> Por qué falla un agente de IA que responde cada fragmento, y cómo Vatio agrupa mensajes, espera audios y fotos y adapta el ritmo de respuesta a cada canal. # Conversaciones fluidas Una conversación fluida es una en la que el agente de IA responde lo que la persona quiso decir, no cada mensaje a medida que llega. La gente escribe en fragmentos, manda audios y después agrega una foto, y un agente que responde cada fragmento contesta preguntas que nadie terminó de hacer. Vatio agrupa los mensajes que llegan juntos, espera un momento de silencio y los medios que todavía se están procesando, mantiene todo en el orden en que se envió y da a la respuesta el ritmo de cada canal. Tú describes el agente en un archivo `vatio.yml`; el runtime hace el resto en WhatsApp, Instagram y la web. ## Cómo escribe la gente de verdad Nadie le escribe a un negocio en un párrafo ordenado. Alguien dice «hola», explica el problema en dos mensajes, manda un audio porque escribir es lento y después agrega una foto. Para esa persona es un solo turno de la conversación. Para un sistema que trata cada mensaje entrante como una solicitud, son cuatro solicitudes, y cada una recibe una respuesta. ## Por qué falla responder cada fragmento Este es el mismo cliente dos veces. Primero, con un agente que responde cada mensaje apenas llega: > **Cliente:** hola > > **Agente:** ¡Hola! ¿En qué te puedo ayudar hoy? > > **Cliente:** me llegó hoy la lámpara que pedí > > **Agente:** ¡Qué bueno que llegó! ¿Hay algo más en lo que te pueda ayudar? > > **Cliente:** la base viene quebrada > > **Agente:** Lo siento mucho. ¿Me envías tu número de pedido para iniciar un reembolso? > > **Cliente:** *(foto de la base quebrada)* > > **Cliente:** es el 4471. prefiero que me la cambien antes que un reembolso Tres respuestas, y cada una contestó una pregunta que todavía no existía. El agente celebró una entrega que en realidad era un reclamo, pidió un número de pedido que el cliente estaba a punto de dar y ofreció un reembolso a alguien que quería un cambio. Cada una de esas respuestas también fue una llamada al modelo, a veces una llamada a una tool, gastada en media pregunta. En WhatsApp se siente como que te interrumpen tres veces mientras explicas. El mismo cliente, con un agente que corre en Vatio: > **Cliente:** hola > > **Cliente:** me llegó hoy la lámpara que pedí > > **Cliente:** la base viene quebrada > > **Cliente:** *(foto de la base quebrada)* > > **Cliente:** es el 4471. prefiero que me la cambien antes que un reembolso > > **Agente:** Lo siento, en la foto se ve la base quebrada. > > **Agente:** El pedido 4471 se puede cambiar. Ya lo solicité: la lámpara nueva va con una etiqueta prepagada para devolver la rota. Los mensajes llegaron seguidos, así que Vatio los trató como un solo turno. Esperó a que la foto terminara de descargarse, el agente hizo una llamada a la tool de la tienda que revisa un pedido y solicita el cambio, y la respuesta salió en dos mensajes cortos con indicadores de escritura entre ellos. ## Qué pasa entre un mensaje y la respuesta ### Los fragmentos se agrupan y Vatio espera un momento de silencio Vatio agrupa los mensajes que llegan juntos y espera un período de silencio antes de generar una respuesta. El agente recibe la pregunta completa y el cliente tiene espacio para explicarse. La espera es un período de silencio, no adivinación: si alguien se detiene lo suficiente, recibe la respuesta a lo que ya envió, y lo que agregue después es el turno siguiente. Esa espera es para WhatsApp e Instagram, donde la gente escribe en ráfagas y las respuestas salen como mensajes con pausas. En la web, en una app iOS y en el CLI el agente empieza a responder de inmediato, y un mensaje que llega mientras responde también recibe respuesta. ### Se esperan los medios que todavía vienen en camino Un audio hay que descargarlo y transcribirlo; una foto o un PDF hay que descargarlo antes de que el modelo lo pueda leer. Vatio espera los adjuntos que todavía se están descargando o procesando en vez de responder el texto que llegó junto a ellos. Las imágenes, audios y PDF compatibles de hasta 8 MB por archivo le llegan al agente. Lo que no es compatible o pesa más queda disponible para los supervisores en el inbox, y el agente recibe un aviso de que no puede leerlo. ### Los mensajes mantienen el orden en que se enviaron Un audio puede tardar más en procesarse que el texto enviado después. Vatio conserva el momento de envío de cada mensaje, muestra la conversación en el orden en que ocurrió y comprueba si hay mensajes en tránsito antes de responder. El agente no lee «es el 4471» antes del audio que explicaba de qué se trata el 4471. ### Las respuestas van al ritmo del canal | Canal | Cómo llega una respuesta | |---|---| | WhatsApp e Instagram | Mensajes cortos de texto plano, con pausas e indicadores de escritura | | Widget web | Una respuesta completa en Markdown, que se muestra de forma progresiva | | CLI | De una vez, apenas está lista | Son estilos de entrega, no agentes distintos. Escribes un solo conjunto de instrucciones y Vatio se encarga de la mecánica de cada canal. En todos los canales la respuesta es texto: el agente lee medios, pero no genera ni envía archivos. ### Una persona puede entrar, en el mismo hilo Cuando un supervisor responde desde el inbox, o desde la app de WhatsApp Business en tu propio número, Vatio pausa al agente en esa conversación y mantiene todo el historial en el mismo hilo, así que nadie empieza de cero. El supervisor la devuelve desde el inbox, o el traspaso vence 8 horas después del último mensaje del cliente. El agente también puede pedir una persona cuando declaras [`handoff`](https://vatio.ai/docs/handoff); Vatio todavía no notifica a nadie, así que la conversación queda en espera en el inbox. ## Lo que Vatio no puede saber WhatsApp no le avisa a nadie que una persona empezó a grabar un audio: la Cloud API no expone una señal de inicio de grabación. Vatio conoce el audio cuando llega el mensaje enviado, y desde ese momento puede esperar mientras el archivo se descarga y se transcribe. Anticipar un mensaje que todavía no se envía solo se puede inferir a partir del contexto y de los tiempos observados. ## La espera por persona está en desarrollo Algunas personas mandan todo en un mensaje; otras necesitan cuatro audios. Lo ideal sería que la espera aprendiera el ritmo de cada persona. **Eso no está disponible hoy.