Un asistente de inteligencia artificial es una interfaz conversacional que interactúa con los usuarios en lenguaje natural, entendiendo sus preguntas y devolviendo respuestas útiles. A diferencia de los tradicionales chatbots, estos asistentes pueden conectarse a múltiples fuentes de datos, ejecutar procesos complejos y adaptarse al contexto de la conversación.

En el ámbito del desarrollo de software, los asistentes IA pueden ser aliados clave para automatizar tareas repetitivas, generar insights en tiempo real, y reducir la fricción al acceder a datos técnicos. Justamente, eso es lo que buscamos con Pulzen.
‍

Caso de Pulzen: ¿Por qué creamos un asistente con IA?

Pulzen es una plataforma que mide la productividad de los equipos de desarrollo a partir de datos reales, tales como commits, pull requests, revisiones de código, métricas DORA, entre otros. Nuestra misión es ayudar a los equipos a entender cómo trabajan y cómo mejorar sin necesidad de interpretar cientos de dashboards.

Pero nos dimos cuenta de algo: Incluso con buenos datos, la experiencia de explorarlos podía ser mucho mejor. Queríamos que cualquier persona, desde un líder de equipo hasta un desarrollador, pudiera preguntarle directamente a Pulzen cosas como:

"¿Cómo estuvo el tiempo de revisión de código esta semana?" o

"¿Qué equipos bajaron su frecuencia de despliegue?",

y obtener respuestas inmediatas, traducidas en texto o gráficos.

Así nació nuestro asistente con IA: Un copiloto de productividad que entiende el contexto, genera consultas, interpreta resultados y te guía con razonamiento, no solo con datos.

‍

Paso a paso: Cómo creamos nuestro asistente con IA

1. Elección del SDK: Interacción simplificada con modelos

Elegimos el AI SDK de Vercel porque nos permite crear rápidamente interfaces conversacionales modernas. Esta herramienta facilita la comunicación con modelos de lenguaje como GPT-4o y GPT'4o-mini, integrando funcionalidades como el streaming de respuestas y manejo de historiales.

‍

2. Vector store en MongoDB: Memoria conversacional

Para que el asistente recuerde el contexto de las conversaciones, implementamos un sistema de almacenamiento de historiales en MongoDB, utilizando técnicas de vectorización. Esto permite que el modelo "recuerde" interacciones anteriores, ofreciendo respuestas más coherentes y personalizadas.

‍

3. Fine-tuning personalizado: Consultas específicas en MongoDB

Entrenamos nuestros propios modelos con ejemplos reales de consultas en nuestras colecciones de Mongo. Esto le permite al asistente generar queries optimizadas para responder preguntas sobre productividad, sin necesidad de que el usuario conozca la estructura de la base de datos.

‍

4. Thinking steps: Transparencia en la orquestación

Implementamos procesos de razonamiento ("thinking steps") donde el asistente muestra cada etapa del análisis antes de entregar una respuesta. De esta manera, el usuario puede entender cómo se llegó a una conclusión y qué pasos ejecutó el sistema por detrás.

‍

5. Arquitectura basada en agentes: Routing inteligente

Diseñamos una arquitectura de agentes especializados. Cada agente tiene un rol —por ejemplo, analizar métricas DORA, visualizar gráficos, o interpretar texto— y el sistema elige cuál activar según la intención del usuario. Este enfoque basado en routing permite respuestas más precisas y flexibles.

‍

‍

Los asistentes con IA están cambiando la forma en que interactuamos con la información: ya no se trata solo de buscar, sino de conversar, entender y decidir con ayuda de la inteligencia artificial.

En el equipo de Pulzen, creemos que este tipo de herramientas no solo ahorran tiempo, sino que democratizan el acceso a métricas que antes requerían conocimiento técnico. En el futuro, imaginamos asistentes aún más proactivos, recomendando mejoras, detectando patrones críticos y ayudