Preguntas frecuentes

Un agente de IA es una aplicación que combina un modelo de lenguaje (la capacidad de razonar) con herramientas (la capacidad de actuar) para cumplir un objetivo: en esencia, «un modelo de lenguaje en un bucle, usando herramientas para realizar una tarea».

A diferencia de un modelo que solo responde a una orden, el agente planifica, actúa y observa el resultado, repitiendo el ciclo hasta completar la misión, con poca o ninguna intervención humana en cada paso.

Un chatbot tradicional sigue un único intercambio: preguntas y responde según reglas o texto. Un agente de IA opera en un ciclo de cinco pasos: recibir la misión, analizar el contexto, razonar y planificar, actuar con herramientas y observar el resultado para decidir el siguiente paso.

Eso le permite resolver tareas de varios pasos (como consultar un pedido, verificar el stock y responder con un dato real) en lugar de devolver texto preprogramado.

Fundamentan sus respuestas en conocimiento autorizado antes de responder, una técnica llamada RAG (generación aumentada por recuperación). En lugar de responder solo con lo que el modelo «recuerda», el agente consulta documentos, bases de datos o sitios de confianza, como un carné de biblioteca, y basa la respuesta en hechos.

Esto reduce drásticamente las alucinaciones y permite citar la fuente de cada respuesta.

Además de responder, un agente puede actuar en el mundo real mediante herramientas: enviar un correo, agendar una reunión, actualizar un registro en un CRM o consultar una base de datos.

Eso es lo que convierte a un asistente de una simple fuente de información en uno que completa tareas de principio a fin.

En lugar de un único «superagente» todopoderoso, un sistema multiagente es un «equipo de especialistas», muy parecido a una organización humana. Un agente coordinador divide la tarea y dirige cada subtarea a un agente especializado, y luego reúne los resultados en una respuesta final.

Dividir el trabajo así hace que los procesos complejos sean más fáciles de construir, probar y mantener.

Puede serlo, si se construye con las prácticas adecuadas. Las buenas plataformas usan defensa en profundidad: barreras deterministas (reglas rígidas que limitan lo que el agente puede hacer), permisos de mínimo privilegio, una identidad propia por agente y un punto de revisión humana (human-in-the-loop) antes de acciones sensibles.

Así el agente se mantiene dentro de límites previsibles y auditables, incluso ante intentos de manipulación como la inyección de prompts.

RAG, sigla de «retrieval-augmented generation» (generación aumentada por recuperación), es la técnica de fundamentar las respuestas de un modelo en una base de conocimiento externa: antes de responder, el sistema recupera los fragmentos relevantes de tus documentos y los usa como contexto.

Así la respuesta queda anclada en tus propios datos, en lugar de depender solo de lo que el modelo memorizó durante el entrenamiento: más precisa, actualizable y verificable.

En Charla usamos recuperación agéntica: es el propio asistente el que decide cuándo consultar la base de conocimiento, invocando la búsqueda como una herramienta y bajo demanda, en lugar de recibir fragmentos inyectados de forma pasiva.

El MCP, o Model Context Protocol, es un estándar abierto para conectar agentes de IA a herramientas y datos externos. Funciona como un «enchufe universal»: en lugar de una integración a medida para cada servicio, el agente habla un lenguaje común con cualquier herramienta compatible.

Charla se conecta a sistemas externos como cliente MCP, lo que permite ampliar lo que un asistente es capaz de hacer conectándolo a aplicaciones y fuentes de datos de forma estandarizada y reutilizable.

No de la forma que importa: la postura de Charla es proponer y luego aprobar. Los cambios de conocimiento y de configuración entran como propuestas revisables, que requieren aprobación humana antes de tener efecto.

Hay además una traba de alcance opcional, una especie de cortafuegos semántico, que rechaza solicitudes fuera del propósito del asistente, y presupuestos por asistente que limitan el gasto.

En la práctica, las personas siguen al control de las acciones de mayor consecuencia, combinando la velocidad del asistente con el criterio humano.

Charla es una plataforma para crear asistentes de IA agénticos que entienden tu negocio, responden en cualquier idioma y atienden donde tus clientes ya están: tu sitio web, un enlace público o WhatsApp.

