Contenido del curso
Proyecto 7 - Julio 16
Proyecto 7: El agente que decide por ti
Hasta ahora tus automatizaciones ejecutan órdenes. Hoy dan el salto: construye un flujo donde la IA analiza y decide qué hacer con cada cosa que llega.
Clasificar mensajes por urgencia, separar leads calientes de fríos, detectar el tema de una solicitud y enviarla a la persona correcta, priorizar tareas según su contenido.
Este es el salto de automatización a agente: lo que las empresas quieren implementar y pocos saben construir.
Debe incluir:
Cursos recomendados:
¿Cómo compartir mi proyecto?
Para compartir el link a tu proyecto, haz clic debajo de tu nombre donde sale la hora cuando lo publicaste para ir a la página donde encuentras la URL.
Copia la URL de esa página y compártela con cualquier persona para que voten por tu proyecto dándole like.
Roberto Zuñiga
Estudiante
Julián Vargas Cardona
Estudiante
Wilfredo Morales
Estudiante
Diego Martinez
Estudiante
Roberto Pantaleón Merino
Estudiante
Miguel Angel Moreno C.
Estudiante
Marco Aurelio
EstudianteMiguel Angel Moreno C.
EstudianteMarco Aurelio
Estudiante
Raul Oidor
EstudianteMiguel Angel Moreno C.
EstudianteRaul Oidor
Estudiante
Sebastián Hernández Cáceres
EstudianteMiguel Angel Moreno C.
Estudiante
Geordy Elian Reyes Mendoza
Estudiante
Juan Palomera
Estudiante
TERESA DEJESUS RAMOS PACHACA
Estudiante
Mareidys Martinez Muñoz
Estudiante
CESAR MAURICIO RUIZ TULANDE
Estudiante
Carlos Ramírez
EstudianteJose Isaias Santiago Villatoro
EstudianteMarco Aurelio
EstudianteCentinela — El agente que decide por ti
Hasta ahora mis automatizaciones ejecutaban órdenes. Esta decide. Ese es el salto de automatización a agente — lo que las empresas quieren implementar y pocos saben construir. 🤖
Construí Centinela: un agente de triage de bugs. Llega un reporte en lenguaje natural, y la IA analiza y decide qué hacer con él según criterios de ingeniería reales:
🧠 ¿Está en producción? ¿Afecta una función núcleo? ¿Hay pérdida de datos?
→ Y según eso, enruta solo, por dos caminos distintos:
🔴 P0 (urgente) → alerta inmediata a Slack
🔵 Backlog → se registra en un Google Sheet (tu "Jira" accesible)
Lo mejor: la IA supera a las reglas fijas. Le reporté "cuando se registra una venta no se guarda en el inventario de la base de datos" y sola dedujo: producción ✓, función núcleo ✓, pérdida de datos ✓ → P0 crítico → Slack. Ninguna palabra clave rígida habría captado eso; el modelo entendió el problema.
🎥 Míralo funcionando:
🔗 Pruébalo tú: — escribe un bug y mira al agente decidir (o corre los 5 casos de ejemplo).
Stack: Cloudflare Workers + Workers AI (con structured output para decisiones confiables) → Slack + Google Sheets. 100% en código, con fallback por reglas si la IA falla, y verificado end-to-end.
Hey excelente proyecto. Me parece especialmente valioso que no se limite a automatizar tareas, sino que interprete el contexto y tome una decisión basada en criterios reales de ingeniería. El ejemplo del inventario muestra muy bien la diferencia entre una regla fija y un agente que realmente comprende el impacto del problema. Gran forma de aterrizar el concepto de IA agéntica en un caso de uso concreto y útil.
🚀 Proyecto 7 — El agente que decide por ti
Para este reto construí el Agente de Atención de Familia Ponquesito, una capa inteligente que recibe mensajes libres de clientes, analiza su intención con Gemini y decide qué proceso del negocio debe activar.
El agente puede:
Además, las reglas del negocio pueden corregir la decisión de la IA cuando sea necesario. Por ejemplo, un pedido para el mismo día, un cambio urgente o una consulta sobre alergias no se procesa automáticamente.
La demostración incluye cinco casos distintos, cada uno tomando una ruta diferente. En la ruta de nueva oportunidad, el agente reutiliza la automatización real del proyecto anterior: registra el lead en Supabase y envía los correos de confirmación y notificación.
🔗 Proyecto en producción:
💻 Repositorio:
Este proyecto conecta todo lo construido anteriormente: el asistente, la captura de solicitudes, la automatización de leads, el centro de pedidos y las reglas reales de Familia Ponquesito.
