02Samsung, vía KibernumAI Product EngineerCaso 2 de 3

Conocimiento de producto, como una conversación

Los vendedores de retail de Samsung necesitaban información de producto mientras ya estaban hablando con clientes. Investigué, diseñé y ayudé a construir un asistente de IA que podían usar por voz, texto o una librería de contenido familiar.

Los vendedores de retail de Samsung tenían que manejar una gran cantidad de información de dispositivos y conocimiento de ventas mientras atendían clientes.

Trabajé en Teiky, un asistente diseñado para hacer esa información más fácil de alcanzar sin pedirle al vendedor que buscara entre capas de contenido frente a un cliente. Mi rol cubrió investigación, UX conversacional y de voz, la app en React Native y partes de la infraestructura que la ejecutaba y actualizaba.

Resumen

Período
Septiembre 2024 – septiembre 2025, en Kibernum
Usuarios
El equipo de ventas de Samsung y vendedores externos de productos Samsung en todo Chile, en el piso de venta
Producto
Asistente de conocimiento de ventas potenciado por IA: especificaciones de dispositivos, información de producto, conocimiento y estrategias de venta a través de una experiencia conversacional
Stack
React Native · chat de voz · librería de contenido local · un LLM detrás de una API · Docker, Gunicorn, Nginx en Ubuntu · Microsoft Azure · actualizaciones OTA

Diseñando para una conversación de venta

Hice entrevistas, pruebas de usabilidad y benchmarking competitivo con vendedores. La restricción para la que diseñé no era falta de información. Era recuperar el detalle correcto mientras se habla con un cliente y se comparan dispositivos al mismo tiempo.

Eso empujó la experiencia lejos de la navegación profunda y hacia un acceso al conocimiento más rápido y conversacional. Sin embargo, la conversación tiene un costo: esconde lo que el asistente sabe. Una librería de contenido local navegable, almacenada en la app, le dio a los vendedores un camino predecible hacia la ficha que ya sabían que existía.

La app también sabía en qué estado estaba. Sin conexión, ofrecía la librería local en vez de un chat muerto, y los errores se manejaban dentro de la conversación en lugar de dejarlos al sistema operativo.

01Inactivo
02Escuchando
03Pensando
04Respuesta
05Error
06Sin conexiónLibrería de contenido local

Estados de interacción tal como fueron diseñados. Las pantallas de arriba muestran los estados de chat, pensando y librería.

La voz era útil, pero no siempre

La interacción por voz era una dirección obvia para un asistente conversacional, pero un piso de retail no es un ambiente silencioso.

Traté la voz como una entrada más a la misma experiencia, en vez de diseñar el producto en torno a la voz únicamente.

El texto igual tenía que funcionar bien cuando hablarle a la app no era práctico, y el estado de escucha tenía que ser visible, porque el vendedor no está mirando la pantalla mientras habla.

También trabajé en la implementación

No solo entregaba pantallas a ingeniería. Desarrollé la experiencia móvil en React Native, incluyendo la interacción por voz y la librería de contenido local. Del lado de infraestructura trabajé con Docker, Gunicorn, Nginx, Ubuntu y Microsoft Azure, e implementé flujos de actualización OTA para que la aplicación pudiera iterar sin tratar cada cambio como un nuevo lanzamiento de tienda.

Stack de producto y entrega
01MobileApp en React NativeChat de vozLibrería de contenido local
02API
03Backend en AzureDockerGunicornNginxUbuntu
04Respuesta del asistente
05Actualizaciones OTA

El modelo de lenguaje estaba detrás de la API y no se nombra aquí.

Qué se lanzó

  • Experiencia conversacional con IA
  • Interacción por voz
  • App móvil en React Native
  • Librería de contenido local, con acceso sin conexión
  • Configuración de backend / runtime
  • Flujo de actualización OTA

Teiky fue usado por el equipo de ventas de Samsung y por vendedores externos de productos Samsung en todo Chile, hasta que Samsung Global estandarizó todos los mercados en un solo chatbot web.

Qué me llevé del proyecto

La parte interesante no fue poner un chatbot dentro de una app. Fue decidir cómo encaja la IA en un flujo de trabajo donde la atención escasea y la respuesta tiene que ser útil de inmediato.