En muchos espacios físicos —centros comerciales, ferias, campus, showrooms, zonas empresariales o recintos de eventos— existe una paradoja cada vez más evidente: hay demasiada información disponible, pero no siempre es fácil encontrar la información correcta en el momento correcto.
Un visitante puede estar caminando por un lugar lleno de servicios, productos, actividades, promociones, empresas, restaurantes, eventos o puntos de interés, y aun así no saber qué tiene realmente cerca.
Puede haber una marca que ofrece exactamente lo que busca. Una promoción vigente. Una charla que está por comenzar. Un producto disponible en un local específico. Un espacio libre. Una empresa relevante. Una oportunidad de negocio.
Pero esa información suele estar dispersa, desactualizada o escondida en formatos poco conversacionales.
Whaid nace para resolver ese problema desde una idea simple: permitir que las personas pregunten de forma natural por WhatsApp y reciban respuestas útiles sobre lo que un lugar puede ofrecerles.
Pero detrás de esa experiencia aparentemente sencilla hay una arquitectura técnica diseñada para procesar información, organizarla, recuperarla y convertirla en respuestas contextualizadas.
Este artículo expone algunos rasgos de ingeniería que hacen interesante el desarrollo de Whaid.
Una arquitectura pensada para información cambiante
Whaid no está diseñado como una página web estática ni como un chatbot tradicional con respuestas quemadas.
Su reto principal es trabajar con información que cambia constantemente: eventos, productos, espacios, horarios, promociones, empresas participantes, ubicaciones internas, documentos, fichas técnicas o servicios disponibles.
Por eso, su arquitectura se apoya en una lógica de datos vivos.
La información puede ser registrada, actualizada y posteriormente preparada para ser buscada por el agente conversacional.
En lugar de depender únicamente de textos fijos, Whaid organiza distintos tipos de entidades que pueden existir dentro de un recinto o ecosistema comercial.
Por ejemplo:
Espacios físicos. Empresas o expositores. Productos. Eventos. Promociones. Empleados o puntos de atención. Zonas internas. Documentos asociados. * Información geográfica o de orientación.
Cada uno de estos elementos puede convertirse en una pieza de conocimiento recuperable por el sistema.
La arquitectura, entonces, no se limita a almacenar datos. Su objetivo es transformar información operativa en conocimiento consultable mediante lenguaje natural.
Google Cloud Platform como base de despliegue
Uno de los rasgos importantes de Whaid es su uso de infraestructura cloud, especialmente sobre el ecosistema de Google Cloud Platform y Firebase.
Esta decisión permite construir una solución modular, escalable y orientada a eventos.
En términos generales, Whaid puede apoyarse en servicios como:
Firebase Hosting, para servir interfaces o experiencias web asociadas. Firestore, como base de datos flexible para organizar colecciones de información. Cloud Functions, para ejecutar procesos backend sin tener que administrar servidores directamente. Pub/Sub, para desacoplar tareas pesadas o asincrónicas. Cloud Storage, para almacenar archivos o recursos asociados. Secret Manager, para administrar credenciales de manera más segura.
Esta combinación permite que el sistema no dependa de un único bloque monolítico.
En cambio, diferentes procesos pueden activarse cuando ocurre un cambio relevante en la información.
Por ejemplo, cuando un documento o registro queda listo para ser procesado, el sistema puede activar una función que prepare esa información para futuras búsquedas.
Así, Whaid puede mantener sus fuentes actualizadas sin exigir intervenciones manuales permanentes.
Una lógica basada en eventos
Una parte interesante de la ingeniería de Whaid es su orientación a eventos.
Esto significa que muchos procesos no se ejecutan porque alguien oprime un botón manualmente, sino porque ocurre un cambio en la base de datos.
Cuando cierta información se marca como lista para ser indexada, se activa un flujo técnico que puede preparar ese contenido para los mecanismos de búsqueda del sistema.
Este tipo de arquitectura permite construir una solución más trazable y escalable.
En vez de procesar todo todo el tiempo, Whaid puede concentrarse en aquello que cambió, aquello que fue actualizado o aquello que debe estar disponible para el agente.
Esto es clave cuando se trabaja con espacios reales, donde la información cambia con frecuencia.
