Un agente que responde las preguntas de los miembros de Revenue Squared y los deriva al experto adecuado, y me ahorra más de 10 horas a la semana. Funciona sobre tres años de texto de Slack más vídeo y audio de la comunidad, anonimizados y después estructurados en un índice compacto de quién sabe qué, y sirve a unos 250 miembros por semana.
Una comunidad con cientos de miembros acumula respuestas más rápido de lo que nadie puede encontrarlas. Los recién llegados hacían preguntas que ya se habían respondido tres veces. El archivo era demasiado grande para dárselo a un modelo en cada pregunta y demasiado desordenado para buscar por palabra clave.
La fuente fueron tres años de texto de Slack más vídeo y audio. Una pasada única lo anonimizó y lo estructuró en una base de conocimiento por temas. Encima va un índice mucho más pequeño: por cada tema, los mejores expertos con credenciales y número de mensajes, los mejores recursos y los hilos canónicos. Una copia en JSON sirve a los scripts sin parsear texto. Cuando un miembro pregunta algo, el agente que responde lee primero el índice y solo abre el archivo completo cuando el índice no puede responder. Un proceso semanal recoge lo que ha cambiado y actualiza el índice; uno trimestral lo reconstruye desde cero.