Agente LLM local — captación y agendamiento
Agente de IA que conversa con un prospecto, entiende qué necesita, capta el lead y agenda una cita con un asesor humano. Corre sobre un LLM 100% local vía Ollama: sin nube, sin APIs externas, los datos nunca salen de la máquina.
TypeScript · Ollama · LLM local · Agentes IA
El problema
Las pymes pierden leads por no responder a tiempo, y las soluciones de chatbot dependen de APIs en la nube: costo por consulta y datos del cliente expuestos. Se necesitaba un agente capaz de captar y calificar leads y agendar citas, corriendo sin nube y con modelos pequeños asequibles.
Mi rol
Diseño de la arquitectura del agente y del loop de control que mantiene al modelo bajo control.
La solución y las decisiones
- Decisión arquitectónica central: «el código manda, el modelo solo extrae intención». El modelo propone qué hacer; el código valida y decide. Por eso funciona incluso con modelos pequeños (Ministral 3 8B, Qwen 2.5 7B) que alucinan más que uno frontier.
- Solo dos herramientas, nada más: `guardar_lead` (registra al prospecto) y `agendar_cita` (reserva con un asesor humano, sin doble-reserva).
- El agente nunca cierra la venta: capta y califica el lead, hace avanzar la conversación y la entrega a un humano — cerrar siempre es trabajo de una persona.
- Cada mensaje entra en un loop acotado: el modelo decide si hace falta una herramienta y el código garantiza que se ejecute bien o la rechaza.
- 100% local vía Ollama: sin nube, sin APIs externas, los datos nunca salen de la máquina.
Resultado e impacto
- Costo cero por consulta al no usar APIs de pago.
- Privacidad: los datos del prospecto nunca salen de la máquina.
- Robustez con modelos pequeños y baratos gracias al diseño «código al mando».