Auditoría de Rendimiento · Buyer Bot
Análisis de 54 conversaciones simuladas entre compradores IA y el seller IA de AMR TECH, usando Ollama llama3.2:1b en amr-ssh (CPU). Comparativa con Run 1 (8 turnos, 54 convs).
| Métrica | Run 1 (8 turnos) | Run 2 (25 turnos) | Delta |
|---|---|---|---|
| Conversaciones | 54 | 54 | — |
| Tasa de cierre | 52% | 65% | +13pp |
| Conversaciones cerradas | 28 | 35 | +7 |
| Neutral / sin cierre | 10 | 13 | +3 |
| Escalar | 16 | 6 | −10 |
| Rondas al cierre (avg) | ≤8 | 6.3 | mejor |
Más turnos disponibles reducen escaladas (−10) porque las conversaciones difíciles eventualmente se resuelven. El cierre de Deportes Premium pasó a 100%.
| Perfil | Cierre | % | Avg rondas | Análisis |
|---|---|---|---|---|
| 🏢 Cliente Empresarial | 7/9 | 78% | 7.4r | Más eficiente. Sabe lo que quiere, decide rápido con buena info. |
| 🛠️ Usuario Técnico | 7/9 | 78% | 11.2r | Alta tasa, más preguntas técnicas pero bien resueltas. |
| 🤔 Indeciso | 7/9 | 78% | 11.8r | Sorprendentemente alto. Con suficientes turnos se convence. |
| ⚡ Comprador Impulsivo | 5/9 | 56% | 13.4r | Paradoja: debería cerrar rápido pero tarda más. Loops en Dolibarr. |
| 🤨 Escéptico | 5/9 | 56% | 15.2r | Necesita muchas rondas para convencerse. Garantías son clave. |
| 💰 Cazador de Precio | 4/9 | 44% | 18.2r | Perfil más difícil. Necesita descuentos o comparativas de valor. |
Dolibarr/WTC: 0% cierre — llama3.2:1b no conoce el producto
El modelo no tiene conocimiento de Dolibarr ERP. Todas las 6 conversaciones alcanzaron el máximo de 25 rondas sin cierre. El seller IA improvisa respuestas incorrectas sobre el producto.
→ Acción: Probar con modelo más grande (qwen3:8b o llama3.1:8b) para ese escenario, o inyectar contexto más detallado en el SELLER_SYSTEM prompt.
Cazador de Precio: 44% y 18.2 rondas — sin táctica de precio
El seller IA no tiene tácticas de descuento dinámico ni comparación de valor. El comprador que solo busca precio no recibe un argumento convincente.
→ Acción: Agregar al SELLER_SYSTEM: si mencionan precio, ofrecer combo o período de prueba como valor adicional en vez de solo repetir el precio.
Comprador Impulsivo: 56% con avg 13.4r — debería cerrar en 1-3r
El impulsivo debería ser el más fácil y el más rápido. En Run 2 está tardando más que el escéptico. Causa: Dolibarr draga el promedio (timeout en todos).
→ Excluir Dolibarr del conteo: Impulsivo real = 5/8 convs restantes. El problema es el escenario, no el perfil.
Deportes Premium: 100% de cierre — el mejor frente de negocio
6/6 personas cerraron. El modelo conoce bien los servicios (ESPN, DAZN, Win Sports) y puede responder con precisión. Avg 6.8 rondas — eficiente.
→ Aprendizaje: Los escenarios donde el modelo tiene conocimiento previo cierran bien. El problema de Dolibarr confirma esto.
Nuevos escenarios web (Run 3) — 18 escenarios × 6 personas = 108 convs
Los 7 escenarios nuevos (streaming_reseller, web_premium_app, drop_productos, soporte_web, web_ambiguo, consulta_precio) aún no tienen datos. Pendiente Run 3.
→ Acción: Lanzar Run 3 con matriz completa de 108 conversaciones para cobertura total de los 11 cerebros.
Contextualizar Dolibarr en SELLER_SYSTEM
Añadir descripción más detallada de Dolibarr/WTC en el contexto del CLI para que el modelo 1B pueda responder.
Habilitar GPU en amr-ssh para Ollama
RTX 3050 disponible pero no usada (276 MiB GPU). Con GPU habilitada se puede usar qwen3:8b → mejor calidad de seller.
Lanzar Run 3 — matriz completa 108 conversaciones
Cubrir los 7 nuevos escenarios con los 6 perfiles. Objetivo: mapear rendimiento de todos los cerebros AMR TECH.
Táctica anti-Cazador de Precio en SELLER_SYSTEM
Agregar instrucción: si el buyer menciona precio más de 2 veces, ofrecer combo o prueba gratuita.
⚡ AMR TECH™ · Desarrollado / Auditado por Anderson Mares
Folio AUD-20260926-001 · Generado 2026-09-26 · llama3.2:1b en amr-ssh (CPU) · 54 conversaciones · 49.8 min