AGENTE IA Toma Pedidos para Restaurantes | EP. 1 MVP

Описание: INTENSIVO 1 A 5 FEBRERO: https://intensivo.carlosarias.pro/

Arrancas probando el agente con un simple “hola”.
Y en segundos ya está tomando pedidos como si fuera alguien del local.

El bot entiende “¿me pasas el menú?”
Y responde solo con productos disponibles y activos.
Nada de mostrar todo el catálogo.
Solo lo que realmente se puede vender hoy.

Después viene lo importante.
“Quiero dos cuartos de libra”.
Detecta producto + cantidad + teléfono.
Calcula el total automáticamente.
Y responde claro: pedido, total y la pregunta para seguir el flujo.

Cuando el cliente dice “no, solo eso”, entra una lógica clave.
Pedir el nombre para cerrar la fase de apertura.
Y dejar el pedido registrado con: nombre, teléfono, productos y total.
Para pasar directo a despacho y pago.
Sin desorden.
Sin vueltas.

La estructura está pensada por estados.
Si el local está cerrado, responde preguntas frecuentes.
Y si alguien insiste, deriva a un humano.
Si el local está abierto, se activan 3 fases: apertura, despacho y pago.

También explicas por qué cambiaste Google Sheets por Data Tables.
Más velocidad.
Menos carga a la API.
Mejor experiencia en WhatsApp.

Y aparece el MVP del dashboard “Arias Food”.
Pedidos del día.
Ventas totales.
Entregados.
Venta semanal.
Top productos.
Y un panel para editar menú y precios sin tocar nada técnico.

Lo mejor: los cambios del dashboard se reflejan casi en tiempo real.
Gracias a un webhook en n8n.
Recibes la data.
Limpias variables.
Actualizas registros.
Y el agente ya trabaja con información nueva.

También muestras una práctica que mejora muchísimo la calidad.
Guardar el “estado de conversación” por número de teléfono.
Así el agente no depende solo de memoria.
Recibe el mensaje del cliente.
Más el contexto del flujo.
Más el estado guardado en base de datos.
Más las tools correctas.
Y con eso reduces errores y respuestas inventadas.

En plena demo aparece un error real.
Falla el Structured Output Parser por formato.
Y lo tomas como parte del proceso.
Ajustar el prompt para que el JSON calce con el parser.
Y seguir construyendo de forma transparente.

Cierras con una función muy útil en producción.
Detectar cuando un cliente está molesto.
Derivar automáticamente a un humano.
Apagar el bot.
Notificar al encargado.
Y abrir la conversación desde el dashboard en segundos.
Todo centralizado.
Sin perder al cliente en el camino.

Y esto recién va en el 20–25%.
Pero la columna vertebral ya está lista.
Ahora toca hacerlo sólido, escalable y listo para locales reales.

0:00 Prueba del bot y solicitud de menú
0:19 Menú dinámico con productos activos
0:26 Pedido + parsing de producto, cantidad y total
1:00 Captura de nombre y cierre de apertura
3:31 Serie del proyecto y enfoque escalable
4:32 Migración a Data Tables para mejorar velocidad
5:48 Fases: apertura, despacho y pago
9:34 Error con Structured Output Parser y diagnóstico
14:40 Dashboard Arias Food y métricas del local
15:52 Sincronización de menú con webhook en n8n
17:29 Estado de conversación por teléfono (contexto real)
19:43 Derivación a humano + notificación en dashboard

CONTÁCTATE CONMIGO: https://wa.me/56937569677

Instagram: @carlosariasgz

Tags: inteligencia artificial, automatización, agentes de WhatsApp, n8n, WhatsApp Business, chatbot para restaurantes, toma de pedidos automática, data tables, dashboard de ventas, IA aplicada a negocios, structured output, MVP, Carlos Arias, Arias Food