flowpedidos
Arquitectura de integración multicanal para PyMEs de e-commerce: centraliza pedidos de Mercado Libre, WhatsApp, WooCommerce y Tienda Nube en un modelo de datos canónico único, y genera respuestas contextualizadas para el cliente con IA.
El problema
Las PyMEs de e-commerce suelen vender por varios canales a la vez (Mercado Libre, WhatsApp, su propia tienda WooCommerce o Tienda Nube), pero cada uno maneja los pedidos con su propio formato y sin comunicación entre sí. En la práctica, alguien termina copiando pedidos a mano entre planillas y respondiendo a cada cliente por separado, lo que genera errores, demoras y datos inconsistentes entre canales.
Qué construimos
Un pipeline real, orquestado con n8n, que recibe el webhook de cualquier canal y lo procesa siempre de la misma forma: validación → enrich (consulta al canal de origen) → normalización a un modelo de datos canónico → chequeo de idempotencia → persistencia en PostgreSQL → seudonimización de datos del cliente → generación del mensaje de respuesta con un LLM → auditoría de todo el proceso. Encima del pipeline armamos un panel operativo con KPIs (pedidos procesados, ingresos, pendientes, mensajes enviados) y una vista unificada de todos los pedidos, sin importar de qué canal vinieron.
Desafíos técnicos
- Modelo canónico: diseñar una estructura de datos única que representara correctamente pedidos de 4 canales con formatos muy distintos, sin perder información específica de cada uno.
- Idempotencia: los webhooks se pueden reenviar (reintentos, duplicados de la plataforma), así que el pipeline tiene que detectar y descartar un pedido ya procesado sin duplicar registros ni reenviar mensajes.
- Privacidad: los datos del cliente se seudonimizan antes de guardarse, para minimizar qué información sensible queda persistida.
- Comparar proveedores de IA: el pipeline genera el mensaje al cliente con OpenAI GPT-4o-mini por defecto, pero como fase comparativa de la tesis también corre contra Anthropic Claude Haiku, con fallback automático si el proveedor principal falla.
Qué haríamos distinto
Hoy el pipeline se prueba contra mocks de cada plataforma (Mercado Libre, WhatsApp, etc.) en vez de las integraciones reales, que requieren aprobaciones de cada proveedor (por ejemplo, WhatsApp Business API tarda de 3 a 14 días en aprobarse). El siguiente paso lógico es conectar los adaptadores a las APIs reales manteniendo la misma interfaz, ya que el modelo canónico está pensado justamente para que ese cambio no toque el resto del pipeline.