Agente de soporte al cliente

El patrón más construido en HiveFlow: un chat público de soporte donde un agente resuelve lo que puede, registra todo en herramientas estructuradas, y pasa el caso a una persona cuando lo amerita.

El patrón

Chat Input → LLM Agent ⇄ CRM (contactos y casos)
                      ⇄ Kanban (tablero de tickets)
             LLM Agent → Chat Output
                      ↘ Human in the Loop (escalamiento)

Paso a paso

1. Chat Input (Interfaces Públicas) — activa memoria de contexto (~10 mensajes) y publícalo.
2. LLM Agent (IA) — objetivo: "Eres el agente de soporte de ACME. Resuelve dudas con el conocimiento provisto. Registra siempre al cliente y su caso en el CRM, y crea un ticket en el Kanban con la prioridad correcta. Si el cliente pide un humano, está molesto, o no puedes resolver, escala." Prompt: {{message}}.
3. HiveApp → CRM (Tools) — cabléalo hacia el nodo LLM para que sea herramienta de function calling.
4. HiveApp → Kanban — un tablero "Tickets de Soporte" con columnas Nuevo / En progreso / En espera / Resuelto, también cableado al LLM.
5. Chat Output — devuelve la respuesta del agente a la sesión.
6. Human in the Loop (Base) — en una rama de escalamiento: asignados, timeout y la conversación como contexto.

Observa las decisiones de herramientas del agente en la Console → Function Calling Process del nodo LLM.

Variaciones

• Cambia Chat Input por WhatsApp Input/Output para correr el mismo agente en WhatsApp.
• Agrega una instancia de Chat tool para mantener bitácora auditable con human takeover.
• Carga tu documentación de producto como Skills con alcance en este flow para responder desde tu conocimiento real.

Prompt de Genius: "Crea un flow de chat de soporte con un agente de IA conectado a un CRM y un Kanban de tickets, con escalamiento humano."