Help desk con IA: ShipStation resuelve el 97,5% de las consultas de TI en Slack con un agente en solo 3 meses

Un help desk con IA que responde donde los empleados ya trabajan, y no en un formulario de tickets. Eso construyó ShipStation Global con Deckhand, un agente para Slack que, en sus primeros tres meses, resolvió el 97,5% de las consultas que llegaron al canal de soporte y recibió un 96% de feedback positivo de los empleados. El equipo de ingeniería lo montó sobre Amazon Bedrock AgentCore, la plataforma de AWS para desplegar agentes, y lo contó en el blog de machine learning de la compañía.

El problema era el de cualquier departamento de TI. En los 12 meses previos al lanzamiento, los empleados publicaron más de 1.500 hilos en el canal de ayuda, con un volumen creciente. Con equipos en EE. UU., Reino Unido, España, Polonia, Australia y Filipinas, más de una quinta parte de las preguntas llegaba fuera del horario laboral estadounidense. Las respuestas casi siempre existían, pero estaban dispersas entre artículos de Confluence, páginas de la intranet, PDFs, guías de TI y hilos antiguos de Slack. Encontrarlas era lo difícil.

Cómo funciona este agente de IA para soporte de TI

Deckhand se comporta como un compañero más: se une a canales, lee la conversación y usa el perfil de Slack del solicitante (nombre, correo, zona horaria, manager) para dar contexto. Responde desde una base de conocimiento curada, interpreta capturas de pantalla con mensajes de error y crea o actualiza tickets en Jira Service Management. Si no tiene la respuesta, pregunta para aclarar u ofrece abrir un ticket con un clic, ya con todo el contexto de la conversación.

La arquitectura tiene cuatro piezas:

Servicio de Slack: una aplicación FastAPI con Slack Bolt en AWS App Runner, que decide si el bot debe responder.

Servicio del agente: un agente construido con el SDK open source Strands Agents, alojado en el runtime de AgentCore y con Claude de Anthropic en Amazon Bedrock como modelo. La plataforma ejecuta sesiones aisladas, así que el equipo no gestiona servidores ni contenedores.

Herramientas y conocimiento: una sola función AWS Lambda expuesta como herramientas MCP mediante AgentCore Gateway, y una base de conocimiento de Bedrock que indexa Confluence, la intranet, Slack y páginas de marketing.

Operación: DynamoDB guarda el feedback, X-Ray traza las solicitudes y CloudWatch registra los logs.

Hay un detalle llamativo: el agente cabe en pocas líneas de Python (modelo, herramientas y prompt de sistema), y el identificador del modelo se define por variable de entorno, de modo que se puede cambiar de modelo sin tocar el código. Según el resumen de Spidits, el valor estratégico está en que este enfoque serverless elimina la carga operativa de gestionar contenedores y atiende la fricción de soporte sin sacar a los empleados de su herramienta de comunicación. Esa misma fuente proyecta que, en los próximos 12-18 meses, los runtimes gestionados de agentes se extenderán a flujos internos de TI y RR. HH. Es una proyección de analistas, no un dato de ShipStation.

Chris Collins, director sénior de TI, resume la filosofía: los tickets son «un indicio de fricción operativa, no de productividad».

Lecciones para implementar un help desk con IA en tu organización

El caso deja enseñanzas aplicables sin importar tu stack tecnológico.

1. Mide antes de construir. ShipStation sabía cuántos hilos, en qué horarios y desde qué países llegaban. Ese diagnóstico justificó el proyecto y fijó la línea base para evaluar resultados.
2. Empieza por el conocimiento, no por el modelo. El agente es «ligero» porque la base de conocimiento ya existía. Si tus guías están desactualizadas o repartidas, la IA solo automatizará la confusión.
3. Ve donde está el usuario. Integrar el agente en Slack evita pedir a nadie que cambie de hábito. Es la misma lógica de Airbnb, que resuelve la mitad de sus tickets de soporte con IA integrándola en los flujos existentes.
4. Diseña la salida de emergencia. Un buen agente sabe cuándo rendirse. Convertir la conversación en un ticket completo con un clic evita el temido «por favor, abre un ticket».
5. Mantén el modelo intercambiable. Parametrizar el modelo te protege del ritmo vertiginoso del mercado.
6. Instrumenta desde el día uno. El feedback en DynamoDB y las trazas con X-Ray son lo que permite demostrar el 96% de satisfacción, y mejorar después. Si te interesa cómo evaluar de forma sistemática, mira cómo Elastic unificó la evaluación de sus agentes tras casi dos años en producción.

Un matiz que conviene vigilar

El artículo habla de «resolver» el 97,5% de las consultas, pero el gráfico original se titula «cobertura del canal». Antes de comparar tus resultados con los de ShipStation, define con precisión qué cuenta como resolución: ¿respuesta entregada, problema solucionado o ticket evitado? Sin esa definición, la métrica no te servirá para decidir.

También piensa en gobierno. Un agente que lee perfiles y crea tickets necesita permisos acotados: ShipStation usa roles de IAM por runtime y herramienta, y secretos gestionados para credenciales de terceros. Para profundizar en este frente, revisa cómo AWS y Cisco automatizan la seguridad de agentes de IA empresariales.

¿Es el momento de tu help desk con IA?

Si tu equipo de TI repite las mismas respuestas, recibe consultas fuera de horario y tiene el conocimiento disperso, probablemente sí. La pregunta útil no es «¿qué modelo uso?», sino «¿cuántas de mis consultas ya tienen respuesta escrita en algún lugar?». Empieza por contarlas: ese número te dirá cuánto puede ganar tu help desk con IA.