Una respuesta guardada incorrecta escala el error
Las respuestas predefinidas se vuelven obsoletas de a poco. El producto cambia, el límite se modifica y la pantalla recibe un nombre nuevo. La respuesta guardada se sigue enviando, bien de tono y mal de contenido, cientos de veces antes de que alguien lo note.
Nadie es dueño de esto. Los agentes usan las respuestas sin revisarlas, y la persona que las escribió ya se fue, así que la obsolescencia se acumula en el material que más se envía.
La obsolescencia viene en dos tipos que piden un trato distinto. Una respuesta factualmente incorrecta hay que atenderla con urgencia. Un ítem mal redactado pero preciso pertenece al backlog. Si tratas los dos con la misma prioridad, no se atiende ninguno.
Cuanto más se usa algo, más urgente se vuelve. Un error que ocurre dos veces al año y uno que se usa cuarenta veces por semana no son el mismo problema.
Cómo se construye el agent en Agent Studio
Los datos de uso de cada respuesta preescrita convierten esto de una auditoría en una lista de prioridades. Un nodo HTTP Request lee la biblioteca de respuestas y obtiene los recuentos de envío.
El system prompt distingue un error factual de un problema de redacción y exige que cada hallazgo reciba una de las dos etiquetas, junto con un nivel de severidad.
Los prompt skills incluyen hechos que cambian seguido en tu producto: límites, fronteras de plan y nombres de funciones, para que el agent sepa dónde mirar en lugar de tratarlo todo con la misma sospecha.
Las MCP connections dan acceso a la documentación actual, y cada respuesta se contrasta con ella.
Agent Chat entrega la biblioteca cuando dispara un trigger Start Scheduled. Los errores factuales van a Slack de inmediato, con el nombre de la respuesta y la afirmación concreta que ahora es incorrecta. Los problemas de redacción van a un backlog de Notion ordenado por uso.
No hay edición automática. Una respuesta guardada enviada mal ya es grave. Una respuesta reescrita en silencio por un agent que nadie revisó es peor, porque el error entonces queda rastreadable.
De qué está hecho este agent
- System prompt: exige que cada hallazgo se nombre como error factual o como problema de redacción.
- Prompt skills: los hechos que cambian seguido en tu producto, para que el agent sepa dónde mirar.
- Conexiones MCP: documentación actual contra la que revisar cada respuesta.
- HTTP Request (Util): lee la biblioteca de respuestas e incluye recuentos de envío, para que los hallazgos se ordenen por exposición.
- Agent Chat (Util): un flujo programado entrega la biblioteca para revisión.
- Slack (Communication): lleva de inmediato los errores factuales. Notion recibe el backlog de redacción.
- Cuando un ActionFlow basta: Si marcar las respuestas que no se tocaron en un año alcanza, construye el flujo de trabajo. El agent juzga si una respuesta está mal de verdad.
Preguntas frecuentes
Empieza a crear flujos de IA
Crea una cuenta gratuita, abre una plantilla o un lienzo en blanco y ejecuta tu primer ActionFlow.
Boletín
Recibe actualizaciones del producto
Nodos nuevos, agents y notas de producto. Solo enviamos correo cuando merece la pena abrirlo.