Estaba en una finca del corredor Ambalá-Calambeo levantando datos de campo — conteos de flora, coordenadas para el mapa de trampas, notas de comportamiento en colmenas. El teléfono sin señal, el portátil guardado. Seis horas de trabajo limpio.
Cuando volví a la moto y recuperé conexión, había tres mensajes de WhatsApp sobre servicios del portafolio. Preguntas que el sitio debería haber podido responder. No lo hizo. Los tres contactos ya habían seguido buscando.
Ese día empecé a documentar cuántas veces pasaba lo mismo. El resultado en cuatro semanas: ocho consultas perdidas que mi página no pudo atender porque mi página era un archivo estático esperando que yo llegara a trabajar.
El diagnóstico: un folleto digital con muy buena presentación
El portafolio anterior tenía buen diseño, textos bien escritos y una estructura lógica. También era completamente inútil sin mí.
Si un visitante llegaba a la medianoche con una pregunta específica sobre el servicio de automatización — qué incluía, cuánto tomaba, si servía para su tipo de operación — el sitio le mostraba texto. El visitante tenía que leer, interpretar, deducir, y si todavía tenía dudas, esperar a que yo respondiera. En ese lapso, el 70% tomaba otra decisión.
El problema no era el diseño. Era la arquitectura de fondo: construida para mostrar, no para operar.
La mayoría de los sitios web de negocios tienen el mismo problema. No es un problema de estética ni de copy — es un problema de sistema. El sitio existe para satisfacer al dueño cuando lo ve en el computador, no para resolver las dudas del visitante cuando el dueño no está.
Lo que reemplazó al portafolio: cinco principios operativos
1. El sitio se ordena solo según quién llega
Tengo tres líneas de trabajo que no tienen mucho en común para alguien de afuera: automatización y datos, meliponicultura y proyectos rurales, carpintería y diseño de espacios. Si le muestro las colmenas a alguien que llegó buscando un ERP, lo pierdo en diez segundos. Si le muestro código a alguien que quiere diseño de muebles, igual.
Desde la primera pantalla, el sitio le pregunta al visitante desde dónde llega. Al elegir su perfil — empresa buscando eficiencia operativa, inversor evaluando proyectos, autodidacta buscando recursos — el sistema oculta lo que no le compete y sube a la primera pantalla lo que su cerebro vino a buscar.
No es personalización decorativa. Es una decisión de arquitectura de información que redujo el tiempo que los visitantes pasan buscando qué hacer en el sitio.
2. Datos en lugar de adjetivos
"Expertos en sostenibilidad" no le dice nada a nadie. "30% de reducción de consumo de agua en proyecto de riego tecnificado, finca de 12 hectáreas, Tolima" le dice algo específico a alguien que tiene ese problema.
La sección de proyectos no tiene texto narrativo sobre mis capacidades. Tiene paneles con métricas reales: porcentajes de ahorro, número de nodos instalados, retornos documentados, tiempos de implementación. Si el dato no es medible o no lo puedo verificar, no lo publico.
Esto tiene un costo: hay proyectos que no puedo mostrar porque el cliente no autorizó los números. En esos casos, la ficha dice exactamente eso — "datos bajo acuerdo de confidencialidad" — en lugar de inventar una descripción vaga.
3. Un asistente que no inventa respuestas
Integré un asistente virtual conectado directamente a mis bases de datos de servicios, precios y disponibilidad. La diferencia con un chatbot genérico de IA es que este no tiene acceso a conocimiento general — solo al catálogo real, actualizado.
Si alguien le pregunta cuánto cuesta el servicio de automatización de flujos con n8n, extrae el precio vigente, el tiempo estimado de implementación y las condiciones. Si pregunta algo que no está en la base de datos, dice que no tiene esa información y sugiere el canal de contacto directo.
Eso segundo fue difícil de calibrar. Los primeros prototipos del asistente respondían preguntas fuera de su base de conocimiento con información genérica bien redactada. Parecía útil pero era riesgo: si el asistente inventaba un precio o una condición, yo terminaba comprometido con algo que no había pactado. El sistema actual tiene un límite explícito de dominio — responde solo lo que sabe con certeza.
