Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAPI / Producto · Listo para usarHabr AI→ original

Soporte con agentes de IA hizo su propio informe en 17 horas con una suscripción de $20

El responsable de soporte pedía unas veces objetivos por grupo y otras un periodo distinto, y cada cambio en el informe chocaba con la cola de desarrollo. El equipo describió la tarea con palabras en SimpleGen, una herramienta de IA sobre la plataforma SimpleOne, y los agentes la convirtieron en una página terminada en 17 horas. Según el propietario del producto, hacerlo a mano habría llevado al menos el doble. Los 786 330 tokens de Claude Code cupieron en una suscripción de $20 al mes. Las fórmulas, eso sí, las verifica una persona.

Procesado por IA desde Habr AI; editado por Hamidun News
Soporte con agentes de IA hizo su propio informe en 17 horas con una suscripción de $20
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalHabr AI ↗
Editor jefe
La especificación llevó 5,5 horas11 iteraciones de revisión y 28 preguntas del agente
Dato clave #2El despliegue falló 3 veces y la demo superó 25 de 28 pasos
Dato clave #3Por API, las respuestas habrían costado $19,66 más el pago del contexto de entrada

Una situación conocida: el responsable de soporte recibe un informe sobre las solicitudes y queda satisfecho, pero una semana después pide añadir objetivos por cada grupo, luego otro periodo y luego separar un tipo de tarea. Cada petición lleva cinco minutos, pero desarrollo tiene una cola para atenderla, y en el constructor de informes estándar de SimpleOne habría que montar cada variante por separado. El equipo decidió no esperar en la cola: describió la tarea con palabras llanas en SimpleGen, una herramienta de desarrollo con IA sobre la plataforma SimpleOne, donde la empresa gestiona sus procesos de soporte.

«Harness» significa aquí la estructura de trabajo en la que varios agentes de IA escriben, revisan y despliegan código. El camino desde la petición hasta el informe terminado requirió 17 sesiones y unas 17 horas, con pausas; según el propietario del producto, hacerlo a mano habría llevado al menos el doble. Todo el gasto de tokens, 786 330 en Claude Code, cupo en una suscripción de $20 al mes.

Para ti, esto responde a la pregunta de si se pueden resolver pequeñas solicitudes internas sin abrir un proyecto aparte en desarrollo.

Por qué no bastó el constructor estándar

Los informes y dashboards estándar de SimpleOne calculan bien las sumas por tablas. Pero el balance de flujo (cuántas solicitudes entraron y cuántas se cerraron), la mediana del tiempo de respuesta, la proporción de solicitudes reabiertas y los objetivos por grupo exigen una lógica de cálculo propia. Además, según el equipo, la tabla de historial crece hasta unos 30 millones de registros. El resultado: los jefes de línea, los jefes de servicio y los directores de TI repasan a mano listas de solicitudes y se les escapa lo crítico. Para la estadística anual existe BI, pero soporte necesita sus propias métricas, objetivos y distribución de la pantalla.

Cómo se organizan las cuatro etapas

En SimpleGen trabajan distintos agentes: autor del código, corrector, revisor y otros. El tiempo se repartió de forma desigual entre las etapas:

  • especificación: unas 5,5 horas, con 11 iteraciones de «escribir y revisar» y 28 preguntas del agente;
  • plan: 1,5 horas, con 11 fases y 42 tareas;
  • código: unas 7 horas, con generación por fases, revisión y parche al entorno de pruebas;
  • demo: unas 2 horas, con guion, datos de demostración, ejecución y correcciones.

La parte que más rentabiliza el esfuerzo es la especificación, es decir, el documento detallado de requisitos. Se escribe la tarea en texto libre, el agente autor monta el documento, el revisor lo comprueba y así hasta el veredicto «ok». Por el camino el agente plantea preguntas: qué se considera una solicitud resuelta, si el balance de flujo puede ser negativo, cómo calcular la mediana del tiempo de respuesta, qué objetivo fijar a grupos con valores distintos. Si se acepta sin mirar, el agente rellenará los huecos del documento a su criterio y el resultado no será lo que se necesitaba.

El agente también detectó discrepancias con el entorno de pruebas: la descripción mencionaba tres descendientes de ITSM Task, pero en realidad eran diez. Los estados de espera y los códigos de cierre también resultaron distintos entre grupos. Corregir esto en la especificación sale más barato que rehacer un widget ya terminado. La especificación, el plan, el registro de cambios y los logs están en Git, de modo que un cálculo dudoso puede contrastarse con la fuente original.

