Asistente de Ley REP (ex Orbix)

Las consultas sobre la Ley REP llegan por WhatsApp y se repiten: qué productos son prioritarios, quién debe declarar, cómo cumplir. Responderlas una a una consume tiempo del equipo, y los casos que sí necesitan a una persona se pierden entre las demás.

Proyecto profesional en GreenSoft, en producción en leyrep.cl. Es el asistente virtual de Ley REP; Orbix fue su nombre anterior. Es backend puro: no tiene interfaz propia, todo lo que ve el usuario ocurre en WhatsApp. Es independiente de Dixta.

Orientar sobre la Ley REP con respuestas apoyadas en documentos, y derivar los casos concretos al equipo comercial con los datos necesarios para continuar la conversación.

• Planifiqué la solución, definí el diseño técnico y construí el backend.
• Implementé el webhook de WhatsApp Cloud API con validación de firma de Meta, y los flujos guiados con botones, listas y opciones numeradas.
• Construí las respuestas con IA para preguntas abiertas: búsqueda sobre los documentos indexados y generación con DeepSeek a través de Vercel AI Gateway.
• Integré el registro de leads en el CRM (Odoo) cuando una conversación se deriva a un ejecutivo.

• Laravel 13 sobre PHP 8 y MySQL; es backend puro, sin frontend. La suite tiene cerca de 1.280 pruebas en Pest y corre contra MySQL.
• El webhook solo valida y encola: firma de Meta, límite por teléfono y extracción del mensaje. La respuesta se arma en un job, porque Meta reintenta si el webhook tarda.
• Cada mensaje pasa por una cascada de decisión: primero los flujos guiados y un árbol de intenciones; el modelo solo responde las preguntas abiertas.
• La búsqueda documental es léxica, sin embeddings ni base vectorial: un índice local en SQLite (FTS5) sobre 116 documentos normativos.
• El modelo es DeepSeek a través de Vercel AI Gateway, por una API compatible con OpenAI. Antes corría en un servidor propio con llama.cpp.
• Los leads se envían a Odoo y un job reintenta los envíos fallidos. Bitrix24 se dio de baja.

• Menú principal interactivo y submenú de productos prioritarios, con respuestas guiadas para las preguntas frecuentes.
• Respuesta con IA para preguntas abiertas, apoyada en los fragmentos de los documentos normativos que recupera la búsqueda.
• Formularios de captura dentro del chat y derivación a un ejecutivo, con registro del lead en Odoo.
• Eliminación de datos a pedido desde el propio chat: la conversación se anonimiza en vez de borrar las filas.
• Conjuntos de casos de referencia y comandos para evaluar recuperación, ruteo y respuestas antes de cambiar un parámetro o un modelo.

• En un tema normativo, el riesgo no es que el modelo redacte mal sino que responda bien a quien no preguntó; por eso las respuestas se apoyan en documentos y no en lo que el modelo recuerda.
• Evitar mensajes duplicados cuando el modelo responde lento: el webhook encola, un candado por teléfono ordena los turnos y una tabla de mensajes entrantes da la idempotencia.
• Elegir búsqueda léxica en vez de vectorial y ajustar sus parámetros midiendo contra casos de referencia, no a ojo.
• Cambiar de proveedor de modelo sin reescribir el sistema, manteniendo una interfaz compatible con OpenAI.

• Medir antes de cambiar: con un conjunto de casos de referencia, una mejora deja de ser una impresión.
• La IA aporta en la interpretación de preguntas abiertas; los flujos que capturan datos o derivan a una persona necesitan pasos explícitos.
• Diseñar una conversación exige el mismo cuidado por jerarquía y recuperación de errores que una interfaz visual.