ElevenLabs delega la rutina en agentes internos y ahorra 1200 horas al mes

ElevenLabs ha publicado un análisis de cómo funcionan dentro de la compañía sus propios agentes en la plataforma ElevenAgents. Las cifras: más de 1 200 horas ahorradas al mes, más de 5 000 respuestas a preguntas de empleados, decenas de demos personalizadas para clientes y más de 150 tickets abiertos por los agentes en el último mes. Las 1 200 horas equivalen a unos siete u ocho puestos a tiempo completo. El autor del texto, Jake Tennant, responsable de producto y crecimiento de ElevenAgents (antes pasó cuatro años como PM en Coinbase), describe con franqueza tanto los resultados como las técnicas de ingeniería que los hicieron posibles.

El proyecto empezó de forma modesta. Los agentes de Slack ayudaban a obtener más rápido información interna: datos de retención de usuarios, documentación, historial de cuentas. Después aprendieron a actuar. Un empleado hace una pregunta, avisa de un bug o pide una demo, y el agente responde o ejecuta la petición.

Quién hace qué en Slack

Los agentes están asignados a equipos concretos:

• GTM bot (ventas) responde preguntas sobre clientes. Ejemplos de consulta: «¿Quiénes son nuestros principales clientes con derechos de uso de logotipo en Reino Unido, Francia y Alemania?» o «¿Cuáles son nuestros principales casos de uso de la API?»
• FDE bot (Forward Deployed Engineer, ventas y preventa) responde preguntas de producto, por ejemplo qué integraciones necesita un cliente que quiere un AI SDR outbound para agendar reuniones en nombre de los account managers. A partir de un mensaje, también construye un agente funcional para el escenario de un prospect concreto.
• Triage bot (soporte e ingeniería) convierte el feedback y los reportes de bugs en tickets. En un mes creó 150 tickets, un trabajo que antes hacían a mano dos equipos.
• Los agentes de producto y marketing de producto responden a preguntas sobre datos en canales temáticos. Por ejemplo: cómo ha cambiado en seis meses la conversión del plan gratuito al de pago entre los suscriptores self-serve de ElevenCreative en EE. UU. y qué factores influyen en ella. El análisis llega a un hilo, donde también se pueden hacer preguntas de seguimiento.

Un ticket que da gusto abrir

El triage bot tiene Procedures distintos para feature requests y para bugs. Antes de crear un ticket, busca contexto en Slack, lo compara con los tickets existentes para no generar duplicados y comprueba si hay detalles suficientes para el diagnóstico. Solo después abre el ticket en Linear con la prioridad adecuada. El bot determina el equipo responsable a partir de un documento de áreas de responsabilidad cargado en la base de conocimiento del agente.

Tras crear el ticket entra en juego un paso más: el agente comprueba si los campos están bien rellenados y si el ticket ha llegado al equipo correcto. Según el autor, esto redujo los casos de alucinaciones y de elección errónea de equipo.

Recortar el esquema, no pulir el prompt

La parte de ingeniería más importante del texto son cuatro técnicas que el equipo ha extraído de la operación diaria:

• Curar el esquema importa más que el prompt engineering. La mayor mejora de calidad en los agentes de retrieval vino de eliminar campos, no de ajustar el prompt del sistema. Cada columna o campo de objeto sobrante es un punto más donde el modelo puede adivinar mal. Reducir el esquema a un conjunto limitado de campos críticos mejoró la precisión más que cualquier retoque del prompt. El efecto secundario es evidente: con un esquema más corto, cada consulta lleva menos contexto.
• Tipado de los picklist. Los campos de Salesforce como la etapa de la oportunidad o el tipo de cuenta tienen un conjunto fijo de valores. Sin restricciones, el modelo puede generar un valor verosímil pero inexistente. Ahora los valores permitidos se cargan al arrancar y se insertan en las definiciones de tipos de la herramienta MCP, de modo que el modelo elige solo entre opciones reales.
• Poda de procedimientos. A medida que crece el número de Procedures de un agente, empiezan a solaparse. La herramienta Architect de ElevenAgents puede reorganizarlos para que las condiciones de activación sean inequívocas y la lógica no entre en conflicto.
• Verificación de tareas. La comprobación de campos y equipo tras crear el ticket en Linear, descrita más arriba.

Otra observación sobre la adopción: en los agentes internos hace falta precisión desde el primer día, porque si no el equipo deja de confiar en ellos y de usarlos. En un canal común los errores se notan más, pero también se notan más los aciertos, lo que, según el autor, ayudó a la adopción.

Qué llevarse a la práctica

Si está construyendo agentes internos sobre un CRM, un tracker y un chat corporativo, este es el orden de pasos que propone el caso. Primero, reduzca el esquema de datos al mínimo de campos sin los cuales no es posible una respuesta. Después, limite los tipos de valores a las enumeraciones reales de la fuente, por ejemplo mediante las definiciones de herramientas MCP. A continuación, separe los procedimientos por tipo de tarea y límpielos periódicamente de solapamientos. Por último, añada un paso de autocomprobación tras cada acción de escritura. Conviene lanzar los agentes en canales compartidos: allí los errores se ven de inmediato y la utilidad del agente es visible para todos.

Este texto salió dos semanas después de otro análisis de ElevenLabs, en el que la compañía contaba cómo resuelve 22 000 consultas de soporte al mes con ElevenAgents. Ahora el mismo producto aparece en el papel de herramienta interna de la empresa.