La diferencia principal es que ahora el sistema no solo ejecuta instrucciones: comprende cada mensaje y decide qué hacer con él.
Los datos utilizados en la demostración forman parte del Platzi Vibe Coding Challenge y no representan actividad comercial real.
Selector de capacitación para leads
Un usuario escribe el motivo de contacto, la IA analiza lo solicitado por el usuario usando un formulario Tallly y atribuye una capacitación en específico. Envía un mail y lo registra en google sheets
Video:
¿Qué decide el agente? Actúa como un enrutador maestro omnicanal. Analiza el contenido de cada mensaje entrante (quejas, consultas, emergencias) y deduce la intención, el sentimiento del cliente y el nivel de riesgo para decidir quién o qué debe atender la solicitud.
Criterios de Decisión (Matriz de Riesgo) El agente no toma decisiones basadas en emociones, sino en reglas estrictas de escalamiento:
Las 3 Rutas de Acción
1. Ruta URGENTE (Crisis y Riesgos)
2. Ruta NORMAL (Gestión Operativa)
TKT-0042), lo asigna al equipo correcto y utiliza un segundo modelo de lenguaje para redactar y enviar un correo electrónico empático al cliente, confirmando que su caso está siendo atendido.3. Ruta BAJA (Automatización Total)
link de la pagina web para dejar tu opinión:
✨Deja de organizar a mano.
con solo éste flujo de n8n recibe info de tres lados y ten siempre a la mano y organizado lo que necesites, con ésta facilidad puedo enviar un correo a quienes confiaron en el proyecto 5, les debo el video porque mi PC necesita descanso pero puedes descargar el flujo completo con el siguiente link, para persona que podría regalar un corazón y para la comunidad de Platzi 💚
nos vemos en el live de hoy :v
sis
Hola, El Agente que Decide por Ti
Hasta ahora las automatizaciones ejecutan órdenes fijas. Este agente hace algo distinto: piensa antes de actuar.
Recibe cualquier tipo de contenido —correo, WhatsApp, formulario, comentario— y usa IA (Gemini) para analizarlo y decidir qué es: ¿urgente o puede esperar? ¿un lead caliente o solo curiosidad? ¿un problema técnico o spam? Según esa decisión, lo enruta solo: lo crítico salta a Slack en segundos, los leads calientes van directo al CRM, los tickets de soporte se registran y notifican al área correcta, y todo lo demás queda trazado sin generar ruido a nadie.
No hay reglas de "si contiene la palabra X"; hay criterios de negocio reales que el modelo evalúa caso por caso, con un respaldo automático para que ningún mensaje se pierda si la IA falla.
me gusto tu auto de n8n la verdad no sabia que existía eso de enrutar según la decisión generalmente yo lo hago con ifs pero bueno todos los días se aprende
te invito a ver mi proyecto y si te gusta mi automatización déjame un like :)
Gracias.
Mis automatizaciones anteriores ejecutaban órdenes. Esta decide: lee cada mensaje que llega, entiende de qué se trata y lo enruta a donde corresponde, sola.
Qué decide Cada mensaje que entra por el formulario de contacto de Aethyr se va a la IA (Claude), que lo lee, lo clasifica y evalúa su urgencia — no busca palabras clave, interpreta la intención.
Con qué criterios El agente distingue entre: 🔥 lead caliente · 🛠️ soporte/bug · 💬 feedback · 📰 prensa/alianza · 🚫 spam. Y sobre eso, evalúa la urgencia (un cliente con un bug crítico no es lo mismo que una sugerencia amable).
Qué pasa en cada ruta
Lo mejor es cuando le llega un mensaje ambiguo (mitad duda, mitad elogio): ahí se nota que no hay un if/else detrás — el agente razona y decide con criterio.
🎥 Video — el agente procesando mensajes distintos y decidiendo diferente en cada uno: 👉
Stack: Formulario en Aethyr Labs (Next.js) → n8n → Claude (Haiku 4.5, salida estructurada) → Telegram + Supabase.
¡Cualquiera puede ver el video y votar, sin necesidad de cuenta! 🌀
me gusto tu automatización en especial la parte del llamado a la api de claude para clasificar lo que te mando el webhook y el código que usas para tomar la decisión he interpretar la respuesta de claude
te invito a ver mi auto de n8n y si te gusta dejame un like
¡Hola, Platzi mates! 👋 Les presento mi creación para este reto: Criterio, un agente de IA con criterio propio. 🧠
💡 En qué me inspiré
Tengo un emprendimiento salvadoreño real, ART-ES (artesanía hecha a mano). Cuando le construí un asistente de IA para vender, apareció el problema de todo negocio: el soporte. Los bots normales fallan por dos lados — o responden TODO (y meten la pata con reembolsos, cobros o temas legales), o escalan TODO (y no sirven para nada). Yo quería uno que supiera cuándo hablar y cuándo frenarse y pasarle a un humano. Eso es Criterio.
