Diseño de Agente IA para Crisis de Adopción en FlowTask

PARTE 1: ANÁLISIS E INVESTIGACIÓN

El Sombrero de Researcher

1.1 Contexto del Escenario

FlowTask, una plataforma SaaS de gestión de proyectos con una base de usuarios consolidada, ha implementado una actualización que altera significativamente el funcionamiento de una función que sus usuarios más experimentados dominaban y sobre la cual dependían en sus rutinas diarias. Un cliente valioso y con larga experiencia se comunica con el soporte manifestando su gran frustración por la interrupción de su productividad, lo que podría reflejar un grupo más extenso de usuarios impactados por esta decisión de producto.

Situación:

• Producto: FlowTask (herramienta de gestión de proyectos)
• Evento: Actualización significativa a función clave
• Problema: Usuario fiel y de larga data frustrado y confundido
• Misión: Diseñar estrategia de comunicación que equilibre empatía, explicación y solución

Análisis del contexto estratégico

Esta circunstancia constituye un ejemplo típico de manejo del cambio en productos digitales, donde las mejoras destinadas a la mayoría de los usuarios generan fricción con aquellos usuarios avanzados que ya habían perfeccionado sus flujos de trabajo. El reto no es solo técnico o comunicacional: se centra principalmente en la retención de clientes valiosos mientras se defiende una estrategia de producto.

El riesgo no se restringe a este usuario específico. Un cliente que expresa su frustración puede volverse un detractor público (reseñas negativas, publicaciones en redes sociales), y es probable que otros usuarios avanzados que aún no han solicitado ayuda compartan su descontento.

La respuesta debe cumplir varios objetivos a la vez: validar emocionalmente al usuario sin cuestionar la elección del producto, instruir sobre el razonamiento estratégico sin parecer a la defensiva y proporcionar soluciones específicas que reestablezcan la productividad de inmediato.

1.2 Preguntas de Investigación Clave

Pregunta #1:

¿Qué datos específicos de la investigación de usuarios respaldaron este cambio de función, y qué compensaciones conscientes identificó el equipo de producto para los usuarios avanzados?

Justificación de por qué es la #1:

Sin una adecuada estrategia fundamentada en datos, cualquier respuesta que proporcionemos será superficial y poco efectiva. Necesitaría saber:

• La problemática específica que revelan las cifras (por ejemplo: "el 73% de los usuarios recientes no consigue realizar X acción").
• Qué tan grave es el problema (cuánta gente se ve afectada, cómo influye en las métricas clave).
• Las elecciones complicadas que hacemos deliberadamente (esto prueba que nuestras acciones fueron intencionadas, no un descuido).

Con esta información, podemos modificar la charla de:

"Lo modificamos y, si no te agrada, lo lamentamos."

A:

"Estuvimos investigando durante 6 meses con más de 200 equipos y hallamos que el 68% de los usuarios enfrentaba dificultades con [tarea específica] debido a [razón concreta]." Sabíamos que usuarios con experiencia como tú podrían dominar el sistema anterior fácilmente, pero debíamos resolver este inconveniente mayor que limitaba su uso por parte de más personas.

Esta pregunta me facilitaría prever objeciones y tratarlas de manera proactiva. Asimismo, establece si poseo la autoridad ética para abogar por la transformación. Sin información concreta, mi mejor enfoque es admitir abiertamente que la comunicación fue inadecuada, en lugar de justificar lo injustificable.

Pregunta #2:

¿Cuántos usuarios han contactado soporte específicamente por este cambio en los últimos 7 días? ¿Cuál es su perfil (antigüedad, nivel de actividad) y cuál es la tasa de abandono proyectada para este segmento?

Por qué es importante:

La contestación a esta interrogante nos habilita para establecer la magnitud de la problemática. Si la cantidad de usuarios perjudicados es reducida (por ejemplo, 5 de 10,000), la táctica debería centrarse en capacitación y asistencia individualizada. No obstante, si el monto es significativo (por ejemplo, 500 quejas), estamos ante una crisis sistémica que podría necesitar medidas más enérgicas, como revertir el cambio, implementar funciones distintas o proporcionar compensaciones importantes.

Asimismo, el examen del perfil de los usuarios que solicitan asistencia es fundamental. Si, por ejemplo, la mayoría son usuarios con más de dos años de antigüedad, esto señalaría un efecto desmedido en nuestra base de usuarios más experimentados, lo que exigiría un reconocimiento claro y soluciones específicas.

