Tutorial de Botpress: Crear e implementar chatbots con IA

Las empresas se apresuran a automatizar la atención al cliente, la calificación de clientes potenciales y los flujos de trabajo internos con agentes de IA. La tecnología finalmente funciona lo suficientemente bien como para ser útil, pero crear chatbots desde cero implica ensamblar marcos como LangChain y depurar integraciones de API. Funciona y tiene sus ventajas, pero el ciclo de desarrollo va a ser lento. 

Plataformas como Botpress ofrecen un flujo de trabajo diferente. Obtienes herramientas visuales para diseñar flujos de conversación. Los modelos de IA subyacentes pueden ser los mismos, pero la infraestructura para crear, probar e implementar ya existe.

En este artículo, te guiaré a través del proceso de creación de agentes de IA con Botpress. Aprenderás la arquitectura de la plataforma, crearás tu primer bot, lo conectarás a servicios reales y lo implementarás en producción. También compartiré algunas técnicas y mejores prácticas que he aprendido al trabajar con la plataforma, para que puedas ahorrar tiempo.

¿Qué es Botpress?

Botpress es una plataforma para crear agentes de IA que mantienen conversaciones con los usuarios, activan acciones basadas en lo que se dice y se conectan a herramientas como Shopify, Google Sheets o tus propias API REST. Entre tus competidores se encuentran Dialogflow, Rasa, Microsoft Bot Framework y Amazon Lex.

Descripción general de la plataforma

Botpress ofrece tanto un entorno de desarrollo visual (Botpress Studio) como control programático a través de API. La interfaz visual permite a los miembros del equipo sin conocimientos técnicos diseñar flujos de conversación, mientras que los programadores pueden escribir código. Algunas plataformas, como Rasa, dan prioridad al código, lo que puede resultar más sencillo si eres un programador independiente que se siente cómodo escribiendo YAML y Python.

Con Botpress, tú defines lo que tu bot debe hacer (instrucciones y flujos de trabajo), lo que sabe (bases de conocimiento y tablas) y las acciones que puede realizar (integraciones y código personalizado). La plataforma se encarga de la infraestructura: alojamiento, escalabilidad y coordinación.

La arquitectura y las capas de Botpress. Imagen del autor

En comparación con crear desde cero con marcos como LangChain, Botpress te ofrece componentes listos para su uso en producción. En comparación con las plataformas sin código puro, te ofrece la opción de escribir código real cuando las herramientas visuales preconstruidas no pueden hacer lo que necesitas.

¿Quién utiliza Botpress?

La plataforma está dirigida a todo tipo de usuarios, desde programadores independientes que crean su primer chatbot hasta empresas que implementan agentes en múltiples canales. Entre los casos de uso más habituales se incluyen la automatización de la atención al cliente, la calificación de clientes potenciales, la programación de citas y los sistemas internos de asistencia técnica.

Según un testimonio de un cliente de Botpress, Ruby Labs informó de una tasa de resolución del 98 % de resolución tras adoptar su solución. Estas cifras proceden de casos prácticos de proveedores y deben interpretarse en su contexto.

Configuración de Botpress

Ahora voy a mostrarte cómo configurar Botpress, es decir, cómo configurar la CLI y el SDK de Botpress para un flujo de trabajo «bot-as-code».

Instalación

Para empezar, necesitarías:

• Node.js versión 18 o superior (se recomienda LTS)

• Gestor de paquetes: npm, pnpm, o yarn

• Un editor de código. VS Code o Cursor son muy recomendables para TypeScript.

Para instalar, sigue estos pasos:

1. Abre tu terminal o símbolo del sistema.

2. Instala la CLI de Botpress globalmente utilizando npm:

npm install -g @botpress/cli

3. Verifica la instalación comprobando la versión:

bp --version

Recomiendo ejecutar Node.js y la CLI de Botpress dentro de WSL2 (Subsistema de Windows para Linux) para evitar los problemas habituales de rutas y permisos de Windows.

Si recibes un error al ejecutar bp en PowerShell, es posible que tengas que ajustar tu política de ejecución. Ejecuta PowerShell como administrador y ejecuta: Set-ExecutionPolicy RemoteSigned.

Desarrollo local

El desarrollo local te permite utilizar GitHub para el control de versiones, TypeScript para la seguridad de tipos y herramientas como GitHub Copilot para generar código automáticamente. Este enfoque trata a tu chatbot como cualquier otro proyecto de software.

