Checklist de auditoría de la memoria de un asistente de IA en WhatsApp: qué recuerda, qué olvida y cómo verificarlo
Cuando un asistente de IA atiende WhatsApp, la memoria es lo que decide si el cliente siente que lo conocen o que le preguntan tres veces lo mismo. El problema es que "memoria" no es una sola cosa: hay contexto dentro de una conversación, datos que quedan guardados en el contacto, y algo que el asistente aprendió de respuestas anteriores. Si no separás esas capas, no podés auditar nada. Este checklist ordena las pruebas por etapa y te dice, en cada una, cómo saber que está bien.
La auditoría se hace sobre el comportamiento observable: qué responde el asistente, qué queda escrito en la ficha del contacto y qué pasa cuando cambia el turno de quien atiende. No hace falta acceso al código ni a la configuración interna. Si algo no se puede ver desde afuera, no es auditable y no sirve como prueba.
Antes de empezar: separá las tres capas de memoria
La mayoría de las auditorías falla porque mezcla tres cosas distintas y después no sabe qué arreglar. Antes de correr cualquier prueba, dejá en claro cuál estás midiendo.
- Memoria de sesión: lo que el asistente recuerda dentro de una misma conversación. Si el cliente dijo "busco un turno para el jueves" y tres mensajes después el asistente pregunta "¿qué día te queda cómodo?", la memoria de sesión falló.
- Memoria de contacto: lo que queda guardado en la ficha del cliente y sobrevive al cierre de la conversación. Nombre, etiquetas, último pedido, preferencias declaradas.
- Memoria aprendida: lo que el asistente incorporó de las respuestas reales del equipo y ahora sugiere distinto. No se audita leyendo una conversación: se audita comparando sugerencias de la misma situación en dos momentos distintos.
Si tu asistente no distingue estas capas, la auditoría igual sirve: el resultado va a ser que todo se comporta como memoria de sesión y nada persiste. Ese ya es un hallazgo.
Etapa 1: auditoría de la memoria de sesión
Se prueba con una sola conversación, sin cerrarla. El objetivo es ver si el asistente mantiene el hilo cuando el cliente da información en cuotas, cambia de tema y vuelve, o escribe en varios mensajes seguidos.
Corré cada prueba en una conversación nueva para no contaminar el resultado con el historial previo.
| Prueba | Cómo se ejecuta | Señal de que está OK |
|---|---|---|
| Dato en cuotas | El cliente da el dato repartido en tres mensajes (por ejemplo, producto, cantidad y zona en mensajes separados). | El asistente arma la consulta completa sin volver a pedir lo ya dicho. |
| Cambio de tema y vuelta | Se pregunta por un tema, se cambia a otro durante cuatro o cinco mensajes y se retoma el primero. | El asistente retoma el hilo anterior sin reiniciar el saludo ni pedir los datos de nuevo. |
| Corrección del cliente | El cliente corrige un dato que ya había dado ("no, al final son dos y no tres"). | La sugerencia siguiente usa el dato corregido, no el original. |
| Mensajes partidos | El cliente escribe una idea en tres mensajes cortos seguidos, sin esperar respuesta. | El asistente responde una vez, considerando los tres mensajes, y no tres veces por separado. |
| Audio largo | El cliente manda un audio con dos pedidos distintos adentro. | La respuesta contempla los dos pedidos, no sólo el último mencionado. |
Si la memoria de sesión falla en la prueba de mensajes partidos, el problema suele ser de tiempos de espera, no de memoria. Si falla en cambio de tema y vuelta, el problema es de contexto: el asistente está mirando sólo el último mensaje. Son dos arreglos distintos y conviene no confundirlos.
Etapa 2: auditoría de la memoria de contacto
Acá se prueba qué sobrevive cuando la conversación se cierra y el cliente vuelve días después. Es la capa que más impacta en la sensación de "me conocen" y la que más rápido se degrada si nadie la revisa.
El paso 6 es el que casi nadie hace y el que detecta el problema más caro: datos de un cliente apareciendo en la conversación de otro.
