Un agente de finanzas que se opera entero por WhatsApp

El momento en que uno gasta plata es el peor posible para ponerse a abrir una aplicación, buscar la cuenta, elegir la categoría y teclear el monto. Ese trámite es la razón por la que casi nadie sostiene un registro de gastos más de dos semanas. Ch4t.ai Finance lo quita de en medio: el chat de WhatsApp ya está abierto, así que el registro pasa por ahí. Se le escribe la frase como salga y el movimiento queda guardado, clasificado y descontado del presupuesto que le toca.

Si escribir tampoco cuadra, sirve una nota de voz. El audio se transcribe con Whisper y entra por el mismo camino que el texto: al agente no le importa de dónde salió la frase, solo la interpreta. El pipeline de WhatsApp aplica estrategias distintas según el tipo de mensaje y agrupa con debounce lo que llega en ráfaga, porque nadie manda una frase perfecta: manda tres pedazos en quince segundos y espera que se entiendan como uno solo.

Que todo el producto viva dentro de una conversación tiene un precio, y ese precio explica casi todo lo que viene después. Sin menús ni pantallas, el agente carga con la superficie entera: cada mensaje suelto hay que contestarlo sabiendo qué se puede hacer, sobre qué cuenta, con qué reglas y en qué tono. De ahí salen el catálogo de herramientas, el prompt por capas y la memoria. La comodidad del chat se paga con estructura detrás, y un circuit breaker por modelo para que la respuesta llegue aunque un proveedor se caiga.

Las 18 herramientas del agente se agrupan por lo que la persona quiere hacer con su plata. Movimientos: crear una transacción, transferir entre cuentas, crear una categoría, listar cuentas y ver los últimos movimientos. Planeación: presupuestos, inversiones y metas de ahorro. Lo que se debe y lo que le deben: deudas y cobrables. Y encima de todo, la capa de lectura: reportes y un snapshot diario que resume cómo va el mes sin que haya que pedirlo pieza por pieza.

La decisión de diseño que más cambia el comportamiento no es ninguna de esas herramientas, sino una regla del bucle: cuando una operación termina bien, el agente para. No encadena la siguiente. Responde qué hizo y espera confirmación. Un agente que escribe cuatro registros seguidos con una sola lectura equivocada hace más daño que uno que pregunta, y en finanzas personales el daño es de los que se sienten: un presupuesto descuadrado, una deuda que se duplicó sola.

Esa parada también cambia el papel de la persona. Deja de ser alguien que dicta órdenes a ciegas y pasa a revisar cada escritura contra lo que tenía en la cabeza. Es más lento de escribir y mucho más barato de corregir. La diferencia entre un agente que impresiona en una demo y uno al que se le dejan las cuentas todos los días está casi entera en dónde se le puso el freno.

MCP es un protocolo abierto para que un modelo hable con herramientas y datos que no son suyos: un servidor declara lo que sabe hacer y cualquier cliente que hable el protocolo lo consume, sin acoplarse al producto que hay detrás. Ch4t.ai Finance tiene el suyo, con 25 herramientas. No es una copia del catálogo interno: es la misma capacidad financiera, empaquetada para que la consuma algo que no es la conversación de WhatsApp.

Encerrar esas capacidades dentro del producto habría sido más fácil y más corto de vida. Un servidor MCP separa lo que el sistema sabe hacer de la interfaz por la que hoy se usa; si mañana la puerta de entrada es otra, las herramientas siguen sirviendo sin reescribirse. La autenticación es híbrida, porque no entran por la misma puerta una sesión de usuario y un cliente que se conecta desde afuera, y tratarlos igual sería regalar acceso a datos financieros.

El detalle que más rendimiento da es el contexto precargado. Las cuentas, las categorías y las deudas de la persona se inyectan en las descripciones de las herramientas, así que el modelo llega sabiendo con qué está tratando en vez de gastar turnos preguntando a cuál cuenta va el gasto. Menos idas y vueltas, menos tokens, menos oportunidades de inventarse una cuenta que no existe.

El prompt del sistema no es un bloque de texto: se compone de cinco capas. Las reglas de plataforma, que valen para todo el mundo y no se negocian. La persona, que cambia según el rol de quien escribe. El contexto de ejecución, que es lo que se sabe de esta petición concreta. El formato de respuesta, porque un mensaje de WhatsApp no se escribe como un informe. Y el catálogo de herramientas, que le dice al modelo con qué cuenta en este momento.

La razón de partirlo es de mantenimiento, no de estética. Cada capa cambia por un motivo distinto y a un ritmo distinto: las reglas de plataforma casi nunca, el contexto de ejecución en cada mensaje. En un prompt monolítico hay que releerlo entero para tocar una línea, y cuando el comportamiento se degrada no hay forma de saber cuál frase lo causó. Por capas se cambia una y se observa qué se movió.

También hace posible que el mismo agente atienda a roles distintos sin duplicar nada. Se cambia la capa de persona y el resto se queda igual, con las mismas reglas duras debajo. Es la misma idea que uso en todo lo demás: separar lo que varía de lo que no, y dejar que la frontera sea explícita en vez de vivir en la cabeza de quien escribió el archivo.

El agente tiene memoria persistente en texto, y la administra él. Una de las 18 herramientas sirve para guardar un recuerdo, actualizarlo cuando deja de ser cierto y borrarlo cuando sobra. Ahí no va la charla: van los hechos que valen para dentro de tres meses. Cómo le gusta a esta persona que le presenten los números, qué cuenta usa para lo del día a día, qué meta está persiguiendo este año.

No es lo mismo que el historial de conversación. El historial es una transcripción: crece sin parar, se recorta cuando ya no cabe y trata igual un dato permanente que un «gracias». La memoria es lo contrario: pequeña, curada, escrita para ser releída. Un historial largo hace cada respuesta más cara y más lenta; una memoria corta y bien escrita la hace más barata y más precisa, que es justo al revés de lo que uno espera cuando le mete más texto a un prompt.

Que la escriba el modelo tiene un riesgo evidente: puede guardar algo mal. Por eso está en texto plano y por eso existe la herramienta de borrar. Un recuerdo equivocado se puede leer, se puede reemplazar y no se queda ahí envenenando todas las respuestas siguientes. Darle escritura a un agente solo es sensato si lo que escribe se puede revisar y deshacer.