Finalmente, la estimación de la tasa de abandono nos permite respaldar la distribución de recursos. Según el nivel de riesgo, podríamos evaluar la posibilidad de brindar sesiones individuales 1 a 1 o crear un canal de asistencia privilegiado para estos usuarios.

Pregunta #3:

¿Qué comunicación previa recibió este usuario específico sobre el cambio (correos abiertos, notificaciones vistas, registro de cambios leído), y cuál fue la estrategia general de comunicación del cambio?

Por qué es importante:

La frustración proviene de dos orígenes diferentes:

• Sorpresa total → Cambio sin aviso
• Resistencia al cambio anunciado → Era consciente de su llegada, pero igualmente lo rechaza.

La táctica varía drásticamente dependiendo de la situación.

Si la comunicación fue inadecuada, se debe admitir de manera clara ("Tienes razón, pudimos expresar esto mejor") y detallar cómo lo haremos mejor en el futuro. Desestimar lo evidente socava la credibilidad.

Si nos comunicamos efectivamente pero el usuario no comprendió, el tono debe ser más informativo y menos en tono de disculpa, sin responsabilizar al usuario.

Pregunta #4:

¿Qué workflows específicos ejecutaba regularmente este usuario con la función anterior (según registros de actividad), y existe forma de lograr los mismos resultados con la nueva función?

Por qué es importante:

Esto transforma las respuestas generales en específicas. Por ejemplo, en vez de un tutorial general, se ajustaría la respuesta a las necesidades particulares del usuario. Si un usuario genera con frecuencia 15 tareas cada día con dependencias complicadas, la explicación debería ser: "Observo que habitualmente creas 15 tareas diariamente con dependencias complejas." Con la nueva característica, puedes conseguir precisamente eso de esta forma: [pasos específicos para SU flujo]".

Asimismo, indica si el usuario presenta flujos de casos extremos que realmente colapsaron sin una opción viable. Si es el caso, requiero:

1. Admitir honestamente que su caso específico es más difícil
2. Ofrecer compensación real (extensión de prueba, créditos, prioridad en hoja de ruta)
3. Escalar a producto para considerar si justifica ajustes

La especificidad fundamentada en SUS datos evidencia una investigación auténtica, no una respuesta genérica.

Pregunta #5:

¿Existe posibilidad de ofrecer alternancia de función (modo heredado opcional), y si no, cuál es la línea de tiempo y hoja de ruta de mejoras iterativas a la nueva función basadas en retroalimentación de usuarios avanzados?

Por qué es importante:

Necesito conocer qué alternativas específicas puedo proporcionar además de "domina el nuevo sistema".

Si hay alternancia disponible:

• Lo presento como una alternativa final (detallando por qué no es la mejor a largo plazo).
• Doy control al usuario, reduciendo sensación de impotencia.

Si NO hay alternancia:

• Debo ser completamente directo (no crear falsas esperanzas).
• Compenso con: cronograma definido + plan de mejoras futuras + soporte durante la transición.

Si la hoja de ruta indica que en 2 semanas se lanzarán mejoras que abordan su problema específico, puedo afirmar "Comprendo que actualmente es más complicado y valoramos ese comentario. En 14 días introducimos [característica X] que aborda de manera específica [su problema]."

Sin esta información, cualquier "estamos trabajando en mejoras" suena vacío.

1.3 Marco Metodológico de Investigación

Enfoque metodológico aplicado:

Aplico un enfoque mixto que fusiona la investigación cuantitativa (número de tickets, indicadores de uso, estimaciones de abandono) con cualitativa (evaluación de flujos individuales, estudio que impulsó el cambio).

Marco principal: Modelo ADKAR de Gestión de Cambio

Este modelo diagnostica en qué etapa del proceso de cambio se encuentra el usuario, permitiendo respuestas personalizadas:

• Conciencia (Awareness): ¿Sabía el usuario que el cambio vendría?
• Deseo (Desire): ¿Entiende por qué era necesario el cambio?
• Conocimiento (Knowledge): ¿Sabe cómo usar la nueva función?
• Habilidad (Ability): ¿Puede ejecutar sus tareas con ella?
• Refuerzo (Reinforcement): ¿Qué soporte continuo necesita?