El código se generó por fases: primero el autor, luego el revisor y después el parche al entorno de pruebas. La revisión detectó detalles menores fáciles de pasar por alto a mano, como un valor vacío por defecto.

Qué se logró y cuánto costó

El responsable recibió una página nueva y una entrada de menú. Arriba hay tres filtros: periodo, grupo de soporte y tipos de tarea. Debajo, cuatro bloques: flujo, velocidad, desgloses y calidad. Aparte hay un catálogo de objetivos: por ejemplo, la proporción de solicitudes de primera línea resueltas dentro del SLA no debe bajar del 75%. Si el valor cae, el mosaico se pone rojo de inmediato, no a final de mes.

El merge request incluyó 169 registros y 161 archivos, de ellos 130 de localización. El código del widget ocupa unas 2 600 líneas. El SOP de 288 registros se desplegó en un entorno de pruebas limpio sin cambios manuales en la interfaz.

La suscripción de Opus 5 por $20 al mes cubrió los 786 330 tokens sin superar límites ni pagos adicionales. Para escenarios corporativos con requisitos de seguridad suele hacer falta la API. Allí, según los cálculos del equipo, el mismo volumen de respuestas costaría $19,66 más el pago del contexto de entrada, así que la diferencia es pequeña.

Dónde hubo que corregir

El despliegue falló tres veces: el entorno de pruebas no aceptó una descripción larga en ruso con un guion largo, en un campo llegó un array vacío en lugar de una cadena, y la propia plataforma creó un formulario que se intentó crear de nuevo. Cada caso llevó unos cinco minutos, y ayudó el equipo de product sync, que trae el formulario al repositorio. La demo superó 25 de 28 pasos: los tres restantes requieren autorización y acciones manuales. La ejecución duró unos 7 minutos y encontró dos defectos: un bloque vacío se dibujaba mal y las descripciones de los campos de objetivos no se veían.

La limitación principal: nadie leyó el código línea por línea, así que las fórmulas las verifica una persona. Parte de las métricas es discutible. El bloque «cuello de botella» tiene un nombre impreciso, ya que los incumplimientos de SLA por prioridad no demuestran que haya un cuello de botella. El balance de flujo se vuelve negativo por solicitudes que esperan respuesta del cliente y no dependen del equipo. El propio informe es retrospectivo y no sustituye a los dashboards operativos.

Qué conviene anotar

El equipo extrajo cinco reglas. Responder al agente con criterio. Cambiar primero la especificación y solo después regenerar el código. Desplegar por fases y comprobar cada una en el entorno de pruebas. Hacer commit tras cada parche. No saltarse el demo run, que encuentra defectos invisibles en el código.

Se puede empezar con una página de texto: anote el informe que más se pide, las cifras necesarias, los objetivos y la definición de solicitud «resuelta». Después cuente cuántas veces ya se ha rehecho.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Por qué no bastó el constructor estándar?

Los informes y dashboards estándar de SimpleOne calculan bien las sumas por tablas. Pero el balance de flujo (cuántas solicitudes entraron y cuántas se cerraron), la mediana del tiempo de respuesta, la proporción de solicitudes reabiertas y los objetivos por grupo exigen una lógica de cálculo propia. Además, según el equipo, la tabla de historial crece hasta unos 30 millones de registros.

Cómo se organizan las cuatro etapas?

En SimpleGen trabajan distintos agentes: autor del código, corrector, revisor y otros. El tiempo se repartió de forma desigual entre las etapas: especificación: unas 5,5 horas, con 11 iteraciones de «escribir y revisar» y 28 preguntas del agente; plan: 1,5 horas, con 11 fases y 42 tareas; código: unas 7 horas, con generación por fases, revisión y parche al entorno de pruebas; demo: unas 2 horas, con guion, datos de demostración, ejecución y correcciones.

¿Qué se sabe sobre Qué se logró y cuánto costó?

El responsable recibió una página nueva y una entrada de menú. Arriba hay tres filtros: periodo, grupo de soporte y tipos de tarea. Debajo, cuatro bloques: flujo, velocidad, desgloses y calidad. Aparte hay un catálogo de objetivos: por ejemplo, la proporción de solicitudes de primera línea resueltas dentro del SLA no debe bajar del 75%. Si el valor cae, el mosaico se pone rojo de inmediato, no a final de mes. El merge request incluyó 169 registros y 161 archivos, de ellos 130 de localización.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…