4. Nudges conductuales — reducir la fricción en el punto de decisión
Hay un momento específico en que los visitantes abandonan un sitio de servicios: cuando perciben que el paso siguiente es difícil, costoso o incierto. En mi caso era la sección de proyectos grandes — alguien interesado en automatización empresarial veía el alcance y concluía que estaba fuera de su presupuesto sin siquiera preguntar.
El sitio detecta ese patrón de comportamiento y ofrece un atajo: no el proyecto completo, sino una versión modular de entrada — un diagnóstico, un flujo piloto, un recurso descargable. El visitante no abandona frustrado; encuentra una puerta de menor fricción hacia el mismo destino.
Esto no es manipulación — es eliminar la brecha entre el interés y la acción. El nudge no empuja hacia algo que el visitante no quiere; le quita el obstáculo que le impedía llegar a donde ya quería ir.
5. Lo que este sistema no resuelve
Este es el principio más importante y el que más incomoda a la gente cuando lo lee.
La automatización y la IA no hacen milagros con procesos desordenados. Si tu proceso de atención al cliente es caótico, el sistema automatiza ese caos — más rápido y a mayor escala. Si tu modelo de negocio tiene agujeros de lógica financiera, ningún dashboard va a taparlos; solo los va a hacer más visibles.
Llevo esto explícito en el sitio porque aprendí la diferencia a costo propio. Entré a proyectos donde el cliente esperaba que la tecnología resolviera problemas que eran de proceso o de cultura organizacional. Esos proyectos terminan mal para los dos lados.
Antes de cualquier diagnóstico, el sitio le pregunta al visitante tres cosas concretas sobre cómo funciona su operación hoy. Si las respuestas indican que primero hay un problema de proceso que resolver, lo digo antes de cotizar.
El resultado después de seis meses en producción
Tres métricas que decidí rastrear desde el inicio:
- Consultas respondidas sin intervención directa: pasé de 0% a aproximadamente 65% de las preguntas iniciales atendidas por el asistente sin que yo interviniera.
- Tiempo entre consulta y primera respuesta: de un promedio de 4 horas (tiempo en que yo revisaba el teléfono) a menos de 2 minutos.
- Calidad de leads que llegan a diagnóstico: los prospectos que agendan una llamada ahora llegan con contexto — saben qué ofrezco, han visto los precios de referencia, entienden el proceso. La llamada de diagnóstico tarda 30 minutos en lugar de 90.
Lo que no mejoró: la tasa de conversión de visitantes fríos a prospectos. Ese número sigue dependiendo de cómo llega el tráfico al sitio y de si el problema que tienen corresponde a lo que ofrezco. El sistema no genera demanda donde no existe — filtra y atiende la que ya existe.
Lo que haría diferente si lo empezara hoy
El asistente tardó tres iteraciones en tener un límite de dominio claro. En las primeras versiones, el modelo respondía bien — demasiado bien — más allá de su base de conocimiento. Empezaría con el límite restrictivo desde el día uno y lo iría ampliando con evidencia, no al revés.
El sistema de filtrado por perfil también asumió que los visitantes saben cuál de los tres perfiles son. En la práctica, un porcentaje relevante no se identifica con ninguna categoría clara — son híbridos. Eso requirió una cuarta opción que no estaba en el diseño original: "todavía estoy explorando".
Lo que esto implica para tu negocio
Una pregunta directa antes del cierre: ¿tu sitio web puede responder las cinco preguntas más frecuentes que te hacen por WhatsApp, a las 10 PM un martes?
Si la respuesta es no, tienes un sistema que depende de ti para funcionar. Eso no es necesariamente malo — hay negocios donde la presencia humana es el diferenciador y automatizarla sería un error. Pero si lo que te impide responder a las 10 PM no es una decisión estratégica sino simplemente que no estás disponible, eso es un problema de arquitectura que tiene solución.
¿Tienes un proceso que ya mapeaste y que podría automatizarse? Por ahí empezaría la conversación.
Nodos relacionados:
- Cómo funciona el asistente conectado a bases de datos reales (sin alucinaciones)
- Protocolo de orquestación de IA — el stack que corre detrás del sitio
- Nudge design: los cinco patrones conductuales que usé y cuáles funcionaron