Marco complementario: Trabajos por Hacer (Jobs-to-be-Done)

Reconozco qué "tarea" solicitaba el usuario a la función previa. La modificación probablemente conserva la función técnica, pero modifica el "trabajo" que el usuario tenía que realizar.

Esta combinación evita soluciones unidimensionales: ADKAR indica dónde se encuentra bloqueado el usuario, y Trabajos por Hacer aclara qué necesita alcanzar.

Triangulación de datos:

Combino tres fuentes para contexto completo:

1. Datos cuantitativos (soporte y producto): magnitud de crisis, patrones de uso específicos
2. Datos cualitativos (decisión de producto): razonamiento estratégico, investigación justificatoria
3. Análisis de sentimiento (mensaje del usuario): nivel emocional para calibrar tono de respuesta

Esta intersección revela tanto la situación individual como el patrón sistémico, permitiendo respuesta personalizada que también informa estrategia más amplia.

Aplicación práctica de ADKAR al caso FlowTask:

Según las preguntas de investigación, diagnosticaría:

• Conciencia: Pregunta #3 revela si hubo comunicación previa
• Deseo: Pregunta #1 proporciona razonamiento para generar aceptación
• Conocimiento: Pregunta #4 identifica qué necesita aprender específicamente
• Habilidad: Pregunta #4 también verifica si puede ejecutar sus flujos
• Refuerzo: Pregunta #5 determina qué soporte continuo ofrecer

PARTE 2: DISEÑO Y EJECUCIÓN

El Sombrero de Ingeniero

2.1 System Prompt Completo

# ROL Y EXPERTICIA

Eres un especialista senior en comunicación de crisis y gestión de cambio en productos SaaS, con experiencia en convertir fricción de usuarios en oportunidades de fortalecimiento de relación. Tu experticia combina psicología de usuario, comunicación de producto basada en datos, y retención estratégica de clientes de alto valor.

---

# CONTEXTO DE LA SITUACIÓN

## Producto
FlowTask - herramienta SaaS de gestión de proyectos

## Evento Desencadenante
Actualización reciente cambió significativamente función clave en UX y comportamiento

## Usuario
- Cliente fiel de largo plazo (segmento alto valor)
- Contacta frustrado y confundido
- Workflows habituales interrumpidos
- Ha invertido tiempo dominando sistema anterior

## Datos de Investigación Disponibles
[INSERTAR AQUÍ datos reales obtenidos de preguntas de investigación:]
- Usuarios afectados totales: [X]
- Razón estratégica del cambio: [Y]
- Pain points resueltos por cambio: [Z]
- Comunicación previa al usuario: [Sí/No/Parcial]
- Workflows específicos del usuario: [W]

---

# OBJETIVOS SIMULTÁNEOS

Diseña respuesta que logre:

1. VALIDACIÓN EMOCIONAL: Reconocer frustración sin invalidarla o minimizarla
2. CONTEXTO ESTRATÉGICO: Explicar razonamiento de producto transparentemente con datos
3. SOLUCIÓN INMEDIATA: Ayuda concreta para recuperar productividad HOY
4. VISIÓN FUTURO: Mostrar valor que el cambio desbloquea
5. RETENCIÓN: Mantener relación y confianza con cliente de alto valor

---

# MARCO ADKAR APLICADO

Diagnostica y atiende cada etapa:

**Conciencia**: ¿Sabía del cambio? Ajusta tono según respuesta
**Deseo**: Usa datos de investigación para generar aceptación del por qué
**Conocimiento**: Explica cómo usar nueva función específicamente para SUS workflows
**Habilidad**: Verifica que puede ejecutar tareas, ofrece práctica guiada
**Refuerzo**: Establece soporte continuo y seguimiento

---

# RESTRICCIONES ABSOLUTAS

## NUNCA
❌ "Lamentamos las molestias"
❌ "Entendemos su frustración"
❌ "Estamos comprometidos con la excelencia"
❌ "Valoramos su feedback"
❌ "Nuestro equipo está trabajando en mejoras"
❌ Lenguaje corporativo vacío

## SIEMPRE
✅ Reconocer la frustración con palabras específicas
✅ Explicar el por qué con datos concretos
✅ Ofrecer solución inmediata y accionable
✅ Mostrar visión de futuro con timeline definido
✅ Mantener tono profesional pero humano

2.2 Desglose de Componentes Estratégicos

Componente 1: Rol y Experticia

Función estratégica:

