Cómo leer esto. En esta categoría la mayoría de las cifras de "dolor" vienen de vendors con interés en inflar el problema vendor. Las de fuentes independientes — BBC/Zonal-CGA, OpenTable, Pew, DataReportal, Statista, INEGI, NRA, Meta earnings, LAVCA, a16z — van marcadas indep. Para fundraising, lidera con las indep y usa las vendor como color con atribución. Donde falta fuente primaria limpia, lo marco gap.
Lo que ya hacen hoy (contexto real)
Agiliza360 no es una idea en papel: ya opera agentes de IA en WhatsApp que toman pedidos, reservas, Q&A y reclamos en restaurantes multi-local de Latam. Tracción declarada a jun-2026: 180K+ conversaciones gestionadas, 60K+ pedidos procesados end-to-end, 43 restaurantes (~$2.8K MRR), en 5 países (Perú 56% · México 26% · Colombia 14% · RD · Venezuela) + Miami/NYC en expansión. Posicionamiento ya emergente: "sé dueño del canal, el cliente es tuyo, 0% comisión" y la visión "hoy plataforma, mañana motor de lealtad".
Por eso la pregunta real no es "qué hacemos" sino de foco y secuencia: ¿nos volvemos el dueño de toda la interacción restaurante↔cliente (clasificando ocasión: pedido / reserva / Q&A / reclamo / otro), o vamos laser en pedidos por WhatsApp? Lo respondo con recomendación en §9.
1
Tesis en una línea
La tesis
El canal donde el comensal latino ya vive — WhatsApp, >90% de penetración en MX/BR/AR/CO — es exactamente donde el restaurante SMB
pierde demanda hoy (llamadas sin contestar, DMs sin responder, no-shows). Los incumbentes (OpenTable, Resy, SevenRooms) son web/app-first, US-céntricos y caros por cubierto. Hay espacio para un
agente de IA WhatsApp-native, en español, barato y vertical-restaurante — validado por dos comps ya financiados (Darwin AI, Vambe) pero que nadie ha clavado como categoría enfocada para el SMB latino. El wedge de mayor frecuencia y ROI es el
pedido (mata la comisión de 25–40% de los agregadores); el destino defendible es volverse el
dueño del registro del cliente en WhatsApp — capturando cada ocasión (pedido, reserva, Q&A, reclamo). Ver
§9.
2
El dolor: por qué importa y por qué ahora
2.1 La demanda se pierde en el canal, no en la cocina
- Llamadas perdidas: ~71% de las llamadas a un restaurante son de revenue (reservas, pedidos, catering) y 34% ocurren fuera de horario o en simultáneo. vendor Slang AI, 2025
- El costo agregado: los restaurantes de EE.UU. pierden ~US$20 mil millones/año por llamadas no contestadas (~$28,700 por restaurante). Math transparente sobre datos de NRA y TouchBistro; ojo, el autor es CEO de Loman AI pero el medio es independiente. vendor en medio indep QSR Magazine, mar-2026
- El problema es estructural, no de plantilla: las horas pico de llamadas coinciden con las de servicio; el staff siempre elige al cliente que tiene enfrente. Contratar "para que conteste" no lo resuelve.
- El cliente no reintenta: en la franja 5–8pm se pierde ~32% de llamadas y solo 1 de cada 3 vuelve a intentar. vendor
2.2 No-shows: la cifra independiente que sí puedes citar
- Reino Unido: las ausencias cuestan £17.6 mil millones/año a la hostelería; 1 de cada 7 comensales no se presenta sin avisar. Es el dato de no-show mejor reportado de forma independiente (Zonal + CGA, 5,000 personas). indep BBC, 2021
- EE.UU.: 28% admite haber faltado a una reserva en el último año; las reservas de OpenTable tienen 40% menos probabilidad de no-show que las de buscadores, gracias a confirmaciones automáticas. Mapea directo al mecanismo de un agente en WhatsApp. indep OpenTable
- Tasa típica ~15–20% sin estrategia de mitigación (Toast: ~17% Q3 2024). indep
- El "$16B global de no-shows" circula por todos lados pero sin fuente primaria clara — no lo uses como titular. débil
- Mecanismo → resultado: una confirmación por WhatsApp 24h antes puede reducir no-shows hasta 50% vendor y las garantías con tarjeta hasta 65%. Kosmo · Tableo
2.3 DMs sin responder y el sesgo anti-teléfono
- 73% de comensales elige a un competidor si el restaurante no responde en línea. vendor MenuTiger
- 85–89% de los consumidores prefieren textear a un negocio antes que llamar. indep · Harris PRNewswire
- 68% de millennials y Gen Z prefieren reservar de forma digital. vendor
2.4 La grieta de plantilla que causa todo lo anterior
- Rotación de front-of-house ~85%; rotación promedio de la industria ~79.6%. agregado NRA NetSuite
- Full-service seguía ~228,000 empleos (4%) por debajo de pre-pandemia a oct-2024. indep · BLS Restaurant Dive
En Latam / US Hispano la grieta es mayor: el comensal ya vive en WhatsApp, el restaurante es informal/sub-digitalizado, y el canal ni siquiera es el teléfono — es el DM. "El comensal latinoamericano no abre la app de OpenTable porque ya tiene WhatsApp abierto todo el día."