- 1Elegí un contacto de prueba y dale un dato distintivo: un nombre poco común, una preferencia concreta, una zona.
- 2Cerrá la conversación y esperá al menos un día.
- 3Escribí de nuevo desde el mismo número, sin repetir el dato.
- 4Verificá si el asistente lo usa o si arranca de cero.
- 5Revisá la ficha del contacto: ¿el dato quedó guardado como etiqueta o campo, o sólo vivía en el contexto de la charla?
- 6Repetí con un segundo contacto que tenga un dato parecido, para ver si los mezcla.
| Qué se revisa | Cómo saber que está bien | Qué hacer si falla |
|---|---|---|
| Persistencia del nombre | El asistente lo usa al retomar, sin preguntarlo otra vez. | Revisar si el nombre se está guardando como campo del contacto o sólo se lee del historial reciente. |
| Persistencia de preferencias | Una preferencia declarada hace una semana sigue vigente en la sugerencia. | Definir qué preferencias vale la pena guardar y en qué campo; no todo lo que dice un cliente es un dato estable. |
| Aislamiento entre contactos | Dos contactos con datos parecidos reciben respuestas que no se cruzan. | Es el hallazgo más grave: pausar la automatización de esa bandeja hasta revisar cómo se arma el contexto. |
| Datos viejos | Un pedido de hace meses no aparece como si fuera actual. | Definir una ventana de vigencia para los datos de contacto y revisarla. |
| Etiquetas coherentes | Las etiquetas del contacto reflejan lo que pasó, no lo que se dijo una vez. | Acordar quién etiqueta y con qué criterio; una etiqueta mal puesta contamina todas las sugerencias futuras. |
Etapa 3: auditoría de la memoria aprendida
Un asistente que aprende de las respuestas reales del equipo mejora con el uso, pero eso también significa que puede aprender algo mal. Esta etapa no se audita con una conversación: se audita comparando.
- Elegí tres situaciones repetitivas de tu negocio: un pedido de precio, una consulta de stock y un reclamo típico.
- Guardá la sugerencia que el asistente da hoy para cada una, con la fecha.
- Esperá dos o tres semanas de uso normal, con el equipo aprobando respuestas.
- Volvé a pedir las mismas tres situaciones y compará.
- Si la sugerencia cambió, revisá si cambió para mejor: más específica, más corta, más alineada al tono del negocio.
- Si no cambió nada en tres semanas, el aprendizaje no está ocurriendo y conviene revisar si el equipo está aprobando o corrigiendo respuestas.
El aprendizaje se alimenta de las respuestas que el equipo aprueba o corrige. Si el equipo aprueba todo con un click sin leer, el asistente aprende lo que ya hacía y no mejora. La auditoría de memoria aprendida es, en el fondo, una auditoría de cómo usa el equipo la herramienta.
Etapa 4: auditoría del traspaso entre agentes y turnos
La memoria tiene que sobrevivir al cambio de persona. Si el cliente habló a la mañana con una persona y a la tarde con otra, el asistente no puede hacer que el cliente repita todo. Esta etapa se corre en el cambio de franja, no en horario comercial pleno.
Si el traspaso falla sólo en el cambio de franja, el problema está en cómo se cierra la conversación al terminar el turno, no en la memoria.
| Prueba | Cómo se ejecuta | Señal de que está OK |
|---|---|---|
| Traspaso entre agentes | Un agente atiende la primera parte; otro retoma después. | El segundo agente ve el resumen y las sugerencias usan lo ya conversado. |
| Cambio de franja | El cliente escribe fuera de horario y retoma al día siguiente. | El asistente retoma el hilo y no reinicia con el saludo automático. |
| Auto-respuesta por horario | El cliente escribe de noche y vuelve a escribir a la mañana. | La auto-respuesta no borra el contexto: el primer mensaje del día siguiente ya lo tiene en cuenta. |
| Cliente que vuelve por otro tema | El mismo contacto consulta por algo distinto semanas después. | El asistente distingue la consulta nueva del historial viejo y no mezcla los dos pedidos. |
Qué hacer cuando algo falla
No todos los fallos se arreglan igual. Antes de tocar configuración, identificá en qué capa está el problema, porque el mismo síntoma puede venir de lugares distintos.