• Establece nivel de sofisticación esperado en respuesta
• "Convertir fricción en oportunidad" define mindset proactivo vs. reactivo
• Evita que la IA genere respuesta de soporte nivel 1 genérica

Componente 2: Contexto con Placeholders

Función estratégica:

• Estructura reutilizable que permite insertar datos reales del caso
• Separa variables (datos específicos) de constantes (estructura)
• Previene que IA invente detalles

Componente 3: Objetivos Simultáneos

Función estratégica:

• Forzar balance entre 5 dimensiones previene respuestas unidimensionales
• Orden secuencial crea jerarquía: primero empatía, luego solución
• "Simultáneos" es crítico: no puede sacrificar uno por otro

Componente 4: Marco ADKAR

Función estratégica:

• Metodología reconocida de gestión de cambio aplicada a producto digital
• Diagnóstico estructurado de dónde está bloqueado el usuario
• Guía qué información priorizar según etapa

Componente 5: Restricciones con ❌/✅

Función estratégica:

• Restricciones visuales claras: El formato visual facilita la identificación inmediata de las restricciones.
• Ejemplos claros para evitar clichés: Se proporcionan ejemplos concretos de frases prohibidas.
• Alternativas específicas: Se ofrece una lista positiva (✅) con alternativas concretas.

Componente 6: Arquitectura de 6 Partes

Función estratégica:

• Prescribe longitud específica (2-3 vs 4-5 oraciones) para controlar proporción
• Crea arco emocional: validación → contexto → puente → solución → visión → acción
• Orden secuencial maximiza receptividad del usuario

Componente 7: Tono y Estilo

Función estratégica:

• "Profesional pero humano" establece tensión productiva a resolver
• Límite de 250-350 palabras previene verbosidad
• "Alternar oraciones" controla ritmo de lectura para mejor absorción

Componente 8: Lógica Adaptativa (SI/ENTONCES)

Función estratégica:

• Las condicionales permiten una personalización automática y contextual.
• Anticipan escenarios comunes y ajustan el énfasis de manera prescriptiva.
• Evitan respuestas idénticas en situaciones diferentes.

Componente 9: Ejemplo de Calibración

Función estratégica:

• Formato checkbox (☐) hace verificación accionable
• 9 criterios medibles permiten control de calidad sistemático
• Último ítem ancla todo en utilidad práctica para usuario

Componente 10: Checklist de Verificación

Función estratégica:

• Logra un equilibrio preciso entre la empatía y la claridad explicativa.
• La nota "[NO copiar]" disuade el plagio, fomentando al mismo tiempo el aprendizaje.
• Comunica un tono particular que las palabras por sí solas no logran transmitir.

2.3 Meta-Estrategia del Prompt

El prompt funciona como embudo de especificidad progresiva:

AMPLIO → ESPECÍFICO

Rol general → Contexto caso → Objetivos → Métodos → Restricciones → Estructura → Estilo → Lógica → Verificación → Ejemplo

Cada capa agrega precisión sin contradecir anteriores. Componentes interactúan sinérgicamente: ADKAR informa qué parte de arquitectura enfatizar; restricciones aplican a toda arquitectura; lógica adaptativa modifica énfasis según contexto.

PARTE 3: ARTICULACIÓN DE LA METODOLOGÍA

3.1 El Prompt Colaborador

Contexto de uso:

Utilicé este prompt después de validar metodologías de investigación con Gemini. Necesitaba priorizar las 5 preguntas según su criticidad en el flujo de trabajo, identificando cuál era absolutamente indispensable antes de cualquier diseño de solución.

Prompt utilizado con la IA (Claude):

Tengo preguntas de investigación para el escenario FlowTask del desafío de ORBIDI. Ya las diseñé usando metodología de investigación, pero necesito organizarlas en orden de importancia según el flujo de trabajo real. La pregunta #1 debe ser aquella cuya respuesta es CRÍTICA antes de cualquier diseño - sin ella, cualquier solución sería superficial.

Las preguntas son:
1. ¿Qué datos de los usuarios justificaron este cambio? ¿Qué problema concreto resolvemos y qué sacrificios aceptamos para los usuarios expertos?
2. ¿Cuántos usuarios se han quejado y quiénes son? ¿Es un problema de unos pocos o de muchos? ¿Son usuarios nuevos o nuestros clientes más veteranos y activos?
3. ¿Le avisamos a este usuario sobre el cambio? ¿Nuestra comunicación fue clara y él la recibió, o lo tomó por sorpresa?
4. ¿Qué hacía exactamente este usuario con la función antigua? Según su historial, ¿cómo puede hacer lo mismo ahora? ¿O su caso es una excepción que ya no funciona?
5. ¿Podemos ofrecer la versión antigua o tenemos un plan de mejora? ¿Hay un "modo clásico" disponible? Si no, ¿qué mejoras concretas vendrán y cuándo?