Configuración inicial

Una vez instalada la CLI, debes conectar tu entorno local a tu cuenta de Botpress Nube.

1. Autenticar

Inicia sesión en tu cuenta para vincular tu clave CLI.

bp login

Esto abrirá una ventana del navegador para autorizar la CLI.

2. Inicializar un proyecto 

Crea un nuevo directorio para tu bot e inicializa la estructura.

mkdir my-first-bot
cd my-first-bot
bp init

Sigue las instrucciones para seleccionar una plantilla de TypeScript.

3. Configurar las variables de entorno 

Crea un archivo .env en la raíz de tu proyecto para almacenar claves confidenciales (como credenciales de bases de datos o claves API de terceros). Nunca envíes este archivo a Git.

4. Implementar para probar 

Envía tu bot local a la nube para probarlo en Studio.

bp deploy

Introducción a Botpress Studio

Botpress Studio es donde realmente creas tus bots. 

Entorno de desarrollo visual

El estudio se abre con un lienzo que muestra el flujo de conversación de tu bot. Los nodos representan los pasos de la conversación, y las conexiones entre los nodos muestran cómo se mueven los usuarios por tu bot. Haz clic con el botón derecho en cualquier lugar del lienzo para crear un nuevo nodo.

La barra lateral izquierda muestra los flujos de trabajo, los flujos del sistema, las variables y los esquemas. La barra lateral derecha muestra el inspector del nodo seleccionado, donde puedes configurar instrucciones y acciones adjuntas. Utiliza el emulador de la parte inferior para probar el bot en tiempo real.

Plantillas de Botpress

El Botpress Hub contiene plantillas listas para su uso en producción para la atención al cliente, la programación de citas, la calificación de clientes potenciales y mucho más. La plantilla Kitchen Sink muestra conceptos avanzados como la carga de datos de usuarios, el enrutamiento del flujo de trabajo y el traspaso de agentes en tiempo real. Personaliza las instrucciones, intercambia tu base de conocimientos e implementa.

Crear tu primer bot

Creemos un bot sencillo de atención al cliente. Crea un nuevo bot y llámalo «support-bot». Omite el asistente y ve directamente al Estudio.

En el pestaña Inicio (si no está visible, conecta tu nodo de inicio a un nuevo nodo autónomo), añade las instrucciones:

You are a helpful customer support agent. Answer questions about our products and services using the knowledge base. Be friendly, concise, and professional. If you can't answer a question, offer to connect the user with a human agent.

Ahora añade una base de conocimientos. Haz clic en« » (Crear bases de conocimientos ) en la barra lateral izquierda y, a continuación, en«Create Knowledge Base» (Crear base de conocimientos). Selecciona«Sitio web » ( ) como tipo de fuente e introduce la URL del sitio web de tu empresa. Botpress rastreará el sitio y extraerá información.

De vuelta en la pestaña Inicio, desplázate hasta Bases de conocimientos y activa la base de conocimientos que acabas de crear. Esto le da a tu nodo autónomo acceso a esa información.

Pruébalos en el emulador. Pregunta «¿Cuál es tu horario comercial?» o «¿Cómo puedo devolver un producto?». El bot busca en tu base de conocimientos y responde con información relevante.

Probando un bot de atención al cliente en el emulador Botpress con respuestas en tiempo real

Este bot básico ya gestiona una cantidad sorprendente de atención al cliente. Responde a las preguntas de tu sitio web, mantiene el contexto de la conversación y responde de forma natural. Lo construiste en unos cinco minutos.

Comprensión del lenguaje natural

Si has creado chatbots antes de 2023, es posible que hayas notado algo diferente en lo que acabas de hacer: No entrenaste ningún clasificador de intenciones ni escribiste reglas de extracción de entidades, como con un sistema NLU (pre-LLM). (Y si eres nuevo en todo esto, ten en cuenta que las plataformas más antiguas requieren mucho trabajo de formación inicial, algo que Botpress se salta por completo).

Esto es lo que está pasando: Botpress utiliza grandes modelos de lenguaje para la comprensión del lenguaje natural. Tú escribes instrucciones que explican lo que debe hacer tu bot, y el LLM se encarga del reconocimiento de intenciones, la extracción de entidades y la comprensión contextual en tiempo de ejecución. 