Un evento puede cambiar de hora. Una empresa puede actualizar su descripción. Una promoción puede vencer. Un producto puede tener una nueva ficha. Un espacio puede modificar su disponibilidad.
Whaid necesita responder sobre una realidad que no es estática.
Dos formas complementarias de búsqueda
Uno de los aspectos más importantes de Whaid está en sus métodos de búsqueda.
Para que un agente pueda responder bien, no basta con conectar un modelo de lenguaje a una base de datos. El reto está en recuperar primero la información correcta.
Whaid trabaja con una lógica híbrida que combina distintos enfoques de recuperación.
Por un lado, necesita interpretar preguntas abiertas, humanas y ambiguas.
Por otro, necesita encontrar datos precisos cuando el usuario pregunta por algo específico.
Ahí aparecen dos formas complementarias de búsqueda: la búsqueda semántica y la búsqueda exacta.
Búsqueda semántica: entender la intención
La búsqueda semántica permite encontrar información aunque el usuario no use las mismas palabras exactas que están en la base de datos.
Por ejemplo, una persona podría preguntar:
“¿Dónde puedo encontrar algo para comer rápido?”
Aunque ningún registro diga exactamente “comer rápido”, el sistema puede relacionar esa intención con restaurantes, plazoletas de comida, cafeterías, snacks, menús disponibles o espacios gastronómicos.
Este tipo de búsqueda se apoya en representaciones vectoriales del contenido, conocidas como embeddings.
En términos simples, los textos se transforman en una especie de coordenada matemática que permite medir cercanía de significado.
Esto le permite a Whaid entender búsquedas más humanas, ambiguas o conversacionales.
La persona no tiene que conocer la categoría exacta. No tiene que escribir como una base de datos. No tiene que saber cómo está organizado el lugar.
Puede preguntar como piensa.
Búsqueda exacta: encontrar lo específico
Pero no todas las preguntas deben resolverse semánticamente.
A veces el usuario busca algo muy concreto:
“¿Dónde queda el stand B12?”
“¿Cuál es el precio de este producto?”
“¿Hay promoción hoy?”
“¿A qué hora empieza la charla?”
“¿Dónde está la empresa que vende paneles solares?”
Para estos casos, la búsqueda exacta o basada en términos puede ser más conveniente.
Este enfoque permite encontrar coincidencias precisas en nombres, códigos, marcas, categorías, horarios o campos específicos.
La combinación de ambos métodos es poderosa porque no obliga al sistema a comportarse de una sola manera.
Algunas preguntas requieren interpretación. Otras requieren precisión. Muchas requieren ambas cosas.
Whaid busca reconocer esa diferencia.
RAG: respuestas generadas desde información recuperada
Whaid se apoya en una arquitectura tipo RAG, o Retrieval-Augmented Generation.
Esta técnica permite que un modelo de lenguaje no responda únicamente desde su conocimiento general, sino desde información recuperada previamente de una base de conocimiento específica.
En otras palabras, el agente no inventa la respuesta desde cero.
Primero recupera fragmentos relevantes del ecosistema de datos del lugar y luego genera una respuesta apoyada en esos contextos.
Este punto es fundamental.
Whaid no pretende ser un chatbot genérico. Su valor está en conocer la realidad particular de un espacio.
La diferencia es importante.
Un chatbot tradicional puede responder de manera general.
Un agente RAG puede responder con base en los datos concretos de un recinto, una feria, un campus o un centro comercial.
Por ejemplo, no se trata solo de decir:
“Puedes buscar restaurantes en la plazoleta de comidas.”
Sino de poder responder algo más contextual:
“En este momento puedes encontrar opciones de comida en la plazoleta principal, ubicada cerca del acceso occidental. También hay una promoción activa en uno de los locales participantes.”
La calidad de la respuesta depende directamente de la calidad del contexto recuperado.
Hidratación de datos: no basta con encontrar un resultado
Otro rasgo técnico relevante es que encontrar un resultado no siempre es suficiente.
En una arquitectura de recuperación, los sistemas vectoriales suelen devolver fragmentos o metadatos resumidos. Pero para construir una buena respuesta, muchas veces es necesario volver al documento original o al registro completo.