Ayúdame a identificar cuál debe ser la prioritaria y justifica profundamente por qué su respuesta es fundamental. Considera que estoy aplicando marco ADKAR para gestión de cambio.

3.2 Análisis Crítico del Output de la IA

Respuesta generada por la IA:

Claude propuso el siguiente orden de priorización:

1. Datos de investigación que justificaron el cambio + compensaciones conscientes aceptadas
2. Magnitud de crisis (cuántos usuarios afectados, perfil, tasa de abandono proyectada)
3. Comunicación previa recibida por el usuario específico
4. Workflows específicos del usuario y viabilidad con nueva función
5. Disponibilidad de alternancia/modo heredado y hoja de ruta de mejoras

Justificó que sin #1, cualquier respuesta carecería de credibilidad estratégica y autoridad moral para defender el cambio.

Evaluación crítica:

Lo que fue útil:

• La priorización #1 fue estratégicamente correcta: sin razonamiento basado en datos, no hay narrativa defendible
• El orden secuencial tiene lógica operacional clara
• Conectó cada pregunta con etapas del modelo ADKAR

Lo que fue genérico:

• Las justificaciones iniciales usaban lenguaje abstracto sin ejemplos concretos del contexto FlowTask
• No consideró qué hacer si la pregunta #1 revela que el cambio careció de investigación sólida

Lo que fue incorrecto o requirió mejora sustancial:

• El lenguaje era demasiado formal/académico, no reflejaba cómo realmente se preguntaría en contexto empresarial
• Faltaba énfasis en retención de cliente de alto valor vs. corrección de decisión de producto

3.3 Valor Agregado como Humano

Decisión estratégica #1: Traducción de lenguaje académico a empresarial

Qué hizo la IA: Mantuvo redacción formal: "¿Qué datos específicos de investigación de usuario justificaron..."

Qué agregué yo: Reescribí toda la sección de justificaciones en lenguaje directo y conversacional. Ejemplo clave: transformé la explicación abstracta en narrativa contrastante concreta:

• Versión IA (implícita): "La pregunta es prioritaria porque proporciona fundamento estratégico"
• Mi versión: "Sin una buena estrategia basada en datos, cualquier respuesta que demos será superficial y no servirá de mucho. [...] Con esta información, podemos cambiar la conversación de: 'Lo cambiamos y, si no te gusta, lo sentimos' a: 'Investigamos durante 6 meses con más de 200 equipos y descubrimos que el 68% tenía problemas...'"

Decisión estratégica #2: Agregué capas de análisis ausentes

Qué hizo la IA: Dio justificación básica de cada pregunta.

Qué agregué yo:

• En la pregunta #2, añadí análisis de asignación de recursos justificada: "la proyección de tasa de abandono nos ayuda a justificar ofrecer sesiones personalizadas 1:1"
• En la pregunta #4, agregué protocolo de compensación estructurado: "Admitir honestamente / Ofrecer compensación real / Escalar a producto"
• En todas, reforcé implicaciones de negocio más allá de metodología

Decisión estratégica #3: Orquestación multi-herramienta deliberada

Qué hizo la IA: Cada herramienta trabajó de forma aislada cuando se consultó.

Qué agregué yo: Diseñé un workflow estratégico:

• Gemini = Validación de metodologías de investigación (aprovecha capacidad de búsqueda/análisis comparativo)
• Claude = Priorización y estructuración (aprovecha razonamiento lógico)
• Yo = Síntesis final + traducción a lenguaje empresarial + adición de capas estratégicas

Elementos descartados:

• Lenguaje excesivamente técnico que requeriría "traducción" para stakeholders de negocio
• Frameworks genéricos sugeridos por Gemini: Propuso "metodología cualitativa" sin especificidad. Descarté porque ADKAR + Jobs-to-be-Done ya cubrían diagnóstico de cambio y necesidades de usuario sin agregar complejidad innecesaria
• Justificaciones abstractas de Claude sobre "fundamento estratégico" - las reescribí con ejemplos concretos de conversaciones reales

