Felipe Campos AI Product Engineer · Design Engineer

Soporte post-venta en NEVERO SA · 2026

Agente de Soporte Post-Venta

Agente conversacional para soporte post-venta, del discovery al prototipo funcional.

Problema

Qué fallaba y para quién

Los equipos de soporte post-venta manejan consultas y contexto disperso entre sistemas; el conocimiento operativo cuesta encontrarlo en el momento de responder.

Qué se hizo

Entregables concretos

  • Discovery cualitativo con actores operativos para priorizar oportunidades de IA de alto impacto en el negocio.
  • Prototipos funcionales de un agente con agentes sobre AWS Bedrock AgentCore y modelos Claude, conectados al contexto de tickets en Zendesk.
  • Documentación de la infraestructura y las integraciones cloud (AWS) para que el conocimiento sea transferible al equipo.

Cómo se hizo

Metodología por fases

  1. Discovery

    Discovery cualitativo con actores operativos para entender el flujo real de soporte.

    SalidaOportunidades de IA priorizadas por impacto en el negocio.

    • Entrevistas con actores operativos
    • Priorización por impacto

  2. Prototipo funcional

    Construcción del agente con agentes sobre AWS Bedrock AgentCore y modelos Claude, integrado al contexto de tickets en Zendesk.

    SalidaPrototipos funcionales del agente en uso sobre el flujo de soporte.

    • Amazon Bedrock AgentCore
    • Modelos Claude
    • Agentic RAG
    • Zendesk
    • Claude Code CLI

  3. Transferencia

    Documentación de la infraestructura y las integraciones cloud (AWS).

    SalidaSolución operable y transferible más allá de mi rol.

    • Documentación de arquitectura
    • AWS Lambda · S3
    • Docker · ECR

Stack por capa

Herramientas y con qué capa trabajan

Producto

  • Producto: Zendesk

Código

  • Código: AWS Lambda
  • Código: Docker · Amazon ECR
  • Código: Claude Code CLI

IA

  • IA: AWS Bedrock AgentCore
  • IA: Modelos Claude
  • IA: Agentic RAG

Método

  • Método: Discovery cualitativo
  • Método: Prototipado funcional

Resultados

Resultados: métrica no publicable

  • Prototipos funcionales

    Agente con agentes conectado al contexto de tickets en Zendesk.

  • Transferencia documentada

    Infraestructura e integraciones cloud (AWS) documentadas para el equipo.

  • Oportunidades priorizadas

    Discovery cualitativo con actores operativos como base de la priorización.

Por qué no hay cifraMétrica no publicable (caso sanitizado): NEVERO SA no ha autorizado métricas internas ni nombres de clientes.

Evidencia

Esquema del sistema

  1. 01 Entrada
    Ticket entrante
    • Zendesk
  2. 02 Agente de soporte
    Agente conversacional
    • Amazon Bedrock AgentCore
    • Runtime · Gateway · Memory
    • Identity · Observability
    • Agentic RAG
    Agentes
    AWS Bedrock AgentCore
    Razonamiento
    Modelos Claude
  3. 03 Razonamiento
    Modelos Claude
    • Amazon Bedrock
  4. 04 Conocimiento operativo
    Base de conocimiento
    • Agentic RAG
    • Recupera cuando lo necesita
  5. 05 Herramientas de negocio
    Gateway + Lambda
    • AgentCore Gateway
    • AWS Lambda
    • APIs REST
  6. 06 Salida al operador
    Respuesta en Zendesk
    • Zendesk
Esquema del sistema, no captura de producto

Esquema del sistema, no captura de producto

Aprendizajes

Qué me llevo del caso

  • Escuchar la operación antes de proponer IA: el discovery con actores operativos define qué oportunidades valen el esfuerzo.
  • El agente se integra al flujo existente en Zendesk en lugar de reemplazarlo; la adopción depende de llegar donde el operador ya trabaja.
  • La documentación de la infraestructura es parte del entregable: sin ella la solución no es operable más allá de mi rol.

Siguiente caso

Seguir leyendo

Taskflow Pipeline multi-agente que automatiza el reporte de avances hacia Slack y ClickUp. Abrir Taskflow Volver al hub de proyectos