Asistente multimodal de pedidos por WhatsApp con Amazon Bedrock AgentCore

Introducción

Muchos restaurantes de comida rápida y negocios de retail fragmentan sus canales de venta: app, web, teléfono y mostrador. Eso genera silos de historial del cliente y fricción operativa. Una alternativa más simple para el cliente es llevar el punto de contacto al lugar donde ya conversan: WhatsApp. Con más de dos mil millones de usuarios globales, WhatsApp permite recibir mensajes, notas de voz y llamadas sin que el cliente instale nada adicional ni inicie sesión.

En esta guía se presenta una solución desplegable que convierte un número de WhatsApp Business en un asistente de pedidos multimodal. La propuesta utiliza Amazon Bedrock AgentCore como orquestador de agentes, Amazon Nova 2 Lite para texto y Amazon Nova 2 Sonic para voz, todo integrado con la plataforma de WhatsApp de Meta y desplegado con AWS CDK.

Qué resuelve esta arquitectura

• Unifica canales: texto, nota de voz y llamada comparten backend y memoria de cliente.
• Reconocimiento cross-channel: el mismo cliente es identificado aun si cambia de canal.
• Desacople de capa de conversación y lógica de pedidos: se puede añadir o quitar canales sin cambiar el backend.
• Escalabilidad operativa: la solución procesa webhooks de forma asíncrona para no bloquear respuestas.

Esto es especialmente relevante en mercados latinoamericanos donde WhatsApp es un canal dominante para atención y ventas, reduciendo fricción de adopción por parte de clientes que prefieren mensajería sobre apps nuevas.

Visión general de la arquitectura

La arquitectura separa tres capas principales:

1. Capa WhatsApp: maneja la recepción y entrega de mensajes usando la Meta WhatsApp Business Platform.
2. Runtimes de agentes: ejecutan la conversación por canal (chat, nota de voz, llamada).
3. Backend de pedidos: mantiene menú, carritos, órdenes y ubicaciones.

El flujo básico es: WhatsApp envía un webhook a un endpoint HTTPS que responde 200 inmediatamente; el mensaje se encola y se procesa de manera asíncrona. Esto evita latencias en la confirmación de recepción y permite escalar el procesamiento por lotes.

Componentes clave y su rol

• Meta WhatsApp Business Platform: puerta de entrada del cliente. Exige configuración previa por parte del equipo (tokens, verificación) y no la despliega automáticamente la solución.

• Amazon API Gateway: expone dos APIs REST. El webhook regional es el único endpoint público. Un API interno, protegido por IAM, actúa frente a la lógica de pedidos.

• AWS Lambda: funciones para ingestión de webhooks, worker asíncrono, envío de mensajes y la lógica de negocio de pedidos.

• Amazon SQS: cola de ingreso con dead-letter queue que desacopla la confirmación del procesamiento posterior.

• Amazon Bedrock AgentCore: ejecuta los agentes en microVM por conversación, aislando sesiones. Incluye capacidades gestionadas como AgentCore Gateway y AgentCore Memory.

• Amazon Nova 2 Lite y Nova 2 Sonic: modelos invocados a través de Amazon Bedrock. Nova 2 Lite maneja la parte textual mediante la API Converse; Nova 2 Sonic gestiona texto-voz y voz-voz para notas y llamadas.

• AgentCore Gateway (MCP gestionado): actúa como servidor MCP que expone la API REST del backend como herramientas que los agentes invocan por nombre (GetMenu, AddToCart, PlaceOrder, etc.).

• AgentCore Memory: memoria compartida, cross-channel, indexada por un customer_id hasheado, que permite continuidad entre sesiones de distintos canales.

• Amazon DynamoDB: almacena perfiles de cliente, órdenes, menú, carritos y ubicaciones, además de la tabla de última entrada para la capa de WhatsApp.

• Amazon Location Service: geocodificación y búsquedas de ubicación más cercana.

• Amazon Kinesis Video Streams (KVS): canal de señalización que la runtime de llamadas usa para obtener credenciales del relay TURN administrado que transporta el audio en la llamada.

• Amazon VPC: la runtime de llamadas es la única que necesita una VPC para el tráfico saliente; usa un NAT gateway.

• AWS Secrets Manager y AWS Systems Manager Parameter Store: Secrets Manager aloja Meta Access Token, App Secret y Verify Token como contenedores vacíos que deben completarse fuera del despliegue; Parameter Store guarda el pepper para el customer-id.

• Amazon ECR, AWS CodeBuild y Amazon S3: soporte para la pipeline que construye las imágenes ARM64 de los agentes al momento del despliegue.

• Amazon CloudWatch y AWS KMS: monitoreo, logs y cifrado de datos en reposo.

Por qué esta separación importa para operaciones

Separar la capa de conversación de la lógica de negocio facilita introducir cambios en canales sin tocar la implementación de pedidos. Por ejemplo, si luego se quiere añadir un canal webchat o un bot en Instagram, el backend ya expone las mismas herramientas MCP y la memoria compartida permite continuidad.

La decisión de responder el webhook inmediatamente y procesar en segundo plano mejora la resiliencia ante picos de tráfico y reduce la probabilidad de timeouts desde la plataforma de Meta.

Consideraciones de implementación y operaciones

• Meta WhatsApp Platform es un prerequisito: antes del despliegue, configuren la cuenta, tokens y registren la URL del webhook que emite el CDK.

• Seguridad de secretos: Secrets Manager crea los contenedores; su equipo debe cargar los valores por fuera del proceso automatizado para evitar exponer claves en pipelines.

• Latencia en voz: la runtime de llamadas requiere TURN para atravesar NAT y relays; KVS maneja la señalización y la VPC es necesaria para la runtime de voz.

• Custodia de datos y cumplimiento: mantener la memoria compartida y la persistencia de órdenes en DynamoDB simplifica operaciones, pero revisen normativas locales sobre datos de clientes y almacenamiento transfronterizo según aplicable en su país.

Beneficios para negocios en Latinoamérica

• Menor fricción de adopción: los clientes ya usan WhatsApp para comunicarse con marcas.
• Mejora en retención y conversión: reconocimiento cross-channel evita re-pedir preferencias o historial en cada interacción.
• Implementación ágil: con AWS CDK se despliega la infraestructura como código y se automatizan builds de imágenes de agente.

Conclusión

Integrar WhatsApp con Amazon Bedrock AgentCore y los modelos Nova 2 permite desplegar un asistente multimodal de pedidos que unifica texto y voz con una memoria compartida por cliente. La arquitectura propuesta prioriza el desacople entre la capa de ingreso y la lógica de negocio, escalabilidad y aislamiento de sesiones mediante microVM. Para equipos en Latinoamérica es una alternativa atractiva para llegar a clientes donde ya conversan y reducir fricción en el proceso de compra, con la flexibilidad de agregar canales sin reescribir el backend.

Si su organización evalúa modernizar canales de atención y ventas, este patrón ofrece una hoja de ruta técnica que combina servicios gestionados de AWS y la plataforma de WhatsApp para crear experiencias conversacionales coherentes y escalables.