AWS publicó una guía técnica para desplegar un asistente de pedidos multimodal en WhatsApp usando Amazon Bedrock AgentCore, su entorno de ejecución gestionado para aplicaciones de IA agéntica. El asistente acepta tanto mensajes de texto como imágenes —por ejemplo, un cliente que fotografía un producto o una lista de pedido escrita a mano— y convierte esa entrada en un pedido estructurado, usando un modelo fundacional para interpretar el contenido y AgentCore para gestionar la memoria del agente, las llamadas a herramientas y el estado de la sesión a lo largo de la conversación.
La arquitectura conecta la API de WhatsApp Business como canal de contacto con el cliente, un agente alojado en Bedrock como capa de razonamiento, y herramientas de backend (descritas de forma genérica como funciones de consulta de catálogo y creación de pedidos) que el agente invoca para completar una transacción. AWS presenta esto como una construcción de referencia y no como un producto terminado: busca mostrar a los equipos de ingeniería cómo conectar estos servicios de AWS entre sí, no insertarse sin modificaciones en un negocio.
Esto es significativo específicamente para los flujos de pedidos porque WhatsApp ya es el canal de pedidos por defecto para una gran parte de los vendedores B2B pequeños y medianos en América Latina, y en zonas de Asia y África, donde los clientes suelen pedir enviando una lista de texto o una foto en lugar de usar una tienda web. Hasta ahora, convertir ese canal en pedidos estructurados solía requerir una retranscripción manual por parte del personal o un pipeline de PLN construido a medida. Contar con un camino documentado y respaldado por AWS mediante un entorno de ejecución de agentes gestionado reduce el esfuerzo de ingeniería necesario para construir esa automatización internamente.
Lo que AWS no aborda en esta publicación, y que permanece sin confirmar, es el precio a volumen de producción, la latencia bajo carga real de clientes, y cómo maneja el asistente imágenes ambiguas, varios artículos en una misma foto, o cambios de pedido a mitad de conversación —todos aspectos que una empresa que pilotee esto necesitaría probar antes de reemplazar un mostrador de pedidos humano. Las empresas también deberían confirmar cómo se gestionan los errores de pedido y los reembolsos, ya que una foto mal interpretada que genera un pedido incorrecto conlleva un costo directo que un paso de confirmación por texto podría detectar, algo que la guía de AWS no aborda.