Saltar al contenido

Integración de IA conversacional con sistemas legados: CRM, ERP y APIs

Descubre la ingeniería detrás de los Agentes de IA Autónomos: cómo los Modelos de Lenguaje (LLMs) se comunican en tiempo real con CRMs y ERPs legados a través de APIs corporativas.

Marlos Carmo

Fundador de Tolky

Actualizado el 15 de noviembre de 2026

5 min de lectura
Integración de IA conversacional con sistemas legados: CRM, ERP y APIs

Compartir

Cuando se discute el impacto de la IA en el mercado corporativo, el foco suele recaer en la fluidez del lenguaje. Para CTOs y arquitectos de software, la conversación real es otra: una IA que solo "habla" bien sirve poco a una operación a gran escala. Si el cliente quiere cancelar un plan, la IA debe consultar el sistema de facturación, verificar reglas contractuales en el ERP y registrar la baja.

Esta guía muestra, tras bambalinas, cómo la IA conversacional se integra con sistemas legados (CRM, ERP, bases de datos). Para la visión de negocio, lea IA sin integración se vuelve FAQ; para el caso específico de CRM, vea integración de IA con CRM y la guía de AI CRM.


Cómo la IA aprende a actuar: Function Calling

Históricamente, conectar un chat a una base de datos exigía caminos rígidos: el botón "Mis Pedidos" disparaba un GET fijo a /api/orders/{userId}. Con LLMs de última generación, la arquitectura usa Function Calling (llamada de herramientas). El agente recibe, además del historial de la conversación, el esquema de la API del sistema, y elige qué herramienta accionar.

La secuencia técnica:

  1. Recepción: el cliente escribe por WhatsApp: "La cuota de mi moto de este mes todavía no se acreditó, ¿pueden revisar?"
  2. Razonamiento: el LLM entiende la intención: buscar el estado financiero del documento ligado al teléfono en el mes actual.
  3. Selección de herramienta: entre las herramientas conectadas, elige buscar_status_fatura_erp.
  4. Payload: genera un JSON validado (ej.: {"cpf": "12345678900", "mes_referencia": "06-2026"}) y lo devuelve a la capa de orquestación.
  5. Ejecución: la orquestación dispara la solicitud HTTPS al ERP y recibe la respuesta cruda (ej.: "status": "pending_clearing_bank").
  6. Respuesta natural: el agente traduce: "Consulté: su pago está en proceso, esperando la acreditación bancaria. Como el boleto se pagó ayer, puede tardar hasta 48 horas hábiles."

Contrato de una herramienta: buscar_status_fatura_erp

ÍtemDefinición
EntradaEsquema validado: documento válido y mes de referencia; cualquier otro campo se rechaza
Autorización por operaciónLectura permitida; escritura (ej.: duplicado de factura, reembolso) exige permiso propio
TimeoutPor ejemplo, 8 segundos, con un mensaje de espera al cliente mientras corre la consulta
ReprocesamientoIdempotente: una clave de idempotencia evita ejecutar dos veces la misma escritura
ConfirmaciónTras una escritura, leer el registro de vuelta para confirmar que el dato se guardó
Falla o ERP caídoEl agente informa la inestabilidad, registra el protocolo y escala a un humano con resumen, sin inventar respuesta

Desafíos de los sistemas legados

En la práctica, no toda API es moderna, limpia y rápida. Bancos, industrias y aseguradoras de salud operan sobre sistemas de 10 o 20 años. Dos obstáculos aparecen con frecuencia.

SOAP y XML

Mientras el agente trabaja con JSON, buena parte de los sistemas corporativos aún expone SOAP y XML. El patrón de arquitectura es una capa de middleware: el agente siempre genera y lee JSON; el middleware convierte a XML, se autentica en el servidor legado y traduce la respuesta de vuelta. En Tolky, las integraciones se realizan por API y agente MCP, según el proyecto; consulte al equipo sobre su sistema.

Latencia

Un ERP que tarda 12 segundos en responder deja al cliente en el vacío. El patrón recomendado es la conversación asíncrona: mientras corre la consulta, el agente envía un mensaje de espera ("un momento, estoy consultando su pedido") y, si se agota el timeout, escala a un humano.


Seguridad, gobernanza y guardrails

La pregunta clásica del CTO es: "¿y si la IA empieza a reembolsar dinero a todos los clientes?". En una arquitectura enterprise bien diseñada, el LLM nunca accede directamente a la base de datos: solo solicita acciones a una capa que valida cada una.

  • Autenticación restringida: el agente no tiene contraseña de administrador. La orquestación aplica un token con alcance limitado a ese cliente y esa sesión; si el modelo pide datos de otro cliente, la API rechaza con error 403.
  • Límites en código: un límite como if (descuento > 30) throw Error vive en la capa de integración y no puede ser influido por prompts.
  • Aprobación humana: para acciones de alto riesgo (cancelar un seguro, por ejemplo), el agente arma la solicitud y un supervisor aprueba antes de la ejecución.

Estos son patrones de arquitectura. Los controles disponibles en cada plan y proyecto de Tolky (perfiles de acceso, trazabilidad de auditoría, SSO en Enterprise) se describen en planes; el resto debe validarse según el proyecto.


El ciclo de inteligencia: escribir de vuelta en el CRM

Una buena integración no es de una sola vía. Tras una atención de 40 minutos resolviendo una devolución, el agente puede generar un resumen de tres líneas ("cliente insatisfecho con el retraso logístico, mantuvo la suscripción tras un descuento del 15%") y actualizar la ficha del cliente en el CRM (Salesforce, HubSpot o el CRM de Tolky) vía API. Quien lea el registro después no necesita recorrer cientos de mensajes.


Veredicto técnico

La dificultad de escalar IA en entornos corporativos no está en elegir el modelo, sino en la integración confiable y la orquestación de APIs en arquitecturas fragmentadas. Un buen LLM no compensa canales de datos frágiles ni la falta de límites a nivel de API.

El cambio de 2026 es que el software ya no solo conversa: ejecuta, con reglas, permisos y trazabilidad de auditoría.

¿Quiere validar con su ERP o CRM? Traiga un sistema y valide, en un piloto, un caso de lectura y uno de escritura. Hable con nuestro equipo, vea los planes o explore las soluciones.

Compartir

Etiquetas

Sobre el autor

Marlos Carmo

Fundador de Tolky

Marlos Carmo es un emprendedor en IA y fundador de Tolky, la infraestructura y AI CRM de la era conversacional que unifica el servicio inteligente, la omnicanalidad (como WhatsApp y voz), el CRM en vivo y la inteligencia operativa en un único ecosistema. Es finalista del SXSW Innovation Awards e integrante de la Francesco's Economy, una red global de jóvenes emprendedores enfocados en la innovación y el impacto social. Trabaja conectando la Inteligencia Artificial y la transformación digital en proyectos para grandes organizaciones.

Siguiente paso

¿Quieres llevar esto a tu operación?

Tati, la asistente de IA de Tolky, entiende tu escenario en pocas preguntas, sugiere el mejor camino y te conecta con una persona del equipo con todo el contexto.

Lea también