🚦 Cómo funciona (lo interesante)
Ante cada consulta, Criterio decide cuánta autonomía tomarse:
🟢 Actúa solo — si la duda está en su base de conocimiento (crear el asistente, instalar el widget, conectar el catálogo…), responde al toque.
🟡 Deja un borrador — si el tema es sensible o con riesgo (reembolso, cobro, factura, legal), NO responde solo: redacta una respuesta sugerida y me la manda para que yo la apruebe.
🔴 Escala — si es urgente o una venta grande, avisa de inmediato para intervención humana.
Y no se queda en el chat: actúa. Según su decisión responde al cliente, registra el caso en ClickUp, me avisa por Telegram y arma el borrador por correo. Humano en el loop donde importa.
✨ Un detalle de UX que me gustó
No te pide datos por adelantado. Preguntás libre; solo cuando hace falta escalar te pide nombre y correo —en el momento justo— y arma UNA sola ficha con tu consulta + tu contacto. Nada de formularios en la puerta.
🛠️ Cómo lo hice
Next.js para el centro de soporte, la IA de Claude para el "criterio" (devuelve la decisión + la respuesta) y n8n como cerebro de automatización: un webhook recibe la consulta, Claude decide, y según el semáforo rutea a Telegram, ClickUp y Resend (correo). Desplegado en Vercel. Y como todo el proyecto: nunca inventa — responde solo con su base de conocimiento; si no sabe, lo admite. Es el soporte de Silvi Assistants, el motor detrás de ART-ES.
👉 Probalo en vivo:
🎥 O miralo en 2 min:
Tirale algo básico (te responde 🟢) y después un "necesito un reembolso" para ver cómo se frena y escala 🟡.
Código y bitácora del proceso:
Si te gusta, tu like en este comentario es el voto 💚 ¡Gracias, mates! Hecho con 🤍 desde El Salvador 🇸🇻
Construí un agente que recibe contenido variable desde correos, formularios, comentarios o chats. La IA analiza cada entrada y decide:
Los criterios son:
Según la decisión, el agente toma una de estas rutas:
La demostración incluye cinco casos:
Cada caso muestra una decisión diferente, el área asignada, la explicación y la ruta elegida.
Video funcional del sistema:
10:55 a.m.
hola
Filtro de correos, los importantes son de Horma
Tiene tres filtros. 1. Clientes, incidencias con la App, preguntas de compra > envía un mensaje a Telegram, prioridad alta. 2. Posibles colaboraciones e intereses en contribuir en Horma > envía información a Sheets para guardar información. 3. No es de Horma > Dejar como no leído.
Video explicativo:
¡A votar!
Flujo de trabajo:
En el siguiente flujo de trabajo el agente decide la prioridad y el equipo que atenderá la solicitud de los inversionistas:
Existen 3 tipos de solución para cada requerimiento del cliente. A demás si el model ve que se requiere gestión de la cuenta. buscará en la web posibles opciones de mejora las cuales enviará via email.
Video demo: 🚀 App en vivo:
Agente de Tickets — un sistema que no solo automatiza, sino que decide.
Todo equipo de soporte enfrenta el mismo problema: los tickets llegan mezclados, sin orden, y separar "esto es urgente" de "esto puede esperar" depende de que alguien los lea a tiempo. Cuando eso no pasa, un servidor caído puede esperar horas la misma atención que una simple duda de contraseña — y ahí es donde se pierde dinero y confianza.
Este proyecto resuelve eso con un agente de IA que lee cada ticket, entiende su contexto real (no busca palabras clave) y decide su prioridad: Alta, Media o Baja. Según esa decisión, el sistema se bifurca solo: si es urgente, dispara una alerta inmediata a Telegram para que se actúe al momento; si no lo es, se registra en base de datos y se le confirma por correo a la persona, sin generar ruido innecesario.
Lo novedoso no es la automatización en sí — es el salto de "ejecutar una orden fija" a "tomar una decisión real con criterio", que es justamente la diferencia entre una automatización y un agente. Los 5 casos de prueba en el video muestran a la IA clasificando mensajes distintos en tiempo real, sin reglas predefinidas de texto.
ola
🌊