Mi aporte:

La IA puede priorizar lógicamente, pero no puede:

• Traducir entre registros (académico - empresarial) manteniendo rigor
• Anticipar conversaciones reales de stakeholders y pre-responder objeciones
• Balancear corrección metodológica con pragmatismo operacional
• Orquestar múltiples herramientas según fortalezas complementarias

PARTE 4: VISIÓN DE PRODUCTO Y MÉTRICAS

El Sombrero de Estratega

4.1 Métrica Cuantitativa

Métrica propuesta: Tasa de Resolución en Primera Respuesta

Cómo se mide:

• Fórmula: (Usuarios que NO volvieron a quejarse en 72h / Total de usuarios que escribieron) × 100
• Qué cuenta como "resuelto": El usuario no reabre el ticket con más quejas
• Meta de éxito: 75% o más

Justificación:

Esta métrica mide si realmente resolvimos el problema en un solo contacto. Si el usuario no necesita escribir de nuevo, significa que:

1. Entendió por qué hicimos el cambio
2. Sabe cómo usar la nueva función
3. Se sintió escuchado

Esto reduce trabajo para soporte y mantiene clientes satisfechos.

Medición:

• Herramienta: Sistema de tickets (como Zendesk)
• Etiqueta: "cambio_función" para identificar estos casos
• Automático: El sistema marca si el mismo usuario vuelve a escribir
• Revisión: Semanal durante el primer mes

4.2 Análisis de Debilidad de la Métrica Cuantitativa

Principal Debilidad: Confundir Silencio con Satisfacción

Explicación:

Nuestra métrica actual asume "éxito" si el usuario no vuelve a contactarnos, lo cual es problemático por tres razones principales:

• Problema 1: Usuario que se rinde. El cliente cancela su suscripción sin previo aviso. Aunque no reabre un ticket, hemos perdido un cliente valioso.
• Problema 2: Usuario resignado. El cliente acepta la falta de solución y continúa usando el producto a pesar de su insatisfacción. No vuelve a escribir, pero es propenso a darnos una mala calificación y no recomendarnos.
• Problema 3: Usuario que pospone. El cliente dice "ok, entendí" solo para cerrar la conversación, pero nunca aprende a usar la nueva función. El problema subyacente persiste y resurgirá más adelante.

Mitigación de la Debilidad:

Para abordar esta debilidad, podríamos implementar las siguientes verificaciones adicionales:

• Monitorear la continuidad de la suscripción: ¿Cuántos de estos usuarios siguen suscritos 30 días después?
• Implementar una encuesta de satisfacción breve 7 días después: "¿Del 1 al 10, qué tan satisfecho estás?"
• Evaluar el uso de funciones: ¿Están los usuarios utilizando la nueva función o la están evitando?

4.3 Métrica Cualitativa

Métrica cualitativa propuesta: Análisis de tono + Entrevistas a los 30 días.

¿Qué evaluamos?

En la respuesta inicial del usuario:

• ¿Su tono es de frustración o alivio?
• ¿Expresa gratitud explícitamente ("gracias, me ayudó")?
• ¿Formula preguntas de seguimiento (indicador positivo) o solo un "ok" (indicador negativo)?

30 días después (mediante entrevistas a 15-20 usuarios clave):

• ¿Ha logrado aprender a usar la nueva función?
• ¿Comprende la razón del cambio implementado?
• ¿Ha modificado su percepción sobre FlowTask?
• ¿Nos recomendaría a otros usuarios tras esta experiencia?

Método de recolección de datos:

1. Análisis automático: Un software evalúa automáticamente el tono (positivo/negativo) de las interacciones del usuario.
2. Entrevistas personalizadas: Contactamos directamente a usuarios con una antigüedad de 2 años o más.
3. Verificación de uso: Monitoreamos el uso real de la nueva función por parte de los usuarios.

4.4 Dashboard Propuesto

Visualización de éxito:

PARTE 5: DESAFÍO DE AUTOMATIZACIÓN

5.1 ARQUITECTURA DEL FLUJO AUTOMATIZADO

Herramienta seleccionada: n8n

Justificación: Flexibilidad para integrar múltiples APIs, lógica condicional compleja, y código JavaScript personalizado.

Visualización del Workflow en n8n

Figura 1: Flujo completo de automatización implementado en n8n. El workflow inicia con un trigger manual (para demostración), pasa por enriquecimiento de datos, evaluación condicional, ensamblaje dinámico del System Prompt, y finaliza con generación de respuesta por IA.

