Automatización de email con IA: del caos a la acción¶

Tuve la oportunidad de presentar en Datamecum Webinar 2025, donde expliqué cómo construí un sistema GenAI de automatización de email en producción que redujo el triaje diario de 100+ items a 10-15 accionables.

Por qué conectó esta charla¶

El sistema atacaba un problema que muchos equipos reconocen al instante: trabajo operativo repetitivo y de alto volumen que parece sencillo por fuera pero se vuelve caótico cuando entran en juego la urgencia, el contexto de negocio y las reglas de handoff.

Qué cubre la sesión¶

El problema: por qué el triaje manual consume horas de tiempo productivo cada día
La capa de decisión: cómo PydanticAI ayudó a mantener outputs estructurados y fiables
La capa de grounding: cómo retrieval mejoró la calidad de clasificación
La capa de entrega: cómo FastAPI convirtió el workflow en un servicio operativo

Ver la presentación completa¶

Haz clic en la imagen para ver la presentación completa en YouTube.

Puntos destacados de arquitectura¶

Contrato de decisiónLímite de servicio

class EmailDecision(BaseModel):
    category: str
    priority: str
    next_action: str

@app.post("/emails/triage")
async def triage(payload: EmailBatch) -> list[EmailDecision]:
    return await triage_service.run(payload)

Ideas clave¶

Las salidas estructuradas importan porque los sistemas en producción necesitan decisiones predecibles, no solo texto bonito.
Retrieval mejora la confianza cuando el modelo debe clasificar usando contexto y políticas específicas de la compañía.
El workflow debe diseñarse como un servicio de aplicación, no como un prompt aislado.

Si te interesa construir sistemas parecidos de automatización con IA, puedes reservar una llamada gratuita.