Las 5 cifras de dolor que aguantan un pitch
- No-shows = £17.6B/año en UK; 1 de cada 7 falta sin avisar (Zonal/CGA vía BBC). indep
- 28% admite haber faltado a una reserva; OpenTable reduce no-show 40% vía confirmaciones automáticas. indep
- ~US$20B/año perdidos en EE.UU. por llamadas no contestadas. vendor en medio indep
- >90% penetración de WhatsApp en MX/BR/AR/CO; 72% del conversational commerce de Latam corre por ahí.
- Rotación FOH ~85% + 228k empleos por debajo de pre-pandemia → por eso no contestan. indep
3
Tamaño de mercado (TAM / SAM / SOM)
Los tamaños de "software de gestión" varían 2–3× entre consultoras — usa rangos. La capa de reservas es el SAM más limpio (~US$1.4–2.2B global). El motor real del TAM bottom-up es unidades × ARPU.
| Capa | Cifra | Geo | Fuente |
|---|
| Software gestión restaurantes | US$5.7B → ~$28B (2034), CAGR ~17% | Global | Business Research Insights |
| └ Latinoamérica | US$0.81B | Latam | Grand View |
| Software de reservas (SAM limpio) | US$1.4B → $4.5B (2032), CAGR 14% | Global | Verified Market Research |
| Conversational commerce | US$13.2B → $38.5B (2032) | Global | Mordor |
| └ Conversational AI Latam | US$1.62B → $5.7B (2030), CAGR 23% | Latam | Grand View |
| Conversational commerce Latam (GMV) | ~US$18.2B, +35% YoY, 72% WhatsApp | Latam | Aurora Inbox verificar |
| Mercado AI agents | US$7.9B → $294B (2035), CAGR 44% | Global | Precedence |
El TAM que sí importa: unidades de restaurantes SMB
| Geografía | # establecimientos | Fuente |
|---|
| México | ~677,000 (95% restaurantes) | INEGI vía Statista govt |
| Brasil | 1,379,420 activos (94% micro) | Gov. Federal / ABRASEL govt |
| Colombia | >150,000 (~95% indep.) | ACODRES vía Portafolio |
| Perú | sin conteo limpio — INEI publica índice, no censo | INEI gap |
| US restaurantes mexicanos | 50,897 (+2.7%, #1 en aperturas) | IBISWorld |
| EE.UU. total | >1M outlets (~749k comerciales) | NRA govt |
Base direccionable
México 677k + Brasil 1.38M + Colombia 150k + Perú (TBD) + restaurantes mexicanos/hispanos en EE.UU. ~51k+ = ~2.3M+ restaurantes SMB antes de ampliar a todo el US Hispano. Estructura ideal: súper fragmentada y SMB (Brasil 94% micro, Colombia ~95% indep.).
El mercado US Hispano (el beachhead caro pero rico)
5.1M
empresas de propiedad hispana en EE.UU. (US$766.8B en ventas) —
Census+44%
crecimiento de negocios latinos 2018–2023, el grupo que más rápido emprende —
Stanford$3.78T
poder de compra latino en EE.UU.; >68M personas (19.5%) —
UCLA/LDC
16% de las firmas restauranteras de EE.UU. son de propiedad hispana (NRA). No existe conteo limpio de "restaurantes hispanos en EE.UU." — hay que triangular. gap
Gaps a cerrar antes del deck de inversores: (1) conteo de unidades Perú (censo INEI directo), (2) restaurantes hispanos-owned en EE.UU. (Census NAICS 722 × % propiedad hispana), (3) total Latam sumado, (4) verificar el "$18.2B / 72% WhatsApp" contra fuente primaria.