A este proceso se le puede entender como una forma de hidratación de datos.
Primero se encuentra un resultado relevante. Luego se recupera su información completa desde la base de datos. Después, esa información se organiza para que el modelo pueda construir una respuesta más precisa y útil.
Esto permite que Whaid no dependa únicamente de pequeños resúmenes, sino que pueda apoyarse en información estructurada:
Nombres. Descripciones. Ubicaciones. Relaciones. Horarios. URLs. Imágenes. Categorías. * Datos técnicos.
La hidratación es especialmente importante cuando el usuario necesita una respuesta rica en contexto.
No es lo mismo recuperar “hay un restaurante” que recuperar el nombre del lugar, su ubicación interna, sus horarios, sus promociones asociadas y las señales para llegar.
La inteligencia del sistema no está solo en el modelo de lenguaje.
También está en cómo se prepara y se entrega el contexto.
Información jerárquica: entender dónde vive cada cosa
En espacios complejos, la información suele estar relacionada jerárquicamente.
Un producto puede pertenecer a una empresa. Una empresa puede estar dentro de una feria. Una feria puede ocurrir dentro de un recinto. Un local puede estar dentro de una zona. Un evento puede estar asociado a un auditorio, a un horario y a una organización.
Por eso, Whaid necesita manejar relaciones entre entidades.
Este rasgo es importante porque una respuesta útil muchas veces depende de entender el contexto superior de un dato.
No basta con saber que existe un producto.
También puede ser necesario saber quién lo ofrece, dónde está, en qué evento participa o dentro de qué espacio físico se encuentra.
Esta estructura permite búsquedas más filtradas y respuestas más situadas.
Por ejemplo, una misma empresa podría participar en varios eventos. Un recinto podría alojar múltiples actividades en fechas distintas. Una promoción podría aplicar solamente para un espacio, una fecha o una categoría determinada.
La arquitectura debe permitir diferenciar esos contextos para que el agente no mezcle información.
Trazabilidad del proceso de respuesta
Un reto frecuente en sistemas basados en inteligencia artificial es que muchas veces no sabemos exactamente por qué el agente respondió lo que respondió.
Whaid aborda este problema con una preocupación fuerte por la trazabilidad.
En una arquitectura de este tipo, es importante observar:
Qué preguntó el usuario. Cómo se interpretó la pregunta. Qué método de búsqueda se usó. Qué resultados fueron recuperados. Qué documentos o registros se enviaron como contexto. Qué respuesta final se generó.
Esta trazabilidad no solo sirve para depurar errores.
También permite mejorar el sistema con el tiempo.
Si una respuesta no fue buena, el problema puede estar en distintas capas.
La información fuente podía estar incompleta. El contenido pudo no haber sido indexado correctamente. La búsqueda pudo recuperar documentos poco relevantes. El filtro aplicado pudo ser demasiado amplio o demasiado estricto. El modelo pudo recibir poco contexto. El usuario pudo hacer una pregunta ambigua.
Sin trazabilidad, todo parece “culpa de la IA”.
Con trazabilidad, el sistema se puede diagnosticar como una arquitectura completa.
Separar la experiencia simple de la complejidad técnica
Una de las decisiones de producto más importantes de Whaid es mantener la experiencia del usuario lo más simple posible.
El visitante no necesita saber qué es un embedding. No necesita saber qué es un índice vectorial. No necesita saber qué es una función cloud. No necesita saber qué es un documento hidratado. No necesita saber qué es una búsqueda semántica.
El visitante solo necesita preguntar.
La complejidad técnica ocurre detrás de la conversación.
El sistema interpreta, recupera, contextualiza y responde. Pero hacia afuera, la experiencia se siente como una interacción natural.
Esta separación entre simplicidad de uso y complejidad técnica es uno de los principios centrales del desarrollo de Whaid.
El objetivo no es mostrar tecnología por mostrarla.
El objetivo es que la tecnología desaparezca lo suficiente para que el usuario pueda encontrar lo que necesita sin fricción.
Un producto adaptable a distintos espacios
Whaid está pensado para operar en contextos donde la información local tiene mucho valor.
