IA y Customer.io: feedback, Run LLM y reglas de control

Soy Diego, de Kunko. Podemos hacer que el journey aprenda de señales útiles. Pero el cerebro necesita límites: la IA propone y las reglas controlan qué ocurre después.

Un cerebro necesita un circuito
Imaginá una respuesta de Ana: no entiende el próximo paso. La IA puede proponer una categoría de fricción y una ayuda. Después validamos si la salida tiene el formato esperado, si esa ayuda existe y si la persona sigue necesitando algo. Guardamos una señal útil y medimos qué pasa. Observar, proponer, validar, actuar y aprender forman el circuito. Una respuesta convincente del modelo no es una autorización para enviar.

Dónde aparecen las acciones de IA
Abrimos Add en el workflow. La herramienta muestra acciones como Generate Content, Qualify Profiles y Make Recommendation; también Run LLM dentro de Data. Las opciones concretas dependen de la cuenta y configuración. Elegí una tarea pequeña: resumir una consulta o proponer una categoría de fricción. No uses una instrucción vaga de mejorar todo el journey. El modelo necesita contexto permitido, un objetivo y una salida verificable.

Diseñá la salida y el fallback
El ejemplo pide un resultado con categoría, motivo breve y estado de revisión. La categoría solo puede pertenecer a una lista definida; cualquier salida inválida va a revisión. No inventes que la confianza numérica del modelo es una probabilidad calibrada. Si falta contexto o el modelo falla, mantené una ayuda determinista o derivá a una persona. Lo que recibís como texto del cliente es dato a analizar, no una instrucción para cambiar permisos.

Retroalimentar no es copiar todo
En Kunko lo revisamos así. Para integrar un servicio externo, Send and Receive Data permite trabajar con webhooks y respuestas. La aplicación valida el resultado antes de actualizar un atributo o registrar un evento. Conservá versión, origen y fecha de las señales relevantes; evitá acumular conversaciones sensibles sin necesidad. Después una condición puede usar la señal validada junto con el estado actual. La IA no aprueba KYC ni decide crédito. Las decisiones autorizadas siguen en sus sistemas y responsables.

Experimentar sin enamorarse de la idea
Adam Grant explora cómo personas y organizaciones cuestionan prácticas y desarrollan ideas originales. Originals transmite la utilidad de revisar supuestos y poner ideas a prueba. Lo recomiendo para evitar que la novedad de una LLM sustituya evidencia. El mindset es: la IA propone; las reglas autorizan. Compará resultados con una alternativa sencilla y medí si la ayuda mejora la acción del cliente, no solo si suena más inteligente.

Bajate el circuito de IA
Bajate el checklist de un circuito de IA. Incluye entrada permitida, salida, validación, fallback, revisión y medición. Tenés un prompt de clasificación y pruebas de salida inválida, falta de contexto e instrucciones maliciosas dentro de los datos. No es un agente autónomo publicado en tu negocio: es una guía para construir y verificar. Cerramos la primera serie de herramienta; ahora miramos el full funnel y la coordinación entre equipos.