4
Canales: por qué gana WhatsApp
La espina narrativa: TikTok/Instagram = descubrimiento → WhatsApp = conversión (reserva/pedido) → teléfono = el modo de falla que reemplazas.
WhatsApp domina Latam (lo más defendible del reporte)
| País | Penetración WhatsApp | Fuente |
|---|
| Brasil | 93.7% de la audiencia online (la más usada) | Statista/DataReportal indep |
| México | 91.4% de alcance; 27.6% la favorita | DataReportal 2026 indep |
| Colombia | ~92% de usuarios de internet | Statista indep |
| Argentina | 93% de alcance | Statista indep |
| Perú | app más usada, 20M+ usuarios | Statista verificar % |
- Comportamiento de compra: 72% de los consumidores de Latam ya compró vía mensajería (vs 45% Europa, 38% Norteamérica); 86% compraría más si la marca estuviera en WhatsApp. Greenbook
- Conversión: el dato sólido es ~98% de open rate vs ~20% email y el argumento estructural "no hay página que abandonar". Las tasas de 45–60% son de vendor — direccionales, no titular.
El viento de cola de Meta (datos primarios, muy citables)
- Click-to-WhatsApp ads +60% YoY (Q3 2025); la mensajería pagada de WhatsApp cruzó un run-rate de ~US$2B anual en Q4 2025. Meta Q4 2025
- Zuckerberg: ">1,000 millones de hilos diarios con cuentas de negocio"; tracción de Business AI llamada explícitamente en México. Meta Q4 2024 — Meta está construyendo la autopista por la que corre Agiliza360, y lo dice en sus earnings.
Instagram / TikTok = descubrimiento (Gen Z)
- 54% de comensales descubre restaurantes en redes cada mes; TikTok mueve 38% del descubrimiento en Gen Z; el video corto en restaurantes saltó de 26% (2023) a 48% (2024). Toast
- Gap honesto: esta data es US-general; no hay cifra limpia Latam/US-Hispano de booking-por-DM. gap
4.5
EE.UU. en foco: WhatsApp + reservas
La tesis US es distinta a la de Latam. En Latam el argumento es "todos están en WhatsApp". En EE.UU. es más afilado: el hispano sí, y nadie lo atiende.
WhatsApp en EE.UU. es la única red en ascenso sostenido
- 100M+ usuarios activos mensuales en EE.UU. — Zuckerberg, jul-2024, primera cifra US de Meta. Fuerte en LA, NYC, Miami, Seattle; solo Texas 10M+. indep Fortune
- Adopción de 23% (2021) → 32% (2025) de adultos US — la única red mayor con curva US ascendente sostenida. Pew, n=5,022. indep Pew, nov-2025
- Click-to-message ads +50% YoY en EE.UU. (Meta Q4 FY2025); business messaging "el próximo pilar". indep Futurum/Meta
- Gap: no hay conteo primario US-only de SMBs en WhatsApp Business; el "37% de negocios US" es de vendor. vendor
El hispano US es el corazón del wedge (Pew, dato primario)
54%
de adultos hispanos US usan WhatsApp — el más alto de cualquier grupo (vs 31% afroam., 20% blancos) indep
~28%
de latinos US dependen solo del smartphone para internet (vs ~12% blancos) indep
63%
de consumidores US prefieren textear a un negocio antes que llamar vendor
- Un flujo mobile-first y app-light en WhatsApp calza con una población phone-dependiente que OpenTable/Resy (app-heavy, inglés-first) atiende mal. Pew 2024 · Pew 2026
- El español es "el idioma de la confianza" aunque no sea el de la transacción; maneja la recompra. La campaña Harris 2024 lanzó un canal de WhatsApp para latinos bilingües. Hispanic Executive · NBC News
