RunLLM: The AI Support Engineer

RunLLM lee el material con el que funciona tu producto: documentación, artículos del centro de ayuda, hilos de soporte anteriores, registros y código fuente. Cuando llega una pregunta, tira de esas fuentes y no de conocimiento general, y eso es lo que mantiene las respuestas atadas a tu producto en lugar de caer en consejos genéricos. Cuantas más fuentes conectes, más concretas serán las respuestas.

El asistente razona sobre lo que de verdad pregunta el usuario y decide qué fuentes consultar. Si a la pregunta le falta un dato, lo pide en vez de inventar una respuesta. También puede ejecutar código para verificar una solución antes de proponerla. Ese comportamiento es lo que le permite manejar las preguntas vagas y de varios pasos que bloquean a un bot de documentación simple.

En productos que generan registros, RunLLM lee la salida de errores y la telemetría para diagnosticar qué falló. Esta es la parte que sostiene su capacidad de desviar tickets de soporte, porque el asistente resuelve el problema desde los propios datos del fallo en lugar de esperar a una persona. En vez de pedir al usuario que describa otra vez el problema, parte del dato real y apunta a una causa probable.

El asistente puede generar y validar código que responde a una pregunta concreta, como una petición que funcione para una API con la que el usuario se atasca. Como lee tu propio código y tu documentación, los fragmentos encajan con tu interfaz real y no con una suposición plausible. En productos para desarrolladores, un ejemplo que se ejecuta suele marcar la diferencia entre cerrar un ticket y dar una vuelta más.

Puedes crear agentes de soporte con IA distintos para cada público, por ejemplo uno para soporte, otro para ventas y otro para éxito del cliente, cada uno con sus fuentes y sus instrucciones. Un agente de soporte puede afinarse para resolver, mientras que uno de ventas tira de otro material. Así cada asistente se centra en las preguntas que le toca atender.

RunLLM se coloca como una capa de atención al cliente con IA y responde dentro de los canales que usan tus clientes: un widget en tu propia web, Slack, Microsoft Teams y mesas de ayuda como Zendesk. El usuario recibe ayuda donde ya está, sin que lo mandes a otro sitio. Ese emplazamiento es buena parte de su capacidad de desviar tickets, porque una respuesta en la misma ventana gana a una redirección a un portal.

La propuesta es un alta corta: conectas tus fuentes y tus canales, y el asistente empieza a responder. A partir de ahí mejora conforme corriges las respuestas flojas y conforme ve más preguntas reales. El equipo lo plantea como rápido de arrancar y afilado con el uso, no como un despliegue de meses.