Cómo un asistente de Telegram basado en Claude descargó al CEO y asumió parte del trabajo del equipo

Un pequeño equipo SaaS integró un asistente de IA directamente en su chat de trabajo de Telegram y, en unos meses, lo convirtió de experimento en una herramienta operativa completa. El bot responde a los gerentes de producto, revisa código, crea tareas en GitHub y asume parte de la carga que antes recaía casi por completo en el CEO.

Cómo funciona el asistente

El equipo describe un proceso de negocio muy típico de un SaaS pequeño: cinco desarrolladores, cuatro gerentes, el CEO y un stack de PHP, Vue, MySQL, GitHub y Telegram. El problema no era la falta de herramientas, sino que casi toda la experiencia interna se concentraba en una sola persona. El director respondía a mano preguntas repetitivas, explicaba cómo funciona el producto y cambiaba constantemente entre ventas, soporte y desarrollo. Por eso, incluso las consultas sencillas de los clientes quedaban horas en espera.

El asistente se integró en el chat común para que trabajara donde ya ocurre la comunicación diaria. La base es un bot sobre Claude que recibe no un mensaje aislado, sino el contexto del hilo, con acceso a la base de código, los datos de clientes, los issues de GitHub y los documentos internos. Los autores subrayan una idea clave: lo decisivo no fue el fine-tuning, sino un contexto bien armado. El modelo solo es útil cuando ve datos reales y la situación de trabajo actual.

Dónde ayuda de verdad

El escenario más claro son las preguntas rápidas de los gerentes, cuando el cliente necesita una respuesta ya. En lugar de la cadena «preguntar al CEO, esperar al desarrollador, revisar el código, volver con la respuesta», el bot encuentra por sí mismo la parte relevante del proyecto y ofrece una pista práctica. El artículo cita un ejemplo con una plantilla en la que un cliente intentaba pegar un enlace: el asistente revisó el procesamiento del texto y explicó que los enlaces HTML se eliminan, mientras que una URL normal se conserva sin problemas.

«El 90% de la magia no está en el modelo, sino en el contexto que se le pasa».

Igual de útil resultó el modo de creación de tareas. Cuando el CEO pide «redactar una tarea», el asistente no copia la conversación en el issue, sino que convierte el debate en una descripción técnica con pasos de implementación. En el caso del análisis de fotos de apartamentos, el bot enlazó por sí mismo el hashing ya existente con el nuevo escenario de comparación, y añadió distancia de Hamming, umbrales de coincidencia, un score combinado y validación sobre una muestra grande. El desarrollador recibe en un minuto una tarea de nivel tech lead, y no una conversación en bruto.

• Responde preguntas rutinarias de los gerentes en 15–40 segundos
• Crea issues de GitHub con responsable y labels
• Da pistas sobre el código y acota la zona de búsqueda de bugs
• Escribe el changelog tras las versiones directamente en el chat
• Ayuda a preparar la respuesta a un cliente incluso a última hora de la tarde

El tercer escenario son los mensajes tras el despliegue. El bot escribe automáticamente en el chat qué mejoras entraron en la versión: desde la lógica de mensajes no leídos y cambios de interfaz hasta el bloqueo de correos de contactos no deseados. Para un equipo pequeño no es algo cosmético, sino disciplina operativa: se gasta menos tiempo en informes manuales, la conversación conserva un rastro claro de los cambios y los gerentes entienden más rápido qué ya se ha lanzado y qué se puede prometer a los clientes.

Dónde se equivoca

Los autores reconocen con honestidad que el asistente no maneja los bugs complejos entre varios servicios con la misma fiabilidad que una persona. Puede encontrar fragmentos de código relevantes y proponer una hipótesis convincente, y aun así errar en cómo interactúan los sistemas en el runtime real. El ejemplo más desagradable: el bot aseguró con confianza a un gerente que la función de importación desde Excel ya existía, aunque el producto no la tenía, y el equipo tuvo que disculparse aparte con el cliente.

Hay también limitaciones que no se resuelven simplemente mejorando el prompt. El asistente puede reunir información para una decisión de negocio, pero no debe tomarla en lugar del directivo. Puede sugerir el texto de una respuesta a un cliente irritado, pero no sustituirá la confianza y el apoyo de un gerente. Además, las conversaciones largas en el chat de trabajo siguen siendo peligrosas: si un tema se alarga varios días, el modelo empieza a perder el hilo, porque incluso una ventana de contexto grande no es infinita.

Para reducir el riesgo, el equipo introdujo una regla sencilla pero importante: si no hay seguridad, el bot debe escribir claramente que la respuesta hay que verificarla con los desarrolladores. En tres meses el asistente dejó unos 2500 mensajes, creó aproximadamente 120 tareas y ayudó a cerrar sin el CEO cerca del 60% de las preguntas de los gerentes. Pero hubo también tres incidentes críticos por alucinaciones. Es un buen resultado para un acelerador de procesos, pero un motivo débil para considerar este sistema una fuente autónoma de verdad.

Qué significa

Este caso muestra bien hacia dónde se dirige en la práctica la IA corporativa. El formato más útil hoy no es un escaparate aislado con un chat, sino un agente dentro del entorno de trabajo existente, con acceso a código, CRM, tareas e historial de conversaciones. En esa configuración, la IA sí quita la rutina al directivo y acelera al equipo. Pero la confianza en ella no se basa en lo pulido de las respuestas, sino en la calidad del contexto, en las restricciones y en el derecho de una persona a detener el error a tiempo.