Reservas en EE.UU.: consolidación arriba, hueco abajo
- 65% de los comensales reservan DIRECTO en el sitio del restaurante — no en OpenTable/Resy. El comportamiento ya está fuera de los marketplaces. vendor · dataset grande Toast Q3 2025
- El mercado se consolida en 2–3 gigantes: Amex es dueño de Resy + Tock; DoorDash compró SevenRooms por $1.2B (cerró jun-2025); OpenTable sigue #1 pero su share US bajó ~51%→46%. Los tres pelean por el mismo full-service de gama alta. indep CNBC
- No-shows US: 28% admite haber faltado; depósitos reducen no-shows ~50% y los que usan depósito en Tock promedian solo 1.7%. indep OpenTable
¿Reservan por WhatsApp hoy en EE.UU.? — el hueco más limpio
No hay data dura de adopción significativa. Lo que existe: guías de vendors vendiendo booking por WhatsApp/IG-DM, foros donde turistas US reservan restaurantes en el extranjero, y casos US reales de reserva por DM de Instagram que confirman que el comportamiento chat→reserva ya existe, solo que no está "marcado" como WhatsApp ni instrumentado. El comportamiento es real pero nadie lo mide ni lo posee. Ese es el hueco. vendor/anecdótico
Las 6 cifras US que sí puedes citar
| # | Cifra | Fuente |
|---|
| 1 | 100M+ usuarios MAU de WhatsApp en EE.UU. (jul-2024) | indep Fortune |
| 2 | 54% de adultos hispanos US usan WhatsApp — el más alto | indep Pew 2024 |
| 3 | Adopción US 23%→32% (2021–2025), única red en ascenso | indep Pew 2025 |
| 4 | 65% reserva directo en el sitio del restaurante | vendor Toast |
| 5 | 28% admite no-show; depósitos −50% (Tock 1.7%) | indep OpenTable |
| 6 | Consolidación: Amex (Resy+Tock) + DoorDash (SevenRooms $1.2B) | indep CNBC |
Bonus que une todo: 28% de latinos US son smartphone-only + 63% prefieren textear que llamar → tu base odia llamar y vive en el móvil.
Síntesis estratégica US
WhatsApp es la única app de mensajería en ascenso sostenido en EE.UU., y su mayor concentración es el hispano (54%) — phone-dependiente y con el español como idioma de confianza, justo el usuario que OpenTable/Resy atiende mal. El mercado de reservas se consolida en tres gigantes peleando por el full-service de gama alta, 65% ya reserva fuera de esas plataformas, y la reserva informal por WhatsApp/DM en restaurantes latinos es real pero sin instrumentar y sin dueño. El wedge US: ser la capa de reservas en español, WhatsApp-native y anti-no-show para el restaurante SMB latino. Limitante: el mix de canales de reserva del comensal hispano está detrás del reporte Mintel 2025 (de pago) — vale comprarlo para el deck de GTM.
4.6
El mercado de pedidos (el wedge de mayor frecuencia)
Esto es lo que ya hacen hoy: 60K+ pedidos procesados. Los pedidos son la ocasión más frecuente, más recurrente y con el ROI en dólares más duro — porque atacan la herida que más sangra en el restaurante: la comisión de los agregadores.
El dolor #1: la comisión de los agregadores se come el margen
El margen neto típico de un restaurante es 10–15%. Una comisión de 25–35% por pedido borra toda la utilidad de esa orden. Por eso "0% comisión + el cliente es tuyo" es un mensaje de venta con ROI cuantificable al instante — mucho más duro que el dolor (real pero episódico) del no-show.
