Gabriel

· Activo

Agentes de IA y chatbots con RAG para soporte técnico

Un agente de IA no es solo un chatbot que contesta. Es un sistema que consulta la información de la empresa, se conecta a sus herramientas y hace tareas.

Este año en DPI Estrategia he trabajado en agentes de apoyo al servicio técnico, por chat y por voz. En todos seguimos la misma idea: la IA ayuda, pero el humano tiene el control.

  1. Asistente técnicosimulación

    Hola, soy el asistente del servicio técnico. ¿En qué te ayudo?

    La máquina da el error E-07 al arrancar, ¿qué hago?

    El E-07 indica que la presión de entrada no llega al mínimo. Prueba esto: 1) comprueba que la válvula de entrada está abierta, 2) revisa el filtro y límpialo si está sucio, 3) reinicia el equipo. Si el error sigue, abre una incidencia.

    Fuentes recuperadas
    • Manual de servicio · pág. 34 0,92
    • Imagen descrita: circuito de presión 0,87

    Un asistente al que los técnicos preguntan sus dudas

    En los proyectos de agentes de apoyo al servicio técnico, la idea era que los técnicos tuvieran un chatbot al que preguntar sus dudas en el momento, sin buscar en manuales de cientos de páginas. Responde rápido, enseña de dónde ha sacado la respuesta y hace que todo el proceso de atención vaya mejor. Puedes probarlo, aunque es una simulación con respuestas preparadas.

    • Gemini
    • Python
    • Next.js
    • React
    • TypeScript
    • Azure
  2. Cómo se trocea un PDFsimulación

    1. Cambio del filtro. Antes de empezar, apagar el equipo y cerrar la válvula de entrada.

      ✓ Una idea completa

    2. 🖼 Vista lateral del equipo. El filtro está detrás del panel derecho, sujeto con dos tornillos.

      ✓ La imagen, en palabras

    3. Pasos: 1. Retirar el panel lateral. 2. Aflojar los dos tornillos. 3. Cambiar el filtro y revisar la junta.

      ✓ Sin ruido

    PDF OCR con Gemini chunking selectivo PostgreSQL + pgvector

    Un RAG hecho a medida para PDFs llenos de imágenes

    La documentación eran PDFs con muchas imágenes, esquemas y tablas, justo lo que peor lleva un RAG estándar. Usamos el OCR de Gemini para leerlos y aplicamos un chunking selectivo en el que la IA saca de cada documento la información importante y describe con palabras cada imagen. Así, cuando el sistema recupera un fragmento, también recupera lo que enseñaba la foto.

    • Gemini
    • Python
    • PostgreSQL
  3. Tres personas revisando juntas algo en un portátil

    El humano tiene el control

    Creamos una plataforma con un panel de administración para meter conocimiento nuevo, actualizarlo, analizar cómo responde el asistente y tocar cosas puntuales. Las respuestas que los técnicos validan como buenas se guardan en una base de datos propia y nutren al sistema, que aprende de lo que ya ha funcionado. Todo vive en PostgreSQL con su vertiente vectorial (pgvector) para las búsquedas, así que hay una sola base de datos que mantener.

    • Next.js
    • React
    • TypeScript
    • PostgreSQL
    • Azure
  4. Una llamada al agentesimulación
    1. Llamada
    2. Número virtual
    3. SIP trunk
    4. Centralita
    5. Agente de voz
    6. API de tickets
    • Cliente Hola, la máquina de la planta 2 no arranca.
    • Agente Vaya, te abro una incidencia. ¿Me dices el número de serie?
    • Cliente Es la X200-5531.
    • Agente Hecho. Un técnico te llamará hoy mismo.

    Ticket #4821 · Abierto · asignado a un técnico

    Un agente de voz conectado a la centralita

    El otro frente fue la voz. Compramos un número virtual, lo conectamos por SIP trunking a la centralita de la empresa y montamos un agente que atiende las llamadas, conectado a las APIs de su sistema interno de tickets. En la primera fase nos aseguramos de que el agente recogiera bien cada incidencia y abriera su ticket; en la segunda, además, da respuesta para resolver el problema en la propia llamada. Es un enfoque híbrido, porque lo que el agente resuelve se cierra ahí y lo demás sigue su camino por el ticket hasta un técnico.

Todo el stack

  • Gemini
  • Python
  • Next.js
  • React
  • TypeScript
  • Azure
  • PostgreSQL

Lo que me ha dado

  • Montar un RAG a medida cuando el estándar no basta, con OCR, chunking selectivo y descripción de imágenes
  • Diseñar sistemas con el humano en el bucle (human-in-the-loop) que aprenden de respuestas validadas
  • Conectar un agente de voz a una centralita por SIP trunking y a un sistema de tickets por API
  • Ir por fases, primero que el agente recoja bien y después que resuelva