Agente de IA en producción: lo que aprendí agendando citas por WhatsApp en clínicas
Un agente de IA en producción atiende a personas reales sobre datos reales y deja el trabajo hecho. En SuiteMedica eso significa que un mismo agente responde a los pacientes por WhatsApp, teléfono, Instagram, Messenger, correo y chat web, y deja la cita en la agenda de la clínica. La mayor parte del trabajo para llegar ahí está alrededor del modelo: el contexto, la disponibilidad real, la autorización entre clínicas, las pruebas y la guardia.
El problema: pacientes que escriben cuando nadie contesta
Los pacientes piden hora por WhatsApp a las once de la noche, en una llamada que nadie alcanza a contestar o en un comentario de Instagram. Cuando la recepción lo ve, muchas veces el paciente ya pidió hora en otra parte.
Las clínicas con las que trabajamos tenían además la información repartida: la agenda en un sistema, la ficha en otro, la facturación en un tercero y los recordatorios a mano. Un agente que conversa bien no sirve de mucho si no puede ver la agenda.
Un agente para seis canales
La primera decisión fue tener un solo agente para todos los canales, en vez de un bot por canal. El paciente escribe o llama por donde quiera y la conversación llega al mismo lugar, con el mismo contexto. Los canales entran por Twilio y WhatsApp.
Con un bot por canal, cada uno termina con sus propias reglas, su propio registro y sus propios errores. Con uno solo, una corrección se hace una vez y vale para los seis.
Que agende de verdad
El agente deja la cita agendada. Consulta la disponibilidad real en la agenda de la clínica y prioriza según la previsión de salud del paciente y su condición, como lo haría una buena recepcionista.
Eso es posible porque SuiteMedica es una sola plataforma multi-tenant para toda la operación de la clínica: agenda, ficha clínica, órdenes, consentimientos, facturación y punto de venta, GES, encuestas y recordatorios. El agente trabaja sobre los mismos datos que usa el equipo de la clínica, sin una copia aparte que se desincronice.
Mi recomendación general es empezar por ahí: antes de elegir modelo, resolver de dónde saca el agente la verdad sobre la agenda y cómo escribe en ella.
El modelo tiene que poder cambiar
El agente vive en un paquete propio dentro del monorepo, agente-citas, y llega a los modelos de lenguaje a través de OpenRouter. Así podemos cambiar de modelo sin tocar el resto del sistema.
Los modelos cambian de precio y de calidad cada pocos meses. Si el agente está amarrado a un proveedor, cada cambio es un proyecto; si está detrás de una interfaz propia, es una configuración y una ronda de pruebas.
La parte delicada: autorización entre clínicas
Cada clínica es un tenant. Un agente que atiende a varias clínicas no puede, bajo ninguna circunstancia, ver la agenda o los datos de pacientes de otra. En un sistema multi-tenant con IA, ese es el riesgo que más me preocupa.
Por eso la integración continua corre pruebas e2e específicas de autorización, además de build, verificación de tipos, lint y pruebas unitarias, antes de aceptar cualquier cambio. El proyecto tiene 100 archivos de prueba.
Operarlo: guardia, alertas y monitoreo
Un agente que agenda citas puede fallar a cualquier hora, igual que cualquier otro sistema en producción. SuiteMedica tiene guardia, alertas y sistemas de monitoreo, y está en producción y en desarrollo activo desde marzo de 2026, con un equipo de tres personas.
El agente depende además de sus canales, que entran por Twilio y WhatsApp, y la plataforma tiene otras integraciones en producción: el bono electrónico de IMED y los terminales de pago Haulmer/TUU. Si una integración se cae, el agente no puede hacer su trabajo. En un sistema así, la alerta tiene que llegar antes que el reclamo del paciente.
Lo que no publico
Este caso no publica métricas de evaluación, latencia ni costo del agente, ni cifras de uso por clínica. Prefiero decirlo a poner números que no puedo respaldar en público.
Lo que sí puedo describir es el criterio. En el agente de este sitio, que es mucho más chico, el modelo responde solo con lo publicado, cita la fuente, y una comprobación automática revisa cada respuesta antes de mostrarla. Si no cita una fuente reconocible, no se muestra. Ese tipo de control después del modelo hace falta en cualquier agente que hable con personas.
Otros usos de IA en las mismas clínicas
Agendar es el caso más visible, pero hay otros. En MED360 Presupuestos, un modelo de OpenAI genera resúmenes semanales de los presupuestos quirúrgicos que siguen los operadores de la Clínica CBB, y las campañas a pacientes salen por WhatsApp. En CCDM, las campañas omnicanal y la bandeja de WhatsApp de derivaciones están en producción para la Clínica Ciudad del Mar.
En todos aplica la misma regla: la IA entra cuando hace una tarea concreta que hoy hace una persona. Si un agente necesita leer datos de un sistema que no se puede modificar, el enfoque está en IA sobre un ERP que no se puede tocar.
Si estás poniendo un agente en producción en salud y quieres comparar enfoques, escríbeme a hola@bcristi.com.