¿Por qué el llamado de funciones no es suficiente para la IA conversacional?

En su lugar, necesitamos un enfoque más sólido, persistente y adaptado a los procesos reales de negocio. A eso lo llamamos llamado de procesos.

Llamado de funciones: una solución limitada para tareas complejas

En la práctica, los llamados de funciones —o uso de herramientas— permiten que el modelo elija cuándo invocar una API para leer o escribir información. Este modelo, impulsado por propuestas como el Model Context Protocol (MCP), fomenta el uso de herramientas atómicas: una herramienta por tarea. Por ejemplo, obtener el historial de pedidos o actualizar una orden específica.

Pero en entornos de atención al cliente reales, los usuarios rara vez formulan solicitudes estructuradas o listas para una API. Un cliente de e-commerce podría decir:

"Mi pedido llegó mal."

Esa afirmación abre múltiples posibilidades:

• ¿No ha llegado aún?
• ¿Llegó tarde?
• ¿Faltan productos?
• ¿Hay artículos incorrectos o dañados?

Cada escenario requiere seguir un proceso interno distinto, con múltiples llamadas a APIs, condiciones específicas y varios pasos secuenciales. Es aquí donde el enfoque actual empieza a fallar.

Los riesgos de depender solo de herramientas atómicas

En el paradigma tradicional de herramientas atómicas, los desarrolladores se enfrentan a dos estrategias poco efectivas:

1. ReAct (Reasoning + Acting): Se utiliza un bucle para que el LLM intente deducir qué herramienta usar en cada paso.
2. Saturación de prompts: Se sobrecarga al modelo con largas descripciones de procesos, esperando que entienda y ejecute correctamente la lógica.

Ambos enfoques terminan en lo que podríamos llamar "prompt y a rezar", una receta para asistentes inconsistentes, difíciles de depurar y frustrantes tanto para usuarios como para desarrolladores. Recordando las críticas de Dijkstra al uso descontrolado de instrucciones GOTO, este caos en la ejecución es similar, pero amplificado por la opacidad del razonamiento de los LLM.

¿Qué es el llamado de procesos?

El llamado de procesos introduce una forma más estructurada de colaboración entre el modelo y la lógica de negocio. En vez de ejecutar una función puntual, el modelo invoca un proceso persistente, que mantiene estado y se encarga de ejecutar una secuencia lógica, interactuando con el LLM en cada paso cuando se necesita entrada del usuario.

¿Cómo funciona?

1. El usuario interactúa y el LLM identifica qué proceso de negocio corresponde.
2. Ese proceso:
   

   • Se mantiene activo durante toda la interacción.
   • Comparte un estado accesible tanto para el proceso como para el modelo.
   • Ejecuta lógica empresarial determinada.
   • Realiza bifurcaciones según la información recolectada.
   • Solicita datos al usuario cuando es necesario, permitiendo que el LLM gestione el lenguaje natural.

3. Una vez completado el proceso o cuando cambia el contexto, se libera.

Este enfoque permite que el modelo mantenga una conversación fluida, mientras que el proceso asegura que las reglas del negocio se cumplan de forma confiable.

Ventajas del llamado de procesos

Adoptar el llamado de procesos en el desarrollo de asistentes conversacionales con IA ofrece beneficios clave:

• Ejecución confiable: La lógica del negocio se sigue paso a paso, sin improvisaciones del modelo.
• Modularidad real: Los procesos se definen como unidades independientes, reutilizables y verificables.
• Depuración más simple: En lugar de revisar trazas opacas del LLM, se analiza el estado y flujo de un proceso definido.
• Mejor rendimiento: Reducción de hasta 80% en tokens utilizados y hasta 8 veces menos latencia, al evitar múltiples llamadas consecutivas al LLM.

El único costo es una inversión inicial para codificar los procesos, pero hoy, gracias a la generación automática de código y herramientas visuales, esta tarea se ha vuelto mucho más accesible.

CALM: Una nueva visión para asistentes conversacionales robustos

En 2023, Rasa introdujo el enfoque CALM (Conversational AI with Language and Memory), donde el llamado de procesos representa uno de sus tres pilares fundamentales. En ese momento, los agentes ReAct dominaban el escenario, y hablar de combinar lógica determinista con LLMs parecía una herejía. Hoy, esta visión se está consolidando como un nuevo estándar de diseño agentico.

Este enfoque no solo permite que el asistente converse con fluidez, sino que también lo dota de un contexto estructurado y explícito que guía cada interacción. El modelo deja de adivinar y empieza a actuar con claridad.

Construye procesos, no solo cadenas de herramientas

Si estás creando asistentes conversacionales para producción —sin importar el framework que uses—, esta distinción es clave. Si tu agente debe guiar al usuario a través de una operación compleja, no le entregues una caja de herramientas atómicas esperando que improvise.

Define tu lógica de negocio como procesos deterministas y con estado. Permite que el LLM se enfoque en lo que mejor sabe hacer: entender matices del lenguaje humano y mantener conversaciones fluidas. Así, garantizas una experiencia más sólida para tus usuarios y menos dolores de cabeza para tu equipo técnico.

Puedes comenzar a usar llamado de procesos hoy mismo con un asistente CALM. Ya sea que prefieras escribir código o usar una interfaz sin código, Rasa lo hace posible.

¿Te interesa aplicar esto en tu organización?

En 2Brains, trabajamos junto a Rasa para llevar estas soluciones de inteligencia artificial conversacional al mercado latinoamericano. Desde la definición de procesos hasta la implementación de asistentes robustos, ayudamos a empresas a mejorar sus canales digitales y automatizar operaciones clave con eficiencia y control.

¿Quieres saber cómo adaptar el llamado de procesos a tu realidad empresarial? Completa nuestro formulario de contacto y conversemos sobre cómo construir soluciones conversacionales escalables, humanas y alineadas con tus objetivos.