** Por ahora la espera depende del estilo de respuesta del canal y de si hay medios en procesamiento. Vatio está incorporando mediciones de intervalos entre mensajes, tipos de adjunto y tiempos de respuesta. Son la base para calibrar la espera y, más adelante, adaptarla a cada persona. Mientras eso no exista, nada en tu agente debería depender de ello. ## El fulfillment de una conversación Una tienda online decide qué vende y qué les promete a sus clientes. Un proveedor de fulfillment prepara y despacha cada pedido. La experiencia del comprador depende de ambos, y ninguno hace el trabajo del otro. Con un agente pasa lo mismo. Tú decides qué puede hacer, qué sistemas consulta y qué acciones ejecuta. Vatio se ocupa de la operación que rodea esas decisiones: recibir mensajes, reunir contexto, gestionar medios, entregar respuestas y coordinar la atención humana. Eso es lo que llamamos fulfillment conversacional: cuidar todo el recorrido desde lo que el cliente envía hasta la respuesta que recibe. ## Qué construyes tú y qué opera Vatio | Tú construyes | Vatio opera | |---|---| | Instrucciones y personalidad | Recibir mensajes en WhatsApp, Instagram y la web | | Tools que llaman a tu API | Agrupar fragmentos y esperar un momento de silencio | | Entradas de conocimiento | Esperar audios, imágenes y PDF | | Condiciones de `handoff` | Orden de envío, ritmo e indicadores de escritura | | Qué tools requieren un visitante autenticado | Verificar tokens de visitantes, salvaguardas, el inbox y el traspaso | | | Deployments de preview y live, y rollback | Nunca escribes un buffer, un manejador de webhooks ni un indicador de escritura. Lo que sí sigue siendo tuyo es que la respuesta sea correcta: la calidad depende de tus instrucciones, tools y conocimiento, y para eso está el [ciclo de mejora](/es/guias/mejorar-tu-agente-de-ia). ## Escribe para cómo llega la conversación Algunas decisiones en `vatio.yml` trabajan a favor del runtime y no en contra: - **Pide brevedad.** Una personalidad como «breve, mensajes cortos» encaja con la entrega pausada de WhatsApp e Instagram; un bloque de texto largo llega como muchos mensajes. - **Responde el turno completo.** Como los fragmentos llegan juntos, dile al agente que atienda todo lo que el cliente planteó, no solo su último mensaje. - **No pidas lo que ya se envió.** «Revisa la conversación y cualquier foto o audio antes de pedir un número de pedido» ahorra una vuelta. - **Nunca prometas un archivo.** El agente lee medios pero responde solo con texto, así que las instrucciones nunca deberían ofrecer un PDF, una imagen ni una respuesta en audio. ## Pruébalo como escribe la gente `vatio chat` responde apenas la respuesta está lista, así que prueba lo que el agente dice, no cómo lo entrega. Para ver la agrupación y el ritmo, usa un canal real: agrega tu teléfono como número de prueba en el número compartido de preview de WhatsApp, sin cuenta de Meta, como muestra la [guía de WhatsApp](/es/guias/agente-ia-para-whatsapp). Después manda lo que mandan los clientes: «hola», dos frases a medias, un audio, una foto. Abre la conversación en el inbox, o léela con `vatio chat show CHAT_ID` para ver cada llamada a tools que hizo el agente. ## Preguntas frecuentes ### ¿Por qué mi bot de WhatsApp responde cada mensaje por separado? Porque trata cada mensaje entrante como una pregunta completa. La gente escribe en fragmentos, así que un bot que responde cada uno contesta medias preguntas. Vatio agrupa los mensajes que llegan juntos y espera un momento de silencio antes de generar una sola respuesta. ### ¿Vatio sabe cuándo alguien está grabando un audio en WhatsApp? No. WhatsApp Cloud API no expone una señal de inicio de grabación. Vatio conoce el audio cuando llega el mensaje enviado, y desde ahí puede esperar mientras se descarga y se transcribe. Anticipar un mensaje que todavía no se envía solo se puede inferir del contexto y de los tiempos. ### ¿La espera se adapta a cómo escribe cada persona? Todavía no. La espera adaptada a cada persona está en desarrollo y no está disponible. Hoy la espera depende del estilo de respuesta del canal y de si hay medios en procesamiento; Vatio está incorporando mediciones de intervalos entre mensajes, tipos de adjunto y tiempos de respuesta como base para adaptarla más adelante. ### ¿Tengo que programar yo el buffer y la entrega de mensajes? No. Agrupar mensajes, esperar los medios, mantener el orden de envío y dar ritmo a las respuestas son parte del runtime de Vatio. Tú describes el agente, sus tools y su conocimiento en vatio.yml. ### ¿Qué pasa con la conversación cuando una persona la toma? Vatio pausa al agente en esa conversación y mantiene todo el historial en el mismo hilo, así que el cliente nunca empieza de cero. Un supervisor la toma respondiendo desde el inbox o desde la app de WhatsApp Business, y la devuelve desde el inbox al terminar.