| Plataforma | Geo | Comisión (titular) | Notas |
|---|
| Rappi | Latam (PE/CO/MX) | 20–25% | hasta 40% reportado en México merchant self-report |
| iFood | Brasil | 12–27% | "el mayor costo individual del restaurante" |
| PedidosYa / Didi | Latam | ~15–30% | Delivery Hero / Didi |
| DoorDash | EE.UU. | 15 / 25 / 30% (tiers) | ~35–45% all-in con packaging, promos, refunds |
| Uber Eats / Grubhub | EE.UU. | ~20–30% | NYC puso tope legal permanente de 15% |
Fuentes: Contxto (Rappi) · Rezku (US) · Restaurant Dive (tope NYC)
El mercado y por qué los pedidos compounden más rápido
$12.9B→$21.7B
delivery online Latam (2024→2030, CAGR 8.6%); agregadores = 80% del revenue
Grand View4.5 vs 3
pedidos/mes vs salidas a comer/mes; 43% reordena ≥1×/semana — recurrente y habitual
US Foods / DoorDash100M/mes
pedidos de iFood solo en Brasil (ago-2024), >80% share — el volumen que capturan los agregadores
Statista
- Pedidos por WhatsApp ya es comportamiento instalado: 87% de los consumidores de Latam prefieren pedir comida por WhatsApp antes que llamar; en conversational commerce, food & beverage convierte al ~61% (la categoría más alta). vendor TBit · Aurora
- Prueba de que el pedido conversacional escala: Jet's Pizza generó +$250M en ventas con pedido asistido por IA sobre SMS (10M pedidos). vendor HungerRush
- EE.UU.: 40% de los comensales prefiere pedir directo en el sitio del restaurante vs 13% en apps de terceros; el pedido directo trae +35% de ticket. Deloitte / Paytronix ↗
- Ticket de delivery US ~$36; el "leak" de pedidos no contestados es parte del mismo ~$20B/año de llamadas perdidas. QSR
Por qué pedidos > reservas como wedge
Frecuencia (4.5 pedidos/mes vs ~3 salidas) → más uso y más data, más rápido. ROI más duro (la comisión de 25–40% borra el margen entero; la reserva ahorra un no-show de menor valor). Y comportamiento ya probado (87% prefiere WhatsApp). El pedido es la transacción de mayor frecuencia y mayor impacto de margen, en el canal donde el cliente ya vive.
5
Competencia & espacio en blanco
Agiliza360 no tenía huella pública indexada a jun-2026 (etapa muy temprana). La batalla real no es contra OpenTable — es contra los nuevos agentes de IA en WhatsApp.
Incumbentes de reservas (web/app, US-céntricos o enterprise, caros)
| Quién | Canal | Geo / fuerza | Nota |
|---|
| OpenTable (Booking) | web/app/marketplace | ~60k restaurantes | tarifa por cubierto; share US bajó 51%→46% |
| Resy / Tock (Amex) | web/app | US-céntrico (~25k) | flat ~$249/mes; débil en Latam |
| SevenRooms | web/app + CRM | enterprise | comprado por DoorDash $1.2B; no SMB |
| TheFork (Tripadvisor) | web/app/marketplace | el más fuerte en Latam (65k+, 8 países) | entró comprando Restorando; WhatsApp es bolt-on |
| CoverManager (+Zenchef) | web + Google Reserve | España + Latam alto | €49–99/mes; gama media/alta |
POS-bundled (flanco abierto: no lideran con reservas)
Fudo (Latam, 30,000+ negocios AR/MX/CO/CL; seed de a16z): POS dominante de independientes, no reservas-led. Amenaza si añade reservas; oportunidad si integras. TechCrunch. También Parrot (MX, delivery-first) y Toast/Square/Lightspeed (US, reservas vía integración).
Los competidores DIRECTOS reales — agentes IA en WhatsApp
| Quién | Canal | Geo | Por qué importa |
|---|
| ★ Aurora Inbox | WhatsApp/IG/FB/TikTok | MX + CO/AR/CL/PE | Casi calcado: agentes GPT, menú-en-WhatsApp, facturación CFDI, $99–329/mes. Tu lookalike más cercano. ↗ |
| Reservándonos | web/app + WhatsApp + IA telefónica | México, 2,400+ | "La más popular de México"; IA que contesta tel. + WhatsApp ↗ |
| Woki | app + WhatsApp/IG/Google | AR + CL, 600+ | "Líder Latam"; usa IA + integra Fudo. App-céntrico, aún chico ↗ |
| Cluvi | app + WhatsApp/SMS | Colombia, 3,000+ | menú/pedidos/reservas/delivery; confirmaciones WhatsApp |
| Wazzy / Bonnie.ai | WhatsApp (+ teléfono) | global, español | asistentes de reserva 24/7; pricing no público |
Comps de plataforma WhatsApp (horizontales, podrían bajar al vertical): Yalo (~$75M, enterprise CPG), Zenvia/Sirena, Leadsales ($3.7M seed, SMB MX), Treble, Cliengo. Voice AI restaurantero (caliente pero US-céntrico, no WhatsApp): Slang AI ($36M Series B), Loman ($3.5M), Vox ($8.7M), Newo, Revmo.
Dónde está el espacio en blanco — 4 ángulos defendibles
- WhatsApp como superficie PRIMARIA de reserva/pedido — no notificación bolt-on. Los incumbentes son web/app; los voice-AI pelean por llamadas en EE.UU. (canal que el SMB latino casi no usa).
