta correcta, no una ejecución matemática.

La mayor parte del tiempo acierta. El 3% de las veces que no acierta, tu empresa cotiza mal. A escala, ese 3% tiene un costo real: en margen perdido, en contratos mal firmados, en credibilidad.

Dos capas, dos lógicas

El modelo que funciona en producción separa responsabilidades de forma clara.

Capa conversacional (IA flexible): Entiende el mensaje del cliente en lenguaje natural, hace las preguntas correctas para completar la información necesaria, maneja ambigüedad, detecta cuándo tiene suficientes datos para proceder. Esta capa es flexible por diseño, tiene que adaptarse al lenguaje imperfecto y a la diversidad de cómo los clientes expresan sus necesidades.

Capa de cálculo (código determinístico): Recibe los parámetros que extrajo la IA, los cruza contra la tabla de precios real del negocio (la misma que usa el equipo comercial) y retorna el número exacto en CLP. Esta capa no tiene lenguaje natural, no tiene probabilidades. Es código que ejecuta una fórmula. El resultado es siempre el mismo para los mismos inputs.

El LLM nunca toca un número de precio. El código nunca interpreta lenguaje natural. Cada capa hace lo que sabe hacer bien.

Este principio aplica más allá del precio: cualquier dato que impacte al negocio (disponibilidad de stock, límite de crédito de un cliente, condiciones comerciales especiales) debe ser manejado por código, no por el modelo. La IA conversa; la lógica del negocio ejecuta.

Caso: Collado Mármoles, siete variables, precio exacto

Collado Mármoles trabaja con piedra natural y sintética: mármol, travertino, granito, cuarzo, porcelanato. Su tarifa no es una lista de precios, es una matriz multidimensional.

El precio de cualquier cotización depende de:

• Material: Cada tipo tiene un precio base por m² distinto
• Espesor: 2cm / 3cm / 4cm, cada uno aplica un multiplicador sobre el precio base
• Metros cuadrados: Tarifa progresiva con descuento por volumen (>10m², >30m²)
• Acabado: Pulido, satinado, flameado, cepillado, costo de labor adicional por m²
• Tipo de borde: Recto, biselado 45°, redondo, doble biselado, tarifa en CLP por metro lineal
• Instalación: Si incluye, se suma la tarifa de mano de obra por m²
• Zona de despacho + urgencia: Zonas con costo de transporte diferenciado, más recargo por urgencia (+20% express, +40% urgente)

Una cotización estándar puede involucrar tres materiales distintos, con diferentes espesores y acabados, instalación parcial, y zona de despacho específica. Eso son decenas de cálculos concatenados.

El agente extrae estas siete variables en una conversación natural por WhatsApp. Una vez que tiene todo lo necesario, llama a la función de cálculo (que lee la tabla de precios real en Airtable y ejecuta las fórmulas exactas) y devuelve el número. El modelo recibe ese número, lo redacta en lenguaje natural, lo incorpora al PDF formal y lo envía por el mismo chat.

Resultado: el cliente recibe una cotización formal con membrete, número de folio y precio exacto. En menos de tres minutos. A cualquier hora del día.

El modelo no inventó ningún precio. La IA extrajo los parámetros; el código calculó.

Caso: ObraBox, disponibilidad como variable de precio

ObraBox arrienda maquinaria y contenedores modulares. La complejidad aquí tiene una dimensión adicional: la disponibilidad en tiempo real es parte de la cotización, no puedes confirmar precio sin confirmar stock.

Las variables de precio son:

• Tipo de equipo (contenedor 20ft / 40ft / HC / maquinaria específica)
• Duración del arriendo (diario / semanal / mensual / 3 meses: con tarifas por rango)
• Zona de entrega y distancia en kilómetros
• Si requiere grúa para la descarga (costo adicional fijo)
• Modificaciones al contenedor (eléctrico, climatización, estanterías)

Pero antes de confirmar el precio, el agente necesita verificar que el equipo solicitado está disponible en la fecha requerida. Eso no se puede “estimar” con un modelo, tiene que consultar la base de datos en tiempo real.

El flujo completo: la IA extrae todos los parámetros en conversación. El código consulta disponibilidad en Airtable. Si hay stock, corre el cálculo de precio y devuelve la cotización confirmada. Si no hay disponibilidad, la IA informa y ofrece alternativas, también de forma determinística, basándose en lo que sí está disponible según la misma consulta.

Resultados en los primeros 90 días post-implementación:

• -98% en tiempo de respuesta, de horas a segundos
• 73% de los leads recibieron cotización formal, sin intervención humana en el proceso
• +34% en ventas, más leads calificados llegando al ejecutivo con cotización en mano

La regla que define la arquitectura

Cuando diseño la arquitectura de un agente de cotización, aplico una sola pregunta a cada pieza de lógica:

¿El resultado de esta operación tiene impacto directo en el negocio?

• Si sí → código determinístico. Sin excepciones.
• Si no (es comunicación, interpretación, generación de texto) → IA conversacional.

Precio: código. Disponibilidad de stock: código. Datos del cliente que van al CRM: validación por código.

Cómo preguntar por los requerimientos: IA. Cómo manejar que el cliente no recuerde las medidas exactas: IA. Cómo comunicar que no hay disponibilidad y ofrecer alternativas: IA.

La flexibilidad del LLM es un activo cuando se aplica a comunicación. Cuando se aplica a los números del negocio, es un riesgo que no tiene sentido asumir, especialmente cuando resolverlo con código es relativamente simple.

Usamos el LLM donde se necesita discernimiento. Usamos código donde se necesitan números exactos.

Qué significa esto para tu Pyme

Si tu negocio tiene un proceso de cotización con más de tres variables (materiales, tiempos, zonas, condiciones) tu equipo comercial está dedicando horas a trabajo que código y una IA conversacional pueden hacer mejor, más rápido y sin errores.

El requisito para implementar esto no es tener un equipo de tecnología. Es tener claras las variables de precio y la lógica de tu negocio. Con eso, el agente se puede construir, y el equipo comercial puede dejar de hacer cálculos manuales para enfocarse en cerrar.

En Factor-AI implementamos este modelo en Pymes industriales y de servicios técnicos en Chile. Si quieres ver si aplica a tu operación, hacemos el diagnóstico sin costo antes de cualquier propuesta.

¿Quieres aplicar esto en tu empresa? Revisa nuestras Soluciones de IA para Pymes y descubre qué proceso automatizar primero.

Ver IA para Construcción y Materiales