- Si el asistente repite preguntas dentro de la misma conversación: es memoria de sesión. Revisá cuántos mensajes de historial se están pasando como contexto. Si son muy pocos, el asistente no ve lo que dijo antes.
- Si el asistente recuerda bien pero el cliente siente que lo tratan de nuevo: es memoria de contacto. El dato existe pero no se está usando en la sugerencia.
- Si dos clientes reciben información cruzada: pará la automatización de esa bandeja y revisá cómo se arma el contexto por contacto. Es el único caso que justifica frenar todo.
- Si el asistente aprendió algo que no querés que diga: revisá qué respuestas se aprobaron en el período. El aprendizaje viene de ahí, no de la configuración.
- Si el asistente no aprende nada: revisá si el equipo está corrigiendo sugerencias o aprobando todo sin leer.
- Si el problema aparece sólo con audios: revisá la transcripción antes que la memoria. Un audio mal transcripto genera un dato mal guardado.
Los tiempos de resolución varían según el caso y dependen de qué capa esté fallando. Si después de revisar las tres capas el problema sigue, conviene escalar con el ejemplo concreto: número de contacto, horario y captura de la conversación. Sin eso, cualquier diagnóstico es a ciegas.
Cada cuánto repetir esta auditoría
Una auditoría de memoria no es un evento único. El asistente cambia cuando cambia el equipo, cuando cambian los productos y cuando cambia el volumen de mensajes. Una cadencia razonable:
- Semanal: revisar tres conversaciones al azar y chequear que el asistente no repita preguntas.
- Mensual: correr la prueba de persistencia de contacto con dos o tres clientes nuevos.
- Trimestral: repetir las tres situaciones de la etapa de memoria aprendida y comparar con la medición anterior.
- Cada vez que entra un agente nuevo: correr la prueba de traspaso, porque es la que más se rompe con gente nueva.
- Cada vez que cambia el catálogo o los precios: revisar que los datos viejos no sigan apareciendo como vigentes.
Si usás Wando, la bandeja con sugerencias de IA que aprende de las respuestas reales del equipo es justamente el lugar donde se ve todo esto: las sugerencias muestran qué contexto está usando el asistente en cada momento, y las correcciones del equipo son las que alimentan la mejora. La auditoría se apoya en eso: mirar sugerencias, no adivinar.
Errores comunes al auditar la memoria
- Probar siempre con el mismo contacto: el historial acumulado tapa los problemas de persistencia.
- Probar en horario pico: los tiempos de respuesta cambian y confundís lentitud con olvido.
- Auditar sólo la memoria de sesión y dar por buena la de contacto.
- No anotar la fecha de cada prueba: sin eso, la comparación de la memoria aprendida no dice nada.
- Confundir un problema de transcripción de audios con un problema de memoria.
- Asumir que el asistente responde solo: en un esquema con aprobación humana, la memoria se mide sobre las sugerencias, no sobre lo que se envió.
La auditoría sirve para encontrar problemas concretos, no para certificar que todo está bien. Una auditoría que no encuentra nada suele ser una auditoría mal hecha.
Preguntas frecuentes
¿Qué es la memoria de un asistente de IA en WhatsApp?+
Es la información que el asistente conserva y usa para responder. Se divide en tres capas: lo que recuerda dentro de una misma conversación (memoria de sesión), lo que queda guardado en la ficha del contacto y sobrevive al cierre (memoria de contacto), y lo que aprendió de las respuestas reales del equipo (memoria aprendida). Cada capa se audita distinto.
