
Automatización de solicitudes de clientes recibidas por correo
Rootstack implementó un motor de automatización de customer service
basado en IA que transforma correos electrónicos no estructurados
en solicitudes accionables.
¿Por qué el cliente escogió a Rootstack?

La organización necesitaba mejorar la capacidad de sus equipos operativos para encontrar información técnica, investigar incidentes y resolver problemas de manera más eficiente. La información relevante se encontraba distribuida entre manuales técnicos, SOPs, documentación de mantenimiento, wikis internas, historiales de incidentes, bases de datos operativas y plataformas de gestión de servicios.
Rootstack fue seleccionada por su capacidad para combinar RAG, integración con datos empresariales, razonamiento mediante IA y acceso controlado a sistemas operativos dentro de una misma solución. Esto permitió crear un asistente capaz de conectar conocimiento documental con información operativa en tiempo real.
Desafío
Los equipos operativos dependían de múltiples fuentes de información para investigar incidentes, resolver problemas y tomar decisiones del día a día. Ante un problema, los operadores debían buscar manualmente en diferentes sistemas y, en muchos casos, consultar a expertos antes de determinar el curso de acción adecuado.
Esto generaba largos tiempos de investigación, dependencia de personal especializado, actividades repetitivas de troubleshooting, dificultad para encontrar incidentes históricos similares, procedimientos de resolución inconsistentes y acceso lento a datos operativos.
El reto consistía en crear un asistente de IA capaz de combinar conocimiento empresarial, información histórica y datos operativos para proporcionar respuestas contextualizadas y respaldadas por evidencia, manteniendo controles de acceso sobre la información sensible.
Nuestras soluciónes
Rootstack implementó una plataforma de conocimiento operativo basada en IA que combinó RAG, Claude, una base de datos vectorial, MCP, PostgreSQL, Python, REST APIs, Kafka, Docker y OpenTelemetry. La arquitectura conectó fuentes empresariales con una capa de procesamiento e indexación, recuperación semántica, controles de permisos y herramientas para consultar sistemas operativos autorizados.
El asistente podía analizar la descripción de un incidente, identificar los conceptos técnicos relevantes y reunir en una sola respuesta la documentación aplicable, procedimientos, casos históricos y datos actuales de los sistemas. Esto permitió reducir la necesidad de búsquedas manuales en múltiples plataformas.
La arquitectura RAG permitió indexar manuales de equipos, SOPs, procedimientos de mantenimiento, documentación de seguridad, ingeniería, bases de conocimiento internas e historiales de incidentes. Mediante búsquedas semánticas, el sistema podía encontrar información relevante incluso cuando la consulta no utilizaba exactamente las mismas palabras presentes en los documentos.
Una capacidad clave fue la recuperación de incidentes históricos similares. El asistente podía comparar un problema actual con fallas de equipos, eventos de mantenimiento, tickets y casos anteriores de troubleshooting, identificando síntomas similares, posibles causas, acciones que habían resuelto problemas anteriores y patrones recurrentes.
La solución también integró sistemas operativos mediante APIs REST y herramientas basadas en MCP. Dependiendo de los permisos disponibles, podía consultar estados de equipos, métricas operativas, tickets, historial de mantenimiento, información de producción y estado de incidentes. El acceso estaba restringido mediante herramientas y APIs explícitamente definidas, evitando que la capa de IA tuviera acceso irrestricto a los sistemas.
Para apoyar el análisis de causa raíz, el asistente podía combinar síntomas actuales, información del equipo, incidentes históricos, historial de mantenimiento y procedimientos aplicables. Las respuestas diferenciaban entre información recuperada de sistemas, información proveniente de documentación y análisis generado por IA, proporcionando un marco más transparente para la toma de decisiones.
Cuando existía documentación relevante, el sistema también podía proporcionar procedimientos de troubleshooting paso a paso, incluyendo verificaciones iniciales, consideraciones de seguridad, parámetros operativos, siguientes pasos y condiciones para escalar el incidente.
Los controles de permisos aseguraron que el acceso a documentación técnica, métricas, registros de mantenimiento, incidentes y otros datos restringidos dependiera del rol del usuario. Además, las respuestas incluían referencias a las fuentes utilizadas, permitiendo verificar qué documentos, incidentes históricos o datos operativos respaldaban cada recomendación.
El proyecto tuvo una duración de 6 meses y logró una reducción estimada del 50% en el tiempo de investigación de incidentes y del 65% en el tiempo dedicado a buscar información técnica. Entre 70% y 80% de las preguntas operativas fueron automatizadas, mientras que la dependencia de expertos para problemas rutinarios se redujo aproximadamente 45%. La plataforma incorporó más de 10,000 casos históricos, generó respuestas con fuentes de respaldo en más del 95% de los casos, integró 4+ sistemas operativos y mantuvo disponibilidad 24/7.
Beneficios obtenidos por el cliente

50% de reducción estimada en el tiempo de investigación de incidentes, acelerando el diagnóstico y la resolución de problemas.
65% de reducción estimada en el tiempo de búsqueda de información técnica, centralizando conocimiento de múltiples fuentes.
70–80% de preguntas operativas automatizadas, proporcionando soporte continuo a los equipos.
45% de reducción estimada en la dependencia de expertos para problemas rutinarios, gracias al acceso a conocimiento histórico y procedimientos respaldados por fuentes.