- Vertical restaurante real: disponibilidad de mesas + recordatorios anti-no-show + integración POS. Los horizontales (Yalo, Leadsales) no la tienen.
- SMB-friendly en español + facturación local (CFDI en MX), onboarding simple, pricing flat barato vs por-cubierto.
- Geografía menos disputada: México ya está concurrido (Aurora, Reservándonos, Parrot). Perú y Colombia están más abiertos. Tu sesgo Perú podría ser ventaja de entrada.
6
Tendencias que soplan a favor
- AI voice/agents como "wedge, no producto" — tesis canónica de a16z (Olivia Moore): la disponibilidad del cliente y del negocio ya no tienen que coincidir 1:1; los agentes empiezan capturando un % de llamadas y se expanden. a16z, 2025
- Vertical AI agents: "cada industria vertical puede incubar su propio agente exclusivo"; los workflows verticales minimizan edge-cases (caso Toma: 6× citas, $17M de a16z). a16z
- Conversational commerce Latam: ~US$18.2B (2025), +35% YoY, 72% por WhatsApp; proyección GMV $20–25B para 2026.
- Digitalización post-COVID: 73% de operadores expandió capacidades digitales en 2024 (récord); 94% de gerentes dice que IA es clave; 47% planea más automatización por escasez de personal. NRA vía Restroworks
- AI = el corazón del VC en Latam: startups con IA al centro capturaron 70% de las rondas de empresas fundadas 2023–2025. Contxto
- Consolidación de reservas: Amex compró Resy+Tock; DoorDash compró SevenRooms ($1.2B). Los grandes compran la capa de reservas/CRM → valida la categoría y abre hueco SMB que ellos no atienden.
7
Qué han invertido los fondos últimamente
Macro: Latam desplegó US$4.126B en 681 deals en 2025 (rebote selectivo); México superó a Brasil en inversión VC por primera vez en 15 años. LAVCA
| Empresa | Inversores | Monto / valoración | Relevancia |
|---|
| ★ Darwin AI | Base10 (lead), FJ Labs, Canary, Latitud, Dalus | $4.5M seed + nueva ronda; >$2M ARR, 20 países | El comp más cercano: "empleados de IA" en WhatsApp/IG/teléfono para SMBs Latam ↗ |
| ★ Vambe | Monashees (lead), Cathay, Atlantico, M13 | $3.85M seed + $14M Series A; ARR $20K→$1M en 8 meses | WhatsApp-first conversational commerce, Chile ↗ |
| Slang AI | USVP (lead), Claire Hughes Johnson, Homebrew | $36M Series B ($68M total) | Voice AI restaurantero líder (US) ↗ |
| Loman AI | Next Coast Ventures | $3.5M seed | Teléfono IA restaurante (US) |
| Toma | a16z (Seema Amble), YC | $17M Series A | Vertical voice agent (auto) — precedente de tesis |
| Sierra (Bret Taylor) | Greenoaks, Tiger, GV | $950M Series E @ ~$15.8B; $100M ARR <2 años | CX AI agents — techo de la categoría |
| Decagon | Accel, a16z Growth | $250M Series D @ $4.5B | CX AI agents |
| Yalo | B Capital (Saverin) | $50M Series C ($75M total) | WhatsApp commerce Latam (enterprise); última ronda 2021 |
Tesis de inversor para enmarcar Agiliza360
"Vertical (restaurante) cut de una tesis ya validada (Darwin/Vambe), en el canal que Meta está monetizando (run-rate $2B), para el SMB que es el grueso del mercado latino, en una geografía (Perú/Colombia) menos disputada que México."
8
A quién leer y conectar
Inversores Latam (target directo + warm intros)
- Latitud (Brian Requarter) — tesis explícita: "la mayor oportunidad de IA aplicada en Latam está en el SMB"; invirtió en Darwin AI. Leer y conectar. ↗
- Base10 Partners — lead de Darwin AI. Target #1. Monashees — lead de Vambe. Kaszek — el más grande early-stage Latam.
- ALLVP (México) — incluye foodtech explícitamente, checks $500K–$5M. Cometa, NXTP (B2B), Dalus, Magma — relevantes (Magma con cautela: alertó del "bubble" de valoraciones IA).
