Agentes de IA para pymes en LATAM: por qué Pygma nos eligió para PY9

Pygma seleccionó a xcale para PY9, su novena —y última— cohorte. Antes de la noticia va la tesis, porque es lo que nos llevó ahí: los agentes de IA para pymes no son software empresarial con descuento. Son una categoría distinta, con un comprador distinto y un canal distinto. Una pyme latinoamericana no compra una plataforma para configurarla durante tres meses. Contrata a alguien cuando el trabajo desborda al equipo. Esa diferencia —comprar una herramienta contra sumar a alguien que haga el trabajo— es la que define todo lo que construimos.

Esto es lo que sostuvimos en la aplicación y lo que vamos a defender en el Demo Day.

Qué es PY9 y por qué nos importa

Pygma es un acelerador pre-seed para fundadores latinos en fintech e IA aplicada, con base en Nueva York y Bogotá. PY9 es su novena cohorte y, según anunciaron, la última que correrán antes de convertirse en fondo. El programa dura seis semanas y cierra con un Demo Day frente a fondos del ecosistema de Silicon Valley, en San Francisco. Las cifras que publican sobre su portafolio: 148 startups aceleradas en 17 países.

Lo relevante para nosotros no es el sello. Es que el programa está armado alrededor de la pregunta que llevamos haciéndonos desde el primer día: cómo se le vende software de IA a un negocio que nunca ha comprado software.

Esa pregunta no es de producto. Es de distribución, de precio y de tiempo de arranque, y equivocarse en cualquiera de las tres mata la venta antes de que el producto importe. Seis semanas con gente que ha visto 148 intentos de resolverla valen más que seis meses adivinando.

Una pyme no necesita otra herramienta — necesita que el trabajo se haga

La categoría en la que estamos se describe casi siempre mal. "Chatbot", "automatización de WhatsApp", "flujo conversacional". Todas esas palabras describen una herramienta que alguien tiene que configurar, mantener y arreglar cuando un cliente escribe algo que el diagrama no previó.

El dueño de una clínica, de una tienda o de una distribuidora no tiene ese alguien. No tiene un equipo de operaciones que dibuje árboles de decisión. Tiene un WhatsApp con 200 mensajes sin leer y dos personas contestando entre otras tareas.

Por eso partimos de un sustantivo distinto: el agente. No un flujo que se dispara, sino un rol con una descripción de trabajo —vendedor, agente de citas, soporte, gestor de CRM— que entiende lo que le escriben, consulta lo que el negocio sabe, ejecuta la acción y escala a una persona cuando toca. La IA no reemplaza al equipo: absorbe el trabajo que nadie alcanza a hacer y le devuelve al equipo las conversaciones donde su criterio sí cambia el resultado.

La diferencia es medible en la única métrica que importa al principio: cuánto tiempo pasa entre que el negocio se registra y el primer cliente recibe una respuesta útil. Si eso toma semanas, la pyme ya volvió a contestar a mano. Puedes ver cómo está construido esto en la plataforma y qué hace cada rol en los cinco tipos de agentes.

WhatsApp no es un canal más: es el mostrador

En Estados Unidos, WhatsApp es una app de mensajería. En Colombia, México, Brasil o Argentina es donde ocurre el comercio. El cliente pregunta el precio por WhatsApp, manda la foto del producto por WhatsApp, agenda por WhatsApp y reclama por WhatsApp. No hay un formulario de contacto que compita con eso.

Eso cambia el diseño del producto de raíz. Un CRM que vive fuera de la conversación siempre estará desactualizado, porque nadie va a copiar a mano lo que pasó en el chat. Un agente que no recuerda al cliente de hace tres meses obliga a la persona a repetirse, y repetirse es exactamente lo que hace que el cliente prefiera llamar. Por eso la memoria persistente y el CRM no son módulos aparte en nuestra arquitectura: son la misma conversación vista desde dos ángulos.