Esto cambia lo que realmente configuras. Las entidades comunes, como fechas, horas e información de contacto, funcionan de inmediato porque el LLM ya comprende estos patrones. Las entidades específicas de un dominio requieren un tratamiento diferente: describas lo que necesitas en tus instrucciones y, opcionalmente, definas esquemas. El LLM interpreta estos requisitos de la misma manera que interpreta todo lo demás.

Creación de lógica de conversación avanzada

Los bots simples responden preguntas. Los bots avanzados toman decisiones y se integran con sistemas externos. Botpress proporciona las herramientas necesarias para crear ambos, aunque yo diría que la mayoría de los equipos complican demasiado las cosas desde el principio. A menudo no necesitas lógica de flujo de trabajo hasta que hayas comprobado que las preguntas y respuestas básicas realmente funcionan.

Arquitectura del flujo de trabajo

Los flujos de trabajo organizan la lógica de tu bot en segmentos manejables. El flujo de trabajo principal gestiona el flujo de conversación principal. Los subflujos de trabajo gestionan tareas específicas. Esto podría incluir tareas como programar citas o tramitar devoluciones.

Los nodos dentro de los flujos de trabajo representan pasos distintos. Un nodo estándar ejecuta una secuencia de acciones de arriba abajo. Un nodo autónomo utiliza el LLM para decidir qué acciones realizar y en qué orden. Los nodos de entrada y salida marcan dónde entran y salen los usuarios de los subflujos de trabajo.

Arquitectura modular del flujo de trabajo de Botpress. Imagen del autor

La lógica de conversación modular consiste en dividir tareas complejas en partes más pequeñas y reutilizables. Crea un flujo de trabajo para recopilar la información de pago una sola vez y reutilízala en los procesos de pago, suscripción y donación. Esto reduce la duplicación y facilita el mantenimiento.

El patrón del enrutador dirige a los usuarios a los flujos de trabajo adecuados en función de vuestras necesidades. Tras un saludo inicial, clasifica la intención del usuario y dirígelo al subflujo de trabajo adecuado. Esto permite que cada flujo de trabajo se centre en una sola tarea.

Mejores prácticas en el diseño de conversaciones

El avance en la comprensión del lenguaje es real, pero no solucionará los problemas de un bot mal estructurado. Aún necesitas flujos de conversación claros y un diseño intencionado. La verdadera diferencia es que estás diseñando a un nivel superior al definir lo que debe hacer el bot en lugar de entrenarlo para que reconozca frases específicas.

Comienza con un saludo claro que establezca las expectativas. Diseña primero para el camino feliz y luego añade el manejo de errores. Mantén los nodos autónomos centrados en una tarea conceptual. Utiliza pasos de confirmación para acciones importantes, como los pagos. Traza el recorrido del usuario antes de crear flujos de trabajo para identificar los puntos de decisión y la información necesaria.

También he leído que demasiadas preguntas del tipo «¿estás seguro?» condicionan a los usuarios a hacer clic sin procesar lo que están leyendo. «Cuando cada acción requiere confirmación, ninguna de las confirmaciones es efectiva», es probablemente una buena regla empírica. Guarda tus requisitos de confirmación para operaciones verdaderamente irreversibles: pagos, eliminaciones de cuentas, pérdida de datos.

Automatización del flujo de trabajo

Además de los conceptos básicos que se tratan aquí, Botpress admite ganchos para la automatización del ciclo de vida (ejecutar código cuando se inician las conversaciones, se envían mensajes, etc.) y flujos de trabajo programados para tareas recurrentes, como recordatorios de citas. Son herramientas muy potentes, pero también es ahí donde las cosas se complican rápidamente.

Integraciones y ecosistema de complementos

Los bots de Botpress se vuelven poderosos cuando se conectan a servicios externos. Botpress Hub ofrece integraciones predefinidas para herramientas comunes, y tú puedes crear integraciones personalizadas para sistemas propietarios.

Integraciones preconfiguradas

El Hub incluye integraciones para plataformas de mensajería (WhatsApp, Slack, Microsoft Teams, Telegram), CRM (HubSpot, Salesforce), herramientas de productividad (Google Calendar, Google Drive, SharePoint) y procesadores de pagos (Stripe). Si necesitas conectarte a un servicio popular, es probable que ya exista una integración disponible.

