Agente IA & LLM

Integrar asistencia basada en IA dentro de un flujo financiero regulado requería coordinar comportamiento, contexto operativo y confianza del usuario al mismo tiempo.

Capas del problema

• Intervención contextual. Definir cuándo debía aparecer el agente sin interrumpir un flujo financiero ya de por sí sensible.
• Research. Muchos usuarios llegaban con desconfianza por interacciones anteriores poco útiles o demasiado robóticas.
• Conversacional. El usuario hace preguntas en lenguaje natural sobre un proceso descrito en lenguaje legal.
• De confianza. El proceso implicaba validaciones sensibles y decisiones financieras donde cualquier duda afectaba continuidad y conversión.

Esta lectura redefinió el problema: el desafío no era rediseñar el flujo, sino integrar asistencia contextual sin romper continuidad operativa, validaciones ni confianza del usuario.

El proyecto se desarrolló sobre cinco líneas de trabajo: comportamiento de usuario, restricciones regulatorias, lógica conversacional, arquitectura del sistema y experiencia integrada al flujo.

Etapas

• Discovery. Entrevistas y análisis de sesiones reales para entender comportamiento, puntos de fricción y necesidad de acompañamiento dentro del flujo.
• Modelo mental. Definición de expectativas del usuario sobre contexto, memoria y capacidad de asistencia del agente.
• System prompt. Diseño del rol, límites, tono y reglas del LLM.
• UI. Diseño de una asistencia embebida capaz de interactuar con el flujo sin romper continuidad ni contexto operativo.
• Control. Capas de validación para asegurar que el sistema solo respondiera dentro de contextos y autorizaciones permitidas.

Diseño de asistencia contextual dentro de un flujo sensible y altamente regulado. El agente opera como parte del sistema: entiende el momento del proceso, ajusta la asistencia según el contexto y solo interviene dentro de límites operativos definidos.

Principios de diseño

• Contextual. Sabe en qué paso está el usuario y qué datos ya entregó.
• Asistencia operativa. Puede consultar información, completar acciones y acompañar tareas dentro del flujo.
• Humano. Diseñado para reconocer límites operativos y mantener continuidad incluso cuando requiere derivación.
• Trazable. Cada acción del agente queda registrada para auditoría y soporte.

Antes de liberar a producción la validación se realizó con usuarios representando dos perfiles distintos dentro del flujo financiero. Las sesiones permitieron evaluar percepción de asistencia, continuidad operativa y comportamiento del agente en distintos escenarios.

Mediciones

• Calidad de interacción. Los usuarios percibieron la conversación como natural, clara y contextual dentro del flujo.
• Continuidad de uso. La convivencia entre asistencia conversacional y proceso se entendió de forma intuitiva.
• Confianza en el sistema. Las respuestas fueron percibidas como consistentes y alineadas al contexto financiero del proceso.

La asistencia conversacional permitió reducir carga operativa y reservar la intervención humana para etapas críticas del proceso.

La validación mostró que una asistencia basada en IA puede acompañar procesos financieros sensibles sin romper confianza ni continuidad dentro del flujo.

El foco principal estuvo en el diseño del comportamiento del sistema: contexto, timing, límites operativos y forma de intervención.