Casos
OpenFarma: la operación completa de una cadena de farmacias sobre WhatsApp
OpenFarma opera toda su cadena sobre WhatsApp desde marzo de 2020: 154.094 gestiones en el último año, recetas leídas con IA y validadas contra el catálogo, un asistente propio para su programa de acompañamiento y el trabajo del call center medido.
Publicado con autorización de OpenFarma. Todas las cifras están medidas sobre su operación real y son reproducibles contra nuestra base.
- 6 años y 5 mesesde operación continua: nuestro canal más antiguo
- 154.094gestiones en los últimos 12 meses
- 81%de la demanda es retiro en sucursal
El cliente
OpenFarma es una cadena argentina de farmacias con red de sucursales y servicio de entrega a domicilio. Toda la atención de pacientes pasa por un único canal de WhatsApp.
Período: Marzo 2020 — hoy. Seis años y cinco meses de operación continua. Rubro: Farmacias y salud.
El punto de partida
OpenFarma atiende pedidos y consultas de pacientes que llegan por teléfono, por mostrador y por WhatsApp, y cada uno termina en una sucursal distinta. Sin un canal único, la marca no sabe cuánto le están pidiendo, ni cuánto tarda en responder, ni qué sucursal está saturada.
El problema no es que las consultas sean difíciles: es que son muchas, todas parecidas, y hay que repartirlas, seguirlas y cerrarlas. Cuando eso se hace sin sistema, lo que se pierde no son consultas sueltas, es la capacidad de medir y de corregir.
Qué se construyó
Un solo número de WhatsApp para toda la cadena: el pedido se toma en la conversación, se identifica la sucursal de retiro o la dirección de envío, y la gestión queda encolada para el equipo que la trabaja.
Es un canal de trabajo asistido, no automático, y esa es una decisión de diseño: en farmacia la mayoría de las gestiones exigen criterio humano. El valor está en las capas construidas alrededor de ese trabajo — la lectura de recetas con IA, un asistente propio para el programa de acompañamiento de pacientes, y la medición completa de la operación.
La lectura de recetas: IA validada contra el catálogo
El paciente envía la receta como foto, como PDF o como link de receta electrónica, y el sistema extrae los medicamentos indicados con sus dosis. Lo extraído no se acepta tal cual: se normaliza contra el catálogo de la farmacia, y cuando no hay una coincidencia clara, el pedido pasa a una persona en lugar de resolverse con una suposición.
Esa validación es la condición para usar IA en salud: el sistema puede leer una receta, pero no puede inventar un medicamento que el catálogo no tiene.
Un asistente de IA propio para el programa de acompañamiento
OpenFarma acompaña a pacientes con diabetes y obesidad mediante un programa con normas de dispensación propias. Esa línea tiene su propio asistente de IA —AIRA, en operación desde enero de 2026—, montado en un número separado y como espacio independiente, con su propio equipo y sus propios permisos: los datos de un programa de salud no se mezclan con los de la operación general.
Las normas que el asistente aplica las mantiene el equipo del programa en una planilla, y el sistema las sincroniza cada hora: un cambio de criterio llega al asistente el mismo día, sin pasar por desarrollo.
La capa de dirección: tiempos, alertas y entregas
Los tiempos de respuesta y de resolución se miden por operador, con mediana y percentil 75 en lugar de promedios, y con alertas que avisan antes de que una gestión venza su tiempo objetivo; cada alerta la toma un operador, para que no la trabajen dos personas a la vez.
La entrega a domicilio suma trazabilidad de última milla, que se está desplegando sucursal por sucursal: un código que el paciente presenta al recibir —la prueba de entrega—, la ruta para el repartidor y un barrido continuo que detecta las entregas demoradas antes de que el paciente tenga que reclamar.
La base separa además dos datos que suelen confundirse: si una persona es alcanzable y si dio su consentimiento de marketing. Un paciente que pidió no recibir novedades no vuelve a entrar en una campaña por el solo hecho de hacer un pedido nuevo.
Los números
Cada cifra lleva su ventana temporal y su denominador. Están medidas sobre la operación real del cliente y verificadas por segunda vez de forma independiente antes de publicarse.
- Seis años y cinco meses de operación continua — desde marzo de 2020 hasta hoy, sin interrupciones. Es el canal más antiguo que operamos.
- 154.094 gestiones en los últimos 12 meses — entre agosto de 2025 y agosto de 2026.
- 124.440 de retiro en sucursal y 16.228 de envío a domicilio — más 13.384 consultas de ayuda: el 81% de la demanda es retiro, un dato que define cómo se dimensiona toda la operación.
- Entre 10.900 y 15.700 gestiones por mes — en los once meses completos de la serie: volumen sostenido, no estacional.
Preguntas frecuentes: farmacias y salud
¿El bot puede leer la receta médica que manda el paciente por foto o PDF y cargar el pedido solo?
Sí: extrae de la imagen o del PDF los medicamentos indicados y los normaliza contra tu catálogo antes de armar el pedido. La pieza que hace que esto sea usable en salud es la validación: lo que el modelo leyó se busca en tu catálogo cerrado, y si no hay coincidencia clara el agente no propone un reemplazo, deriva a una persona.
Es la diferencia entre un lector de documentos y algo que se puede poner a atender pacientes. Un agente que «interpreta» un medicamento que no está en tu catálogo es un riesgo, no una función.
Atiendo pacientes: ¿cómo se protegen los datos de salud si pongo un agente de IA en WhatsApp?
Con dos decisiones de arquitectura concretas, más una regla de trabajo. Primero, cada línea de negocio se monta como espacio separado, con su propio padrón de usuarios: quien atiende una línea no ve las conversaciones de otra. Segundo, los permisos se aplican del lado del servidor y el acceso a un registro ajeno devuelve «no encontrado» en lugar de «sin permiso», porque la segunda respuesta ya confirma que ese registro existe.
La regla de trabajo: ninguna captura de pantalla con conversaciones o datos reales sale de la operación, ni para una demo ni para una presentación. Las capturas se recrean con datos ficticios.
¿Se puede medir cuánto tarda mi equipo en responder?
Sí, y conviene medirlo con mediana y percentil 75 en lugar de promedio, porque una sola conversación eterna distorsiona el promedio y esconde cómo se atiende al resto. Se define un tiempo objetivo de respuesta y otro de resolución, y se pueden disparar alertas con un umbral de aviso temprano y otro de escalamiento, tomadas por un operador para que no las atiendan dos personas.
Un caveat honesto: el «tiempo logueado» mide pestaña abierta, no trabajo efectivo. Usarlo como métrica de productividad genera la conducta de dejar el panel abierto, no la de atender mejor.
¿El agente puede avisarle al paciente cuándo llega el pedido?
Sí: avisa cuando el pedido sale, entrega un código de retiro que el repartidor pide al llegar, y un proceso barre continuamente las entregas en curso para detectar las que se están demorando. Eso adelanta el aviso al paciente y deja la entrega confirmada con un dato, no con la palabra del repartidor.
¿Tu operación se parece a esta?
Cuéntanos cómo entra hoy el trabajo y con qué sistema tendría que integrarse el agente.
Escríbenos a info@openbot.io o por WhatsApp al
+54 11 4736-4702.