Al instalar una integración, se añaden nuevas tarjetas a tu bandeja de tarjetas. Por ejemplo, una integración CRM proporciona tarjetas para crear contactos, actualizar acuerdos y buscar registros. Arrastra estas tarjetas a tus flujos de trabajo para conectar tu bot.

La configuración se realiza en los ajustes de integración. Proporcionas las credenciales de la API, seleccionas a qué datos acceder y asignas las variables del bot a campos externos. La integración se encarga de la autenticación, la limitación de velocidad y la recuperación de errores.

Integraciones personalizadas

Para sistemas propietarios o requisitos únicos, crea integraciones personalizadas utilizando el SDK de integración. Define la interfaz de integración, implementa la lógica de conexión y gestiona la autenticación. El SDK proporciona ayudantes para los flujos OAuth y la gestión de webhooks. Prueba localmente con las utilidades incluidas antes de implementar. Almacenar las credenciales en variables de configuración, validar todas las entradas e implementar un manejo adecuado de los errores.

Modelos de precios y opciones de implementación

Los precios de Botpress se basan en el uso de la IA, en lugar de en tarifas por mensaje o por conversación. Que eso resulte caro depende del volumen y del uso que le des. El sencillo bot de atención al cliente que hemos creado anteriormente, que responde a preguntas a partir de una base de conocimientos, realiza una o dos llamadas LLM por cada mensaje de usuario y tiene un coste muy reducido, lo cual no es de extrañar, ya que lo hemos creado rápidamente y solo es un ejemplo. 

Un bot más complejo que también busca en tu CRM, comprueba el inventario y calcula los gastos de envío realiza llamadas LLM adicionales para procesar esos datos, lo que aumenta los costes de IA de forma proporcional. La plataforma transfiere los costes de IA a las tarifas de los proveedores sin recargos, por lo que tu gasto real depende del número de llamadas LLM que requiera cada conversación y del modelo que elijas.

Estructura de precios

Botpress ofrece varios planes de suscripción condiferentes características y casos de uso:

El bot del restaurante que creé anteriormenteutilizaba el nivel gratuito. El modelo de pago por uso te permite experimentar sin ningún compromiso mensual, y solo empiezas a pagar cuando tu bot realmente gestiona conversaciones.

Implementación y escalabilidad

Botpress se adapta automáticamente al aumento del tráfico, gestionando de forma constante 10 o 10 000 conversaciones. Los complementos amplían la funcionalidad con almacenamiento adicional, límites aumentados e integraciones premium. Las funciones empresariales incluyen SSO, registros de auditoría, control de acceso basado en roles y asistencia técnica dedicada.

Comunidad y apoyo

La documentación oficial incluye ejemplos de código, tutoriales en vídeo y material de referencia. 

El servidor Discord de Botpress cuenta con más de 30 000 miembrosque hacen preguntas, comparten bots y aprenden de otros programadores. El equipo de Botpress participa activamente. Las discusiones de GitHub ofrecen un espacio para solicitar funciones y reportar errores. También encontrarás plantillas creadas por la comunidad que cubren casos de uso comunes, por lo que no siempre tendrás que empezar desde cero.

Conclusión

El bot para restaurantes que hemos creado es sencillo, pero el mismo enfoque funciona para proyectos más complejos. El editor visual de flujos de trabajo y el sistema de integración se adaptan perfectamente tanto si estás creando un bot básico para preguntas frecuentes como si se trata de algo más sofisticado.

La clave es empezar poco a poco. Crea un bot que haga bien una cosa, impleméntalo, aprende de su uso real y amplía a partir de ahí. No intentes automatizar todo de una vez. Céntrate en la tarea que aportará más valor con la menor complejidad.

Para desarrollar tus habilidades en IA y chatbots, echa un vistazo a nuestro curso Creación de chatbots en Python y a nuestro programa chatGPT Fundamentals. Para conocer las técnicas de ingeniería de prompts que mejoran las respuestas de tu bot, consulta Comprender la ingeniería de prompts. Para la automatización de flujos de trabajo y agentes de IA más allá de los chatbots, explora nuestro n8n: Una guía con ejemplos prácticos: tutorial « » (Creación de un agente de IA con n8n ) y «Building Your First AI Agent with n8n» (Creación de tu primer agente de IA con n8n) con código.