Inversores US (precedente de tesis)
- Olivia Moore, Anish Acharya, Seema Amble (a16z) — autores de la tesis voice/vertical agents.
- Next Coast (Loman), Headline (Vox), USVP (Slang) — el nicho exacto restaurant-voice.
Founders / operadores a estudiar
- Lautaro Schiaffino (Darwin AI) — el analog más cercano. Vambe founders (Chile) — historia de pivote ARR $20K→$1M en 8 meses. Alex Sambvani (Slang AI) — líder de categoría voice.
Lecturas obligadas
9
El wedge: ¿dueño de la interacción o laser en pedidos?
Tu pregunta exacta. La respuesta corta: la dicotomía es falsa, pero el orden importa muchísimo. Los marcos de los mejores fondos (a16z, Bessemer) y la tasa base de los comparables apuntan al mismo lugar — y te doy mi recomendación con riesgos.
El caso para "dueño de la interacción" (la visión)
- El premio es winner-take-one. a16z (Vertical Operating Systems): "solo puede haber UN sistema operativo vertical por negocio"; quien posee la unidad fundamental del cliente (identidad + historial completo) se vuelve la plataforma, y quien solo hace pedidos es una feature que esa plataforma absorbe. ↗
- WhatsApp ya ES el sistema de registro en Latam. Un hilo cronológico, permanente, con 90%+ penetración. Capturar todas las ocasiones ahí es natural, no forzado — la data ya vive en un solo hilo.
- La lealtad/reactivación — tu propia visión — requiere el historial completo. No puedes reactivar a un cliente sobre "su última visita" si solo registraste sus pedidos. Con retención de restaurantes en ~55% (la más baja de cualquier sector), el que posee cada touchpoint gana el LTV. ChowNow
- La IA abarató la amplitud. Bessemer: la ventana para liderar categoría se mide "en trimestres, no años"; agentes multi-ocasión son baratos de enviar. ↗
El caso para "laser en pedidos" (la disciplina)
- El foco es el antídoto #1 contra el fracaso. Cuatro ocasiones mediocres pierden contra una excelente. Con un equipo chico, hacer pedido + reserva + Q&A + reclamo a la vez es el clásico "fake multi-product": parece plataforma, no tiene profundidad. SaaStr
- Pedidos es el mejor beachhead por el test de Geoffrey Moore: dolor severo, ROI en dólares (ahorro de comisión 25–40% + revenue capturado), comprador claro. Q&A y reclamos son difusos y de baja disposición a pagar. ↗
- La expansión es el punto de quiebre nombrado. Bessemer marca el salto de wedge a multi-producto como el "failure point" de las vertical-AI — ir ancho antes de dominar el wedge rompe a las empresas en complejidad de integración y data.
- No automatices reclamos. Es la ocasión menos estandarizada, de más juicio y más riesgo de relación. Mantener human-in-the-loop ahí; automatizarlo temprano es donde más se quema confianza.
- La tasa base manda: casi todos los comparables ganadores empezaron con UNA ocasión y luego expandieron (abajo).
Cómo secuenciaron los comparables (todos: una ocasión primero)
| Empresa | Wedge inicial (una ocasión) | Hacia dónde expandió |
|---|
| Toast | POS / pedido + pago (la unidad fundamental) | → payroll, kitchen, capital, loyalty → el OS del restaurante |
| Slang AI | llamadas entrantes | → "guest communications platform" ($36M Series B, feb-2026) |
| SevenRooms | reservas | → CRM/CDP "own your data" → DoorDash $1.2B |
| Sirena → Darwin AI | inbox de WhatsApp (Latam) | → vendido a Zenvia; luego agente de ventas IA |
| Vambe | cerrar ventas por WhatsApp (commerce) | → $14M Series A; plataforma de commerce |
El único modelo "todo a la vez" (Rippling) requirió founder excepcional + capital enorme. Es la excepción, no el default de un pre-seed.
Mi recomendación
Laser en PEDIDOS como el wedge que monetizas y vendes — pero construye el "dueño de la interacción" como destino, no como pitch de hoy.
En concreto, tres decisiones:
- Vende y posiciona SOLO pedidos primero. Es la ocasión de mayor frecuencia, ROI más duro (mata la comisión) y comportamiento ya instalado. El mensaje: "deja de perder pedidos y sé dueño de tu cliente" — no "hacemos todo". Un solo "wow" innegable en <1 semana.