También cambia la economía. Meta cobra por conversación, no por asiento, así que el costo escala con el volumen real de negocio y no con el tamaño del equipo. Para una pyme eso es la diferencia entre un gasto fijo que hay que justificar y un costo variable que se paga solo. Los planes están publicados en precios.

Lo aprendimos operando nuestras propias empresas

No estudiamos el problema desde afuera. Antes de xcale fundé una clínica de medicina estética en Armenia, Colombia, y Nevatal, el SaaS de gestión que usan clínicas médicas. La clínica nos enseñó qué conversaciones puede llevar una IA de punta a punta y en qué punto exacto tiene que entrar un humano. Nevatal nos enseñó dónde termina el sistema de registro y empieza la conversación —que es justo donde se cae la mayoría del software vertical.

Hoy la clínica opera con un agente de xcale atendiendo pacientes por WhatsApp. Es nuestro primer cliente y también nuestro banco de pruebas más duro: cuando algo falla, falla contra pacientes reales de un negocio que también es nuestro. Esa es una restricción incómoda y es, con diferencia, la que más ha mejorado el producto. La historia completa está en quiénes somos.

Tres apuestas que se pueden refutar

Una tesis que no se puede equivocar no sirve de nada. Estas son las tres que sostenemos, escritas de forma que se puedan medir contra clientes reales.

Una: el tiempo hasta la primera respuesta útil pesa más que la profundidad de la configuración. Apostamos a que una pyme prefiere un agente que responde bien el primer día a una plataforma que responderá perfecto dentro de un mes. Si resulta que los negocios toleran semanas de setup a cambio de más control, nos equivocamos, y el producto debería parecerse más a una plataforma que a un empleado.

Dos: el rol le gana al flujo. Sostenemos que describir un puesto de trabajo —qué vende, qué puede prometer, cuándo pasa el chat a una persona— produce mejores conversaciones que dibujar un árbol de decisión. Si en la práctica los negocios terminan pidiendo el árbol, porque quieren certeza sobre cada respuesta antes que buenas respuestas en promedio, la abstracción del agente sobra y hay que decirlo.

Tres: el foso es la memoria, no el modelo. Los modelos se abaratan y se igualan cada trimestre; lo que un agente sabe de tus clientes después de mil conversaciones, no. Si esto es falso, cualquiera con acceso a la misma API nos alcanza rápido.

Las tres son comprobables y las tres las vamos a poner a prueba durante el programa. Preferimos publicarlas ahora, con la fecha puesta, que explicarlas después.

Lo que cambia el 1 de octubre para una pyme que ya opera en WhatsApp

Una tesis se pone a prueba contra la factura, no contra el pitch. Y en diez días la factura cambia: desde el 1 de octubre de 2026, responder dentro de la ventana de 24 horas deja de ser gratis. Meta cobra cada mensaje de servicio entregado, a la misma tarifa que utilidad y autenticación en el país de quien recibe, y sin niveles por volumen —responder más no abarata la respuesta—. Lo desarrollamos con las fuentes a la vista en mensajes de servicio de WhatsApp.

Para las tres apuestas de arriba esto no es una nota al pie: es el examen. Si un agente resuelve en dos mensajes lo que un flujo resuelve en seis, la diferencia deja de ser una preferencia de estilo y pasa a ser una línea del estado de resultados. Y si el agente contesta de más porque nadie midió cuánto contesta, ni la memoria ni el rol alcanzan para justificarlo.

El número que conviene anotar antes de octubre no es el costo por conversación: es cuántos mensajes envía tu operación por conversación resuelta. Es la única cifra que hace comparable el antes y el después, y casi ningún negocio la tiene medida hoy.

Qué sigue

Seis semanas de programa y un Demo Day en San Francisco. Entre medio, lo de siempre: hablar con más negocios, acortar el tiempo hasta la primera respuesta útil, y sostener la disciplina de no prometer resultados que no hayamos medido.

Si operas una pyme en LATAM y estás evaluando agentes de IA para pymes en tu propio WhatsApp, la mejor forma de opinar sobre esta tesis es probarla con tus conversaciones reales y decirnos dónde se rompe.