Indicador para Enrutador de Recepción de Operaciones (Solicitudes No Estructuradas → Triaje y Extracción de Entidades → Ticket Asignado y Plan SLA)
Convierte correos electrónicos, chats y formularios en tickets estructurados con prioridad, responsable, fecha de vencimiento y SLA, para que los equipos de operaciones dejen de apagar incendios y comiencen a ejecutar.
Resumen del prompt
Socio de IA destacado
Consejos para ti
Comienza con 20–30 muestras variadas para entrenar categorías robustas y patrones de entidades. | Mantén las categorías por debajo de 30 y las prioridades por debajo de 5 para decisiones rápidas del operador. | Usa etiquetas cortas y distintivas para habilitar disparadores de automatización posteriores. | Añade horarios laborales y calendarios de días festivos para mejorar la precisión de due_at.
Del equipo de operacionesNexusAi TechnologyProblema que resuelve
El triaje manual desperdicia tiempo, pierde contexto y crea SLAs inconsistentes. Este indicador estandariza la recepción y asignación con reglas explícitas.
Extracción de entidades para enrutamiento
Extrae cliente, pedido, sistema y región de texto desordenado.
Fechas límite conscientes de SLA
Establece fechas de vencimiento alineadas con prioridad, calendarios y horario laboral.
Sugerencias de responsabilidad
Propone responsables usando habilidades y carga cuando están disponibles.
Alertas de riesgo y aclaraciones
Solicita datos faltantes y resalta posibles problemas de cumplimiento.
Instrucciones del prompt de IA
Actúa como: Gerente Senior de Recepción de Operaciones y Diseñador de Sistemas.
Por qué esta tarea es importante: Las solicitudes entrantes no estructuradas (correo electrónico, chat, formularios) detienen la ejecución. Un triaje rápido y consistente con propiedad clara, SLAs y secuenciación reduce el tiempo de ciclo y errores.
Límites importantes:
- Nunca inventes hechos; extrae solo del texto proporcionado y reglas de enrutamiento bien definidas.
- Si faltan campos obligatorios, solicita aclaración usando una plantilla concisa.
- Respeta las reglas de manejo de información personal identificable (PII) y enmascara datos sensibles al generar la salida.
Entradas del usuario:
- Muestra de bandeja de entrada (10–50 mensajes) o volcado diario de solicitudes.
- Reglas de enrutamiento: categorías, prioridades, matriz SLA, horario laboral, días festivos.
- Lista del equipo con habilidades y capacidad (opcional).
Objetivos:
1) Normalizar cada solicitud en un registro estructurado.
2) Clasificar categoría, prioridad e intención; extraer entidades (cliente, producto, región, sistema).
3) Proponer responsable y fecha de vencimiento alineados con reglas SLA y capacidad.
4) Resaltar bloqueos e información faltante.
Flujo de análisis:
1) Analizar mensajes; detectar idioma; resumir en 1–2 oraciones.
2) Clasificar usando reglas y pistas semánticas; mapear a categoría y subcategoría.
3) Determinar prioridad mediante impacto×urgencia; mapear a objetivo SLA (horas/días).
4) Extraer entidades (customer_id, order_id, system, channel, severity, attachments).
5) Proponer responsable según etiqueta de habilidad y carga (si se proporciona capacidad); de lo contrario, enrutar a cola predeterminada.
6) Detectar cumplimiento/PII; enmascarar según sea necesario.
7) Construir solicitudes de aclaración para campos con baja confianza.
Formato de salida requerido:
- Array JSON de registros con: id, resumen, categoría, subcategoría, prioridad, confianza, entidades{customer_id,order_id,system,region}, sla_target, due_at, proposed_owner, required_clarifications[], tags[]
- Incluir un resumen de enrutamiento separado: totales por categoría, prioridad y responsable.
Controles de calidad:
- Confianza <0.7 debe incluir al menos una aclaración.
- Validar due_at contra horario laboral y días festivos.
- Marcar duplicados y vincular tickets relacionados.
Lista de verificación de verificación:
- ¿Son consistentes los objetivos SLA con la prioridad?
- ¿Están enmascarados los campos PII donde se requiere?
- ¿Los responsables corresponden a miembros conocidos del equipo?
Instrucción final: Produce solo las salidas JSON. No redactes más allá de una nota operativa de 3–5 líneas con riesgos clave y próximas acciones.
Resultado esperado
{ "routing_summary": {"total": 24, "by_priority": {"P1": 3, "P2": 8, "P3": 13}}, "tickets": [ {"id": "REQ-2026-0712-01", "summary": "Fallo en sincronización de factura para ACME EU", "category": "Facturación", "subcategory": "ErrorDeSincronización", "priority": "P1", "confidence": 0.86, "entities": {"customer_id": "ACME-221", "order_id": null, "system": "ERP-1", "region": "EU"}, "sla_target": "4h", "due_at": "2026-07-03T16:00:00Z", "proposed_owner": "ops-billing-oncall", "required_clarifications": [], "tags": ["incidente","finanzas"]} ] }
Proceso de implementación
Genera el esquema de triaje en ChatGPT o Claude
Pega de 20 a 50 mensajes reales entrantes junto con tus reglas de enrutamiento (categorías, lógica de prioridad, matriz SLA) en ChatGPT o Claude con este indicador. Solicita un esquema JSON y 5 registros clasificados de muestra para validar la extracción de entidades y el mapeo SLA.
15-20 minDespliega el Enrutador de Recepción en OpenWork
En OpenWork, crea un agente llamado Enrutador de Recepción. Configura un nodo de entrada para mensajes sin procesar y un nodo de procesamiento que aplique los campos del esquema JSON devueltos por el modelo. Mapea las salidas a los campos: resumen, categoría, prioridad, entidades, sla_target, due_at, proposed_owner.
20-30 minPublica y conecta canales
Publica el agente OpenWork y conecta webhooks de correo electrónico o chat. Prueba con 5 mensajes en vivo, verifica que due_at esté dentro del horario laboral y confirma el mapeo de responsables. Captura métricas sobre confianza de clasificación y tiempo hasta la primera respuesta.
20-30 min