Cada Charla no es un modelo solitario con herramientas, sino un equipo de agentes especializados que trabajan juntos (respondiendo, criticando e incluso creando nuevos agentes), cada uno con su propio conocimiento, persona y permisos.

Siguiendo los cinco niveles de sistemas agénticos de Google, Charla opera hoy en el Nivel 3 (un sistema multiagente colaborativo) con un pie en el Nivel 4. Va mucho más allá de un chatbot que consulta una base (Nivel 1) o de un único agente que planifica (Nivel 2).

Dentro de cada Charla, un equipo de agentes especializados trabaja en conjunto: el agente que responde actúa junto a Steve, que critica cada respuesta contra un estándar de oro (el patrón «generador y crítico»), y Charlie, que crea nuevos agentes de forma interactiva, con una persona al mando.

No. Puedes crear un asistente en minutos en el panel visual, sin escribir código. Pero si tu equipo programa, puedes ir más allá: Charla ofrece API REST, streaming SSE, conexiones MCP y skills a medida.

Sin código, si quieres; con código, si lo necesitas.

Mucho más que un chatbot. Charla entiende una base vasta (documentos, hojas de cálculo e imágenes), atiende clientes, se integra con tus sistemas y APIs y automatiza flujos completos, todo dentro de tu marca.

Transforma fuentes desorganizadas en salida estructurada (hoja de cálculo, presentación o base de datos), consulta grandes bases de datos en lenguaje natural para devolver informes analíticos y usa modelos de machine learning (predicción, recomendación y optimización) como herramientas al servicio de tus KPIs.

Charla es realmente multilingüe: entiende y responde en cualquier idioma manteniendo el tono de tu marca, y la interfaz saluda a los visitantes en 13 idiomas.

Mediante herramientas agénticas: API REST y streaming SSE para integrarse con tu stack, conexiones MCP para conectar herramientas externas y skills versionadas para crear tus propias capacidades.

Cada acción queda registrada y es auditable, y cada cambio entra como una propuesta para que la revises y apruebes: nada ocurre a oscuras.

Define un tope mensual de créditos por asistente; al alcanzar el límite, se pausa solo, sin sustos en la factura. Cada Charla también tiene aislamiento total, con su propio conocimiento, persona y permisos.

Solo habla con nuestro equipo de ventas por WhatsApp o por correo (contato@charla.ia.br); te ayudamos a configurar y publicar tu primer asistente en pocos pasos.

El uso se mide en créditos, donde 1 crédito equivale a US$ 0,01 de coste del proveedor de IA. Esto hace que el consumo sea transparente y esté directamente ligado a lo que cada asistente procesa realmente.

El gasto puede limitarse por asistente con un presupuesto mensual: un límite blando dispara alertas al acercarse al tope, y un límite rígido pausa el asistente al alcanzarlo, evitando sorpresas.

Los importes y las cuotas se definen comercialmente con el equipo de Charla, según tu caso de uso. Habla con nosotros para montar la configuración ideal.

Cada asistente está aislado: tiene su propia base de conocimiento y su propia lista de accesos, de modo que el conocimiento y los permisos de uno no se filtran al otro. El acceso se controla por roles, con permisos de alcance definido.

Las acciones privilegiadas y las llamadas a herramientas quedan registradas en un log de auditoría de solo adición. Los secretos y las credenciales se cifran y se guardan en un gestor de secretos, el tráfico se cifra en tránsito (TLS) y las conexiones con herramientas externas se sellan por credencial y se protegen con control de salida.

Importante: Charla no posee, por ahora, una certificación formal de cumplimiento. Los puntos anteriores describen prácticas de seguridad de la plataforma, no certificaciones.

Un asistente de Charla puede atender en la aplicación web autenticada, en WhatsApp, mediante una URL de chat pública y compartible y mediante un widget incrustable en tu sitio.

Así puedes llevar el mismo asistente a donde tus clientes ya están: internamente, en una página pública o dentro de tu propio sitio.

Charla es agnóstica de modelo por diseño: el modelo es una capa intercambiable, lo que evita la dependencia de un único proveedor y permite seguir la evolución de la tecnología.

La generación actual funciona sobre Gemini, de Google, vía Vertex AI.