Problema
Los grupos de WhatsApp se han convertido en uno de los principales canales para atender a los clientes B2B, y muchas empresas informan que los clientes lo prefieren así. El problema radica en el funcionamiento que hay detrás: en cada grupo se mezclan preguntas repetidas, solicitudes de estatus y solicitudes reales, y ningún sistema separa lo que una persona realmente necesita. Resultado: los mensajes importantes desaparecen de la pantalla, cuando el CS responsable se va de vacaciones, nadie se hace cargo y el equipo simplemente reacciona. El costo aumenta en función del número de grupos, ya que la solución estándar es contratar a más analistas y, sin embargo, el equipo pierde señales de riesgo, lo que se traduce en una pérdida de clientes y una expansión no capturada. Experimento este problema en mi trabajo, con [N] grupos de clientes. Nuestra hipótesis, que estamos validando, es que una IA supervisada puede gestionar una gran parte del volumen (dudas y estado reiterados), dejando que el equipo humano se ocupe de lo que requiere juicio.
Solución
No pedimos a la empresa que abandone los grupos porque les gustan a los clientes. Colocamos una capa de inteligencia artificial en la parte superior. En cada grupo, la IA clasifica los mensajes en preguntas repetidas, solicitudes de estado, solicitudes reales y señales de riesgo. Para lo que ya está respondido en la documentación de la empresa, redacta la respuesta y el CS la aprueba o edita. Lo que requiere juicio o indica un riesgo se envía a la parte responsable con un contexto resumido, y el gerente recibe un informe periódico con lo que ocurre en cada cuenta. Cada grupo tiene una clave para la autonomía: mientras el CS entrena y comprueba la IA, solo hace borradores. Cuando confía en el nivel de las respuestas, activa el modo automático en ese grupo. De este modo, el equipo deja de leerlo todo y de perder mensajes, y el costo de la cobertura deja de crecer en proporción al número de grupos. Empezamos con una prueba en modo sombra, sin enviar nada a los clientes, para medir la tasa de respuestas aceptadas antes de automatizarla.
Modelo de negocio
La suscripción recurrente (SaaS) se cobra por grupo de WhatsApp activo, en rangos de volumen de mensajes, con una suscripción adicional por grupo en la que el cliente activa la respuesta automática. Cobramos por grupo, no por usuario, para que nuestros ingresos no disminuyan cuando la IA reduzca la necesidad de analistas. Hipótesis del precio: R$ 49 la 99 por grupo al mes en modo borrador, más R$ 30 la 60 por grupo con respuesta automática. El ticket inicial esperado es R$ 1.500 la 4.000 por mes (15 la 50 grupos), llegar a R$ 8.000 al mes cuando el cliente provoca 100 grupos. Estos valores aún no se han validado: estamos realizando pruebas con pilotos de pago y preguntas sobre el precio para 5 la 8 empresas de nicho. Con un costo variable de IA estimado en R$ 4 la 85 por grupo por mes, según el volumen, el margen bruto proyectado en el escenario promedio está entre 70% y 85% (estimación pendiente de confirmación con datos reales).
Mercado
Todavía no hay un número fiable para nuestro segmento (equipos de CS que atienden a clientes B2B a través de grupos de WhatsApp), por lo que utilizamos dos referencias. De arriba a abajo, el mercado de plataformas de éxito de clientes se estima en torno a US$ 3,4 miles de millones en 2026, con un crecimiento superior 20% por año, según una consultora de investigación (las estimaciones varían según los informes). Nuestro segmento es una fracción de ese mercado. De abajo hacia arriba, comenzamos con el SaaS B2B en Brasil: el mapeo de ABStartups 2025 Récord 3.650 startups activas, 39% del SaaS, cerca de 1.400 empresas incluidas únicamente en esta muestra. Con un precio por grupo y unas hipótesis de adopción conservadoras, estimamos un mercado inicial de alrededor de R$ 33 millones por año en el escenario base (rango de R$ 4 la 140 millones), punto de partida antes de expandirse a sucursales, otros nichos B2B y América Latina.
Competidores
El mercado ya cuenta con herramientas para algunas partes del problema, divididas en cuatro grupos. (1) Buzones de entrada compartidos para grupos, como Periskope y TimelineSai, que centralizan los mensajes y crean tickets, cobran principalmente por usuario y tienen la IA como función adicional. (2) Inteligencia conversacional en WhatsApp, como Lunatic Monkey (Brasil) y Eazybe, con resúmenes, opiniones y alertas. (3) Análisis comunitarios, como My Group Metrics, dirigidos a comunidades grandes. (4) Soluciones caseras con Evolution API, Chatwoot y n8n, y mesas de ayuda tradicionales, que cubren principalmente las conversaciones 1:1. Nuestra apuesta se diferencia en tres puntos que aún estamos validando: la IA que redacta y, por grupo y con el lanzamiento del CS, comienza a responder por sí sola; el precio por grupo en lugar de por usuario, en línea con la reducción de la necesidad de analistas; y el enfoque en los equipos de CS de SaaS B2B en Brasil.
Diferenciación competitiva
No vemos un único diferencial, sino una combinación que aún estamos validando. En primer lugar, una autonomía gradual y mensurable: la IA solo comienza con la redacción, y cada grupo tiene una clave de automatización que CS vincula en función de una tasa de respuesta aceptada que medimos, en lugar de confiar en la IA a ciegas. En segundo lugar, el precio por grupo y no por usuario: si la IA funciona y el equipo necesita menos analistas, nuestros ingresos no se reducen, a diferencia de lo que ocurre con las herramientas que se cobran por puesto. En tercer lugar, céntrese en los equipos de CS de SaaS B2B, con un fundador que se enfrente al problema a diario. A largo plazo, el historial por cuenta y las señales de riesgo acumuladas aumentan el coste de cambio. Reconocemos que competidores como Periskope ya ofrecen agentes de inteligencia artificial, por lo que nuestra ventaja inicial es la concentración y la ejecución, no la tecnología exclusiva.
Barrera de entrada
Hoy la barrera de entrada es baja, y lo reconocemos: el acceso a los modelos de IA y la conexión a WhatsApp están al alcance de cualquier equipo técnico. La barrera que estamos construyendo es la de los costos de intercambio y datos. Cada grupo acumula la base de conocimientos configurada, el historial de conversaciones, las reglas de CS y la memoria de las correcciones que realiza en los borradores. Esa memoria, junto con la tasa de aceptación medida, es lo que te da confianza para activar la respuesta automática en ese grupo. Migrar a otra herramienta implica reiniciar esta formación y perder el historial. Con la escala, el conjunto de conversaciones B2B de CS en portugués, anonimizadas y tratadas de acuerdo con la LGPD, nos permitiría crear referencias sobre los signos de riesgo de abandono que un nuevo participante no tiene. Todavía no tenemos esa ventaja: solo se desarrolla con los clientes y con el tiempo.
Tracción
Aún no. El producto fue diseñado en septiembre de 2026 y está en proceso de validación, sin ingresos ni clientes que paguen. Hoy en día tenemos señales de demanda: un fundador que se enfrenta al problema a diario, emprendedores de nuestra red que denuncian el mismo problema y dos socios que pueden proporcionar grupos autorizados para realizar las pruebas. En las próximas semanas realizaremos una prueba en modo virtual y estamos buscando conductores que paguen por ello.