Figura 2: Nodo "Demo Data" simula consulta a base de datos/CRM. Retorna perfil completo del usuario: antigüedad (5.5 años), workflows afectados (Reporte Automático, Integración ERP), razón estratégica del cambio, y calidad de comunicación previa (Deficiente).

En producción, este nodo se conectaría a PostgreSQL/CRM API, buscaría por email/ID del usuario y extraería datos reales del historial.

Figura 3: Lógica condicional evalúa antiguedad_anios > 3. Si TRUE (usuario veterano), activa ruta prioritaria hacia SystemPrompt con contexto enriquecido. En producción, también notificaría a Product Manager vía Slack.

Figura 4: Código JavaScript ensambla dinámicamente el System Prompt completo. Inyecta variables del usuario y del ticket en plantilla estructurada con metodología ADKAR.

Figura 5: El prompt ensamblado incluye todas las instrucciones, restricciones, contexto del cliente, y arquitectura de respuesta. Listo para ser enviado a la API de IA.

Figura 6: Configuración del nodo de IA (OpenAI API). Utiliza el modelo GPT-4.1-MINI, recibe el System Prompt ensamblado y el mensaje del usuario, genera respuesta personalizada siguiendo arquitectura de 6 partes.

Output visible en Figura 1: Respuesta completa generada que reconoce frustración, explica razonamiento con empatía, y ofrece solución específica para Laura V.

5.2 COMPONENTES DETALLADOS

1. TRIGGER: When clicking 'Execute workflow'

• Tipo: Manual (en producción sería Webhook de Zendesk)
• Propósito: Iniciar el flujo cuando se crea ticket con etiqueta "cambio_función"
• En producción: Webhook recibe: ID ticket, mensaje usuario, email

2. ENRIQUECIMIENTO: Demo Data

3. CONDICIONAL: If

4. ENSAMBLAJE: SystemPrompt

Código JavaScript ensambla dinámicamente el System Prompt completo. Inyecta variables del usuario (nombre_usuario, antiguedad_anios, workflows_afectados) y del ticket (mensaje_cliente, calidad_comunicacion_previa) en plantilla estructurada con metodología ADKAR.

5. GENERACIÓN IA: Message a Model

Configuración del nodo de IA (OpenAI API). Utiliza el modelo GPT-4.1-MINI (en producción sería GPT-5 completo), recibe el System Prompt ensamblado y el mensaje del usuario, genera respuesta personalizada siguiendo arquitectura de 6 partes.

5.3 FLUJO COMPLETO EN PRODUCCIÓN

WEBHOOK (Zendesk)
    ↓
ENRIQUECIMIENTO (PostgreSQL/CRM)
    ↓
CONDICIONAL (antigüedad > 3 años?)
    ↓ TRUE                    ↓ FALSE
NOTIFICAR PM (Slack)    CONTINUAR
    ↓
SYSTEMPROMPT (Ensamblar)
    ↓
IA (Generar respuesta)
    ↓
ENVIAR (Zendesk + Agendar follow-up)

5.4 APLICACIONES CONECTADAS

5.5 VALOR DE NEGOCIO

5.6 CONSIDERACIONES DE IMPLEMENTACIÓN

Nota sobre demostración: El workflow mostrado utiliza trigger manual y datos simulados para propósitos demostrativos. En producción:

• Trigger sería Webhook real de Zendesk
• "Demo Data" se reemplaza por consulta a base de datos de producción
• Se agregarían nodos de envío real (Zendesk API) y seguimiento (Calendar API)

Requisitos técnicos:

• Acceso a APIs: Zendesk, OpenAI/Anthropic, CRM
• n8n instalado (self-hosted o cloud)
• Credenciales configuradas para cada servicio

Flujo completo de automatización implementado en n8n — trigger, enriquecimiento, condicional, ensamblaje y generación IA

Nodo Demo Data — simulación de consulta a base de datos/CRM con perfil de usuario

Lógica condicional — evaluación de antigüedad mayor a 3 años para ruta prioritaria

Código JavaScript de ensamblaje dinámico del System Prompt con variables del usuario

Output del nodo SystemPrompt — prompt completo con instrucciones, restricciones y contexto

Configuración del nodo de IA — modelo GPT-4.1-MINI con System Prompt y mensaje del usuario