- Captura TODAS las ocasiones como DATA desde el día 1 — clasificando pedido / reserva / Q&A / reclamo / otro. Con IA esto es casi gratis y es la columna vertebral del sistema de registro. Pero es instrumentación, no 4 productos a la venta. Aquí "identificar la ocasión" sí suma: es lo que te vuelve el dueño del hilo.
- Secuencia reservas y lealtad como "Second Acts" explícitos, desbloqueados cuando pedidos domine en tu ICP (cadenas multi-local). La visión "hoy plataforma, mañana motor de lealtad" es correcta — solo que la lealtad se construye sobre el registro que el wedge de pedidos llena.
⚠ Riesgos de esta jugada
- Ya estás en 4 ocasiones con 43 restaurantes — el riesgo "fake multi-product" es real ahora. Pregúntate: ¿pedidos es best-in-class, o las 4 están en 7/10? Si es lo segundo, profundiza pedidos antes de vender amplitud.
- Barra de ACV/SMB: los vertical OS exitosos tienen ACV >$12K. A precios bajos de WhatsApp SMB ($650–1,300/mo en cadenas), el camino a "OS" exige multi-local (tu ICP ya lo acierta) y/o monetizar GMV de pedidos, no solo suscripción.
- No confundas instrumentar con vender. Clasificar ocasiones internamente ≠ lanzar 4 módulos. Si el pitch comercial se vuelve "plataforma todo-en-uno" antes de dominar pedidos, caes en el failure point de Bessemer.
10
Retos & riesgos (lo que no debes ignorar)
- Foco vs amplitud (decisión en §9). Hoy ya operan 4 ocasiones con 43 restaurantes — el riesgo "fake multi-product" es real ahora. El wedge recomendado es pedidos; pero ojo al frente competitivo: pedidos te enfrenta a delivery/POS (Fudo, Parrot, Rappi) que monetizan por volumen, mientras reservas te enfrenta a TheFork/CoverManager/Woki. No vender "todo" en early stage.
- El competidor real ya está acá y es barato: Aurora Inbox ($99–329/mes) es casi calcado. Diferenciación tiene que ser producto (calidad del agente, anti-no-show, integración POS local) o geografía (Perú/Colombia primero), no "somos IA".
- Riesgo de plataforma (Meta): dependes de la WhatsApp Business API; cambios de política/precio o un push de "Business AI" nativo de Meta pueden comprimir el espacio. Es viento de cola y amenaza a la vez.
- Commoditización del agente IA: construir "un bot de WhatsApp" es cada vez más barato (por eso el espacio está concurrido). El foso no es el LLM; es distribución, datos de operación e integraciones.
- Monetización SMB Latam: ARPU bajo, alta informalidad, cobranza difícil, churn alto. El unit economics tiene que cerrar con CAC bajo (probablemente self-serve + WhatsApp como canal de venta propio).
- Calidad de data: mucho "dolor" es de vendors. Para inversores, lidera con Zonal/CGA, OpenTable, Pew, Meta earnings, LAVCA, INEGI y usa el resto como color.
- Defensibilidad de la geografía: entrar por Perú es menos disputado, pero el premio grande (capital, prensa, talento) está en México/Brasil. Define si Perú es beachhead o mercado final.
11
Implicaciones estratégicas (founder POV)
- Clava un wedge único (un caso de uso, un país) y haz que el primer "wow" sea innegable en <1 semana de onboarding. La tesis ganadora no es "agente de IA" sino "el SMB latino deja de perder X demanda concreta".
- Posiciónate como vertical-restaurante WhatsApp-native contra los horizontales (Yalo/Leadsales) y como SMB-en-español-barato contra los incumbentes US.
- Mapa de warm intros ya: Latitud → Base10 → Darwin AI cap table; Monashees vía Vambe; ALLVP por foodtech. Usa la tesis "vertical cut de Darwin/Vambe".
- Aprovecha el viento de Meta (run-rate $2B, Business AI en México) como narrativa de timing — "el canal acaba de volverse monetizable y pagado".
- Datos a cerrar antes del deck: unidades Perú (INEI), restaurantes hispanos EE.UU. (Census), total Latam, y verificación del 72%/WhatsApp y el $18.2B contra fuente primaria.