Proyectos a medida para tiendas online que necesitan más que un chatbot estándar: agentes IA con acceso a catálogo, OMS, ERP, CRM y herramientas internas. Arquitectura RAG, integración custom y SLA enterprise.
Tiendas con ERP, OMS, PIM, marketplaces multi-país y reglas de negocio complejas necesitan un asistente IA diseñado a medida — no una plantilla genérica.
Si tu e-commerce mueve más de 1-2 millones de € anuales y tienes un stack medio-complejo (ERP, OMS, WMS, PIM, marketplaces, integración con marketplaces tipo Amazon/Carrefour, varias tiendas/marcas, multi-país, B2B+B2C), un chatbot "de catálogo" estándar se queda corto rápido. El bot necesita razonar sobre datos de fuentes distintas, ejecutar acciones que cruzan sistemas (un cambio en una devolución toca OMS, WMS, ERP y CRM), y mantener trazabilidad para auditoría.
TimeStack desarrolla asistentes IA a medida para e-commerce enterprise. Trabajamos con arquitectura RAG (Retrieval-Augmented Generation) sobre tu catálogo, documentación interna, históricos de tickets y guías de producto. El bot no "adivina": busca el dato exacto en tu fuente de verdad, lo cita y razona sobre él. Esto es crítico para evitar alucinaciones — un chatbot estándar que se inventa una talla, un plazo o un descuento genera más fricción que la que ahorra.
Las integraciones que entregamos van más allá de las plataformas estándar: SAP S/4HANA, Microsoft Dynamics 365, Odoo, Holded, Sage, Salesforce Commerce Cloud, Adobe Commerce (Magento) Enterprise, BigCommerce Enterprise, Shopify Plus con Functions/Scripts custom, headless commerce sobre cualquier stack (Next.js, Remix, Vue/Nuxt, custom React Native). El bot consume APIs internas, no APIs públicas de scraping.
Pipeline de ingesta (embeddings + reranking), vector DB (Pinecone, Qdrant, pgvector), recuperación filtrada por permisos y citaciones. El bot dice de dónde sale cada dato.
SAP, Dynamics, Odoo, Holded, Sage. El bot consulta stock real (no caché), abre devoluciones en el OMS, valida descuentos contra reglas del ERP.
Web, WhatsApp Business API, voz (telefonía con SIP), app móvil nativa (React Native / iOS / Android SDK), marketplaces (Amazon, Carrefour) con bandeja unificada.
El bot atiende en idioma del usuario y devuelve producto desde la versión traducida del catálogo (sin alucinar SKUs ni precios).
Monitorización con OpenTelemetry, logs trazables, métricas de latencia P50/P99, tasa de hallucination, escalado a humano y reentrenamiento periódico.
Logging GDPR-compliant, anonymización PII, derechos del interesado, IA Act categorización de uso y transparencia explícita ("hablas con un asistente IA").
Un chatbot de plantilla usa un prompt genérico sobre OpenAI/Anthropic y un widget de chat. Sirve para tiendas estándar de hasta 1-2 millones de €. Un asistente IA a medida diseña: (1) arquitectura RAG sobre tus datos reales — catálogo, documentación, históricos —, (2) integraciones con tu ERP/OMS/CRM vía APIs internas, (3) flujos de acción multi-sistema (devolución que toca OMS + ERP + CRM), (4) observabilidad enterprise (logs, métricas, alarmas), y (5) cumplimiento regulatorio explícito (RGPD + AI Act). Necesario cuando tu negocio depende de la fiabilidad del bot.
ERP: SAP S/4HANA, SAP Business One, Microsoft Dynamics 365, Odoo, Holded, Sage 200, A3 ERP. OMS: Brightpearl, NetSuite, Linnworks, Mirakl marketplace OMS, Sendcloud, Shipheroo, Logiwa WMS. CRM: HubSpot, Salesforce, Pipedrive, ActiveCampaign, Klaviyo, Zendesk. PIM: Akeneo, Pimcore, Salsify, inRiver. Marketplaces: Amazon (SP-API), Carrefour, El Corte Inglés Plus, Worten, Miravia. Si usas algo distinto lo evaluamos en el discovery (~1 semana).
Cuatro mecanismos en producción: (1) RAG con citación obligatoria — el LLM solo responde con dato recuperado, si no recupera dice "no encuentro información sobre eso"; (2) function calling estricto — para acciones (devoluciones, cambios de pedido) el LLM solo puede invocar funciones tipadas con validación de inputs; (3) reranking semántico tras la recuperación para subir el dato relevante al top; (4) evaluaciones automáticas en CI con dataset de preguntas conocidas y golden answers — si la tasa de error sube en un release, no se despliega.
Discovery + arquitectura: 3.000-6.000 € (2-4 semanas, no se factura si decides no continuar). Implementación: desde 9.000 € hasta 60.000-120.000 € para proyectos enterprise complejos (multi-país, multi-marca, ERP+OMS+PIM custom). Mantenimiento y operación: desde 1.500 €/mes (proyecto medio) hasta 6.000-15.000 €/mes (enterprise con SLA 99.9% y observabilidad).
Discovery: 2-4 semanas. MVP en producción con un canal y un caso de uso: 6-8 semanas desde el discovery. Versión enterprise multi-canal multi-país con todas las integraciones: 4-6 meses, en sprints de 2 semanas. Trabajamos siempre con go/no-go al final de cada fase para que el proyecto se pueda parar si los resultados no acompañan.
Te hacemos una auditoría gratuita de 30 minutos: analizamos tu tienda, tu tráfico, tu conversión actual y te entregamos un plan concreto con qué automatizar primero y qué ROI esperar.
Solicitar auditoría gratuita