Esto incluye lugares como:
Ferias comerciales. Centros comerciales. Campus universitarios. Showrooms. Zonas empresariales. Eventos especializados. Centros culturales. Recintos de exposición.
Aunque cada espacio tiene necesidades distintas, muchos comparten el mismo problema: la información existe, pero no siempre está disponible en el momento, formato y lenguaje que el usuario necesita.
Por eso, Whaid se desarrolla como una arquitectura replicable.
La idea no es construir un sistema único para un solo lugar, sino una base tecnológica que pueda adaptarse a diferentes organizaciones, tipos de información y modos de búsqueda.
Cada implementación puede tener sus propias colecciones, reglas, contenidos y prioridades, pero apoyarse en una lógica común:
convertir datos dispersos en respuestas útiles.
Más que un chatbot: una capa de acceso al conocimiento del lugar
Reducir Whaid a un chatbot sería quedarse corto.
Whaid funciona más bien como una capa conversacional sobre la información de un espacio.
Su valor está en hacer que los datos internos, comerciales, logísticos o informativos de un lugar puedan ser consultados por cualquier persona mediante lenguaje natural.
Esto cambia la forma en que un visitante se relaciona con un recinto.
Antes, encontrar información podía depender de mapas, PDFs, páginas web, señalización, personal de apoyo o publicaciones dispersas.
Con Whaid, el usuario puede preguntar directamente:
“¿Qué puedo hacer hoy aquí?”
“¿Dónde encuentro productos para mi empresa?”
“¿Quién ofrece soluciones de energía solar?”
“¿Qué promociones hay cerca?”
“¿Dónde queda esta charla?”
“¿Qué marcas están relacionadas con lo que estoy buscando?”
La conversación se convierte en una interfaz de descubrimiento.
Ingeniería para hacer visible lo invisible
Muchos espacios tienen más valor del que sus visitantes alcanzan a percibir.
Hay empresas que no son encontradas. Hay productos que no son vistos. Hay eventos que pasan desapercibidos. Hay servicios que existen, pero no aparecen justo cuando alguien los necesita.
Whaid trabaja precisamente sobre esa brecha: la distancia entre lo que un lugar tiene y lo que una persona logra descubrir.
La ingeniería detrás de Whaid busca reducir esa distancia mediante una combinación de arquitectura cloud, bases de datos estructuradas, búsqueda semántica, búsqueda exacta, recuperación aumentada, trazabilidad e interfaces conversacionales.
No se trata únicamente de responder preguntas.
Se trata de crear una nueva forma de acceso a la información viva de un lugar.
La ingeniería también es parte de la experiencia
Cuando una persona recibe una buena respuesta por WhatsApp, no ve toda la arquitectura que existe detrás.
No ve los procesos de indexación. No ve los flujos de actualización. No ve las búsquedas híbridas. No ve los filtros de contexto. No ve la hidratación de datos. No ve los mecanismos de trazabilidad.
Y está bien que no los vea.
Pero esa ingeniería es justamente lo que permite que la experiencia se sienta sencilla.
En productos como Whaid, la sofisticación técnica no está en hacer que el usuario aprenda a usar un sistema complejo.
Está en lograr que el sistema entienda mejor el lugar, interprete mejor la pregunta y entregue una respuesta útil con la menor fricción posible.
Conclusión
Whaid es una experiencia simple para el usuario, pero técnicamente compleja en su interior.
Su desarrollo combina infraestructura cloud, arquitectura orientada a eventos, procesamiento de información, recuperación semántica, búsqueda exacta y generación de respuestas apoyadas en contexto.
Ese conjunto de decisiones convierte a Whaid en algo más que un asistente conversacional.
Lo convierte en una plataforma para hacer que los espacios físicos sean más comprensibles, consultables y navegables.
En un mundo donde cada lugar contiene cada vez más información, Whaid propone una idea clara:
que las personas no tengan que buscar entre el ruido, sino preguntar naturalmente y encontrar lo que necesitan.
Porque el reto ya no es solamente tener datos.
El reto es convertirlos en respuestas. Y convertir esas respuestas en oportunidades.
Crecimos en los proyectos, aprendimos de estos, sabemos hacer las cosas funcionar