> ## Documentation Index > Fetch the complete documentation index at: https://docs.whaapy.com/llms.txt > Use this file to discover all available pages before exploring further. # Agente IA de Whaapy > Cómo funciona el agente de Whaapy en conversaciones reales de WhatsApp # Agente IA de Whaapy El agente IA de Whaapy atiende conversaciones de WhatsApp usando la configuración, conocimiento, herramientas y límites que definas para tu negocio. Su trabajo no es solo contestar mensajes. Su trabajo es sostener una conversación útil sin perder control operativo: responder cuando debe, callarse cuando interviene una persona, usar fuentes correctas y ejecutar acciones solo cuando están habilitadas. Si quieres entender la base del motor nuevo, lee primero [colme-2](/concepts/colme-2). Si quieres configurar el comportamiento, empieza por [Control](/guides/agent-control). *** ## Flujo de una conversación Cuando un cliente escribe por WhatsApp, Whaapy evalúa el estado de la conversación antes de permitir que la IA responda. ```mermaid theme={null} flowchart TD inbound["Mensaje del cliente"] --> control["Revisar Control"] control --> allowed{"La IA puede responder"} allowed -->|"No"| stopNode["No responder"] allowed -->|"Si"| context["Preparar contexto"] context --> knowledge["Consultar Knowledge"] context --> tools["Usar Tools si hace falta"] context --> subagents["Delegar a Subagents si aplica"] tools --> response["Generar respuesta"] knowledge --> response subagents --> response response --> whatsapp["Enviar por WhatsApp"] ``` Este flujo evita que el agente responda a ciegas. Primero revisa si está habilitado, si hay una pausa activa, si un humano tomó control o si la conversación tiene reglas particulares. *** ## Qué configura el comportamiento El agente no depende de una sola caja de texto. Está compuesto por varias capas: | Capa | Qué define | | ----------- | ----------------------------------------------------------------------------------- | | `Control` | Cuándo responde, cuándo se pausa, cómo hace handoff y cómo maneja respuestas largas | | `Knowledge` | Qué sabe del negocio: documentos, políticas, FAQs, servicios, precios y procesos | | `Tools` | Qué acciones puede ejecutar o consultar dentro de Whaapy | | `Subagents` | Qué tareas especializadas puede delegar a agentes más enfocados | | `MCPs` | Qué sistemas externos puede conectar como capacidades estructuradas | Separar estas capas hace que el agente sea más fácil de mantener. El prompt principal no tiene que cargar con todo. *** ## Qué pasa con varios mensajes seguidos En WhatsApp, una persona puede escribir así: ```text theme={null} Hola Quiero una cita El martes si se puede En la tarde ``` Si la IA respondiera a cada línea, la experiencia sería torpe. Con `colme-2`, puedes configurar batching para que el agente espere una ventana corta y responda al bloque completo. Eso mejora tres cosas: * evita respuestas prematuras * reduce ruido en la conversación * permite entender mejor la intención completa del cliente El batching puede agregar una pequeña espera antes de la respuesta. Es normal: el objetivo es responder mejor, no contestar a mitad de una idea. *** ## Cómo convive con humanos El agente debe poder operar junto a tu equipo. Casos comunes: * un vendedor toma la conversación * soporte necesita revisar un caso sensible * un flujo externo envía una actualización * el cliente pide hablar con una persona * una automatización interna o externa responde desde Whaapy, n8n, Zapier o tu CRM Para eso existen controles de pausa, apagado por conversación, handoff y control desde la API. La IA deja de responder durante un tiempo y se reactiva después. La IA queda desactivada para una conversación específica. La conversación pasa a una persona o equipo humano. Tus integraciones pueden pausar o desactivar la IA. Ver [Agente IA](/api-reference/agent/overview) y [Control por Conversación](/api-reference/conversations/ai-control) para hacerlo desde API. Si quieres coordinar reglas del dashboard con la IA, revisa [Automations e IA](/guides/automations/ai-handoff). *** ## Memoria y conocimiento El agente puede usar dos tipos de contexto: * **Contexto conversacional**: lo que ha pasado en la conversación. * **Knowledge del negocio**: documentos, instrucciones, FAQs, catálogos simples y políticas que tú le das. No conviene meter todo en el prompt principal. Usa `Knowledge` para información que el agente debe consultar y usa `Control` para reglas operativas. Ejemplos de buena knowledge: * horarios de atención * políticas de cambios y devoluciones * servicios ofrecidos * preguntas frecuentes * instrucciones de atención * documentos comerciales * condiciones por sucursal o zona Ejemplos que normalmente convienen como tool o integración: * inventarios vivos * disponibilidad de agenda en tiempo real * estados de pedido * precios que cambian cada hora * datos privados de clientes *** ## Qué esperar del agente El agente puede hacer mucho, pero sigue siendo una automatización configurada por tu negocio. | Espera esto | No esperes esto | | --------------------------------------------------- | ---------------------------------------------- | | Respuestas consistentes basadas en tu configuración | Que adivine políticas que no documentaste | | Uso de tools habilitadas | Acceso automático a sistemas no conectados | | Pausas y handoff según reglas | Que ignore siempre al humano sin configuración | | Mejor manejo de conversaciones largas | Memoria perfecta e infinita de todo | | Acciones controladas | Permisos ilimitados sobre tu operación | La calidad del agente depende de tres cosas: configuración clara, knowledge limpia y tools bien acotadas. *** ## Siguiente paso Configura el agente en este orden: Define cuándo puede responder la IA y cómo se comporta con humanos. Ver [Control](/guides/agent-control). Sube información útil y mantenible para que el agente responda con contexto. Ver [Knowledge](/guides/agent-knowledge). Conecta acciones o sistemas externos solo cuando el agente necesite operar, no solo conversar. Ver [Tools](/guides/agent-tools) y [MCPs](/guides/agent-mcps). Divide tareas complejas en subagentes especializados cuando el prompt principal empiece a crecer demasiado. Ver [Subagents](/guides/agent-subagents).