Caso de estudio
Aldan Devs (producto propio)
Construimos el asistente de ventas que quisimos tener nosotros: uno que entiende lo que el prospecto pregunta y lo canaliza, en lugar de contestarle con un menú.
SaaS · Automatización de ventas
- Tipo
- Producto propio
- Tiempo hasta producción
- 3 meses
- Equipo
- 2 fundadores
- Estado
- En producción

Los bots de plantilla espantan al cliente que ya quería comprar
El dolor lo teníamos nosotros primero. Un negocio recibe mensajes por WhatsApp, Instagram y Facebook a cualquier hora, y las dos únicas salidas eran malas: contestar tarde a mano, o poner un bot de menú. El bot contesta rápido, pero contesta cualquier cosa: «presiona 1 para ventas, presiona 2 para soporte». Quien escribe con una duda concreta no encuentra su número en el menú y se va.
El costo no se ve en ninguna métrica: es la conversación que nunca escaló a una venta porque el prospecto entendió, en dos mensajes, que del otro lado no había nadie.
El código no era el cuello de botella; los permisos de Meta sí
Partimos de cero, con dos personas —los mismos que escribimos cada línea— y sin cliente que pagara el desarrollo. Pero lo que marcó el calendario no fue programar: fue la aprobación de permisos de la API de Meta. Tres meses desde el primer commit hasta tener el sistema funcionando, y la mayor parte de esa espera fue revisión de plataforma, no ingeniería.
Eso obligó a una regla incómoda: no podíamos dejar el producto detenido esperando una aprobación que no controlábamos.
CRM propio en vez de uno de estantería, y conversación en vez de menú
Descartamos montar todo sobre un HubSpot o un Pipedrive. Esas herramientas resuelven el registro del prospecto, pero el problema no era registrar: era la conversación previa. Adaptarnos a su modelo nos habría dejado exactamente donde empezamos, con respuestas de plantilla y un embudo ajeno.
Así que construimos el CRM alrededor de la conversación: el sistema entiende la petición en lenguaje normal, resuelve las dudas del día a día, canaliza al área correcta y sólo entonces califica y guarda al prospecto. Y mientras Meta revisaba, desarrollamos contra el modelo de datos y la lógica de calificación, dejando la integración como la última pieza a conectar en vez de la primera a esperar.
En producción, operando la atención de una agencia de autos
Hoy el sistema corre en producción con una agencia automotriz: captura los mensajes que entran por Meta, los responde en lenguaje natural, los califica y los deja ordenados en el CRM para que el vendedor entre a cerrar, no a preguntar lo básico.
Está construido sobre Next.js, PostgreSQL y Stripe para el cobro por suscripción. Es el proyecto que más tiempo nos llevó de todo el portafolio, y el único que no tenía fecha de entrega porque el cliente éramos nosotros.
¿Tu proyecto se parece a este?
Hablas directo con quien programa, y en la primera llamada te decimos si tiene sentido hacerlo y cuánto tarda de verdad — incluso cuando la respuesta es que no.
Cuéntanos tu caso