Agentes que trabajan sobre tus propios sistemas: responden consultas con tu documentación, clasifican tickets, redactan borradores y avisan de lo que se está por romper. Con modelos que pueden correr en tu infraestructura, sin que la información salga de la empresa.
Un agente que responde con tus manuales, procedimientos y base de conocimiento, y que dice de dónde sacó cada respuesta. Sirve para la mesa de ayuda, para el ingreso de personal nuevo y para las preguntas que se repiten cada semana.
Los tickets y los correos entrantes se clasifican, se priorizan y se derivan al área correcta apenas llegan. El agente propone la categoría y una respuesta inicial; una persona aprueba antes de que salga.
Un asistente que cruza alertas de monitoreo, registros y el historial de cambios para sugerir por dónde empezar a mirar. Empieza siempre en modo de solo lectura: recomienda, no ejecuta.
Con Ollama u otro motor local, el modelo corre en tu servidor y los datos nunca salen de la red. Para lo que no es sensible se puede usar un servicio externo, con la decisión tomada dato por dato y no por defecto.
El agente se conecta al GLPI, al ERP, al CRM, al monitoreo o a la central telefónica por sus propias interfaces. No es un chat aislado: trabaja con los sistemas que ya tenés.
Cada acción del agente queda registrada, y las que tienen consecuencias requieren confirmación de una persona. Los permisos son acotados: un agente nunca tiene más acceso que el que necesita para su tarea.
No, si se implementa con modelos locales: el modelo corre en tu servidor y nada sale de la red. Cuando conviene usar un servicio externo por capacidad, se define explícitamente qué información puede salir y qué no, y se filtra antes de enviar. Es una decisión de diseño, no un ajuste que se revisa después.
Se asume que se va a equivocar, y por eso empieza asistiendo y no decidiendo: propone la respuesta, la clasificación o el diagnóstico, y una persona aprueba. Se le da autonomía solo en tareas donde el error es barato y reversible, y siempre con registro de lo que hizo.
Un caso concreto y aburrido: la pregunta que más se repite, la clasificación que más tiempo consume. Se implementa ese solo, se mide si ahorra tiempo de verdad y recién ahí se suma el siguiente. Los proyectos de IA que arrancan queriendo automatizar todo no llegan a producción.
Relevamos qué tareas repetitivas consumen más horas en tu equipo y cuáles se pueden automatizar con control humano. De ahí sale el primer agente, no una plataforma.