¿Cómo sé si mi asistente está olvidando datos?+
Corré la prueba de dato en cuotas: dale información repartida en tres mensajes separados y mirá si arma la consulta completa o vuelve a preguntar. Después probá cambiar de tema durante cuatro o cinco mensajes y retomar el primero. Si reinicia el saludo o pide los datos de nuevo, la memoria de sesión está fallando.
¿Cada cuánto hay que auditar la memoria del asistente?+
Una revisión semanal de tres conversaciones al azar alcanza para detectar repeticiones. La persistencia de contacto conviene revisarla una vez por mes, y la memoria aprendida cada trimestre, comparando sugerencias de las mismas situaciones en dos momentos distintos. Cada vez que entra un agente nuevo, hay que repetir la prueba de traspaso.
¿Qué hago si dos clientes reciben información cruzada?+
Es el hallazgo más grave de la auditoría. Conviene pausar la automatización de esa bandeja hasta revisar cómo se arma el contexto por contacto, porque el problema no es de redacción ni de tono: es que el asistente está usando datos de una conversación en otra. Después se retoma con la prueba de aislamiento entre contactos.
¿El asistente aprende solo o hay que reprogramarlo?+
En un esquema que aprende de las respuestas reales del equipo, no hay que reprogramar flujos: el asistente mejora con las correcciones que el equipo hace al aprobar sugerencias. La auditoría de esa capa consiste en guardar la sugerencia que da hoy para tres situaciones típicas y volver a pedirlas dos o tres semanas después para comparar.
¿La memoria se rompe cuando cambia el turno de atención?+
Es una de las etapas donde más falla. Se prueba en el cambio de franja, no en horario comercial pleno: un agente atiende la primera parte, otro retoma después, y el cliente no debería repetir nada. Si falla sólo ahí, el problema suele estar en cómo se cierra la conversación al terminar el turno.
¿Qué hago si el asistente no aprende nada en semanas?+
Revisá cómo usa el equipo la herramienta. El aprendizaje se alimenta de las respuestas que se aprueban o se corrigen. Si se aprueba todo con un click sin leer, el asistente refuerza lo que ya hacía y no mejora. La auditoría de memoria aprendida termina siendo, en ese caso, una auditoría del uso interno.
Seguí leyendo
Checklist de auditoría de la memoria operativa: qué información del cliente debe estar visible antes de responder
Checklist para auditar qué datos del cliente tiene a la vista el operador (o la IA) antes de mandar una respuesta: qué campos revisar, en qué orden, cómo saber que están bien y qué hacer cuando falta información.
Checklist de auditoría del cierre de mes en atención por WhatsApp: qué métricas comparar y qué desvíos justifican revisión
Un checklist para cerrar el mes de atención por WhatsApp comparando las métricas contra el mes anterior, con umbrales de desvío, la tabla de qué revisar según el tipo de salto y qué hacer cuando un número no cierra.
Checklist de auditoría del paso de conversación entre bot y humano: qué información debe viajar y qué se pierde
Un checklist operativo para auditar el traspaso de una conversación desde una respuesta automática hacia una persona del equipo. Qué datos tienen que viajar sí o sí, en qué orden revisarlos, cómo detectar la información que se pierde en el camino y qué hacer cuando el traspaso falla.
Checklist de auditoría del horario de atención publicado vs el real: qué comparar, cómo medir el desfase y qué registrar
Checklist para verificar si el horario que publicás coincide con el que tu equipo realmente atiende. Incluye qué comparar en cada canal, cómo medir el desfase en minutos, qué registrar y qué hacer cuando el desfase aparece.
Checklist de auditoría del horario de atención: qué franjas quedan descubiertas y cómo detectarlas en los logs
Checklist operativo para auditar el horario de atención de tu WhatsApp Business contra los mensajes que realmente llegan. Incluye cómo calcular la cobertura por franja, cómo leer los timestamps de Meta sin contaminar el análisis con la fecha de inserción, la tabla de señales que indican hueco y qué hacer cuando aparece una franja descubierta.
Para profundizar, del blog
Empezá a usar Wando
14 días gratis, sin tarjeta de crédito.