Volver al trabajo seleccionado

Conversa Labs y Maestro: atención al cliente con acciones de IA controladas

Colaboración
Maestro · Conversa Labs
Periodo
Actividad en Conversa Labs · noviembre de 2025–actualidad
Tecnologías
  • Python
  • FastAPI
  • LangGraph
  • Langfuse
  • PostgreSQL
  • pgvector
  • Redis
  • Ruby on Rails
  • Vue
  • MCP
  • OAuth 2.1
  • Docker Swarm
MaestroVista conceptual
  1. Hecho: Recuperar el estado de la conversación
  2. Hecho: Llamar a una herramienta autorizada
  3. Paso actual: Transferir la conversación a una persona del equipo

La plataforma reúne sus propios procesos y la ejecución de IA. Maestro puede retener una respuesta si la acción que el agente afirma haber realizado no coincide con las herramientas ejecutadas, solicitar aprobación humana y pausarse cuando interviene un operador.

En 30 segundos

Problema

La atención al cliente, los procesos de negocio y las acciones de IA necesitan compartir el contexto de cuenta, los permisos y el control humano.

Mi contribución

Soy socio y el principal desarrollador de los módulos y servicios propios de Conversa Labs. Desarrollé módulos sobre el núcleo open source (MIT) de Chatwoot, sin la edición Enterprise, y construí Maestro como servicio de agentes de IA.

Resultado

La plataforma reúne sus propios procesos y la ejecución de IA. Maestro puede retener una respuesta si la acción que el agente afirma haber realizado no coincide con las herramientas ejecutadas, solicitar aprobación humana y pausarse cuando interviene un operador.

Decisiones técnicas

  1. Desarrollar módulos propios sobre el núcleo MIT, sin la edición Enterprise.

    Por qué
    El contexto de cuenta conecta los módulos con permisos y conversaciones de atención.
    Coste de la decisión
    Mantener la compatibilidad exige adaptar los módulos a los cambios oficiales.
  2. Contrastar las acciones declaradas con las herramientas ejecutadas antes de enviar.

    Por qué
    La respuesta debe reflejar acciones que se han ejecutado; las sensibles requieren aprobación humana.
    Coste de la decisión
    La comprobación puede retener una respuesta y la aprobación introduce un estado de espera.
  3. Asociar memoria y coste a cada cuenta.

    Por qué
    Las comprobaciones deterministas pueden retener una respuesta antes del envío. Un juez LLM opcional evalúa muestras después, sin cambiar la respuesta.
    Coste de la decisión
    La búsqueda semántica requiere un índice de embeddings; si el juez opcional no está disponible, la evaluación usa reglas.

Operación

El trabajo Rails/Vue incluye CRM/Kanban, conciliación de comisiones de pedidos pagados, canal WhatsApp Web, editor visual de flujos, enrutamiento de atención, permisos granulares y servidor MCP con OAuth 2.1. Maestro utiliza Python, FastAPI, LangGraph, PostgreSQL/pgvector y Redis para estado por conversación, memoria por cuenta/contacto y búsqueda híbrida, con recuperación semántica cuando está configurada. Instrumenté el uso y las estimaciones de coste de IA por cuenta y conversación, incluido el fallback, con trazas en Langfuse cuando está habilitado. Construí un generador de referencias desde contratos con comprobación de términos privados antes de publicar, un checkout de suscripciones en Astro y la integración de prueba gratuita; configuré firma cosign, generación de SBOM y entrega en Docker Swarm.

  • CRM/Kanban
  • Conciliación de comisiones de pedidos pagados
  • Canal WhatsApp Web
  • Editor visual de flujos
  • Enrutamiento de atención
  • Roles y permisos granulares
  • Servidor MCP

Autoría

La licencia MIT corresponde al núcleo open source de Chatwoot. Mi trabajo abarca los módulos propios, el servicio Maestro y las integraciones descritas; la autoría del núcleo sigue siendo de sus creadores. Trabajo con Conversa Labs desde noviembre de 2025.

Hablemos de un puesto de ingeniería

Interés en puestos presenciales e híbridos en toda España y trabajo en remoto en Europa.

contato@guilhermejansen.com

Guilherme Jansen · Ingeniero de Software Sénior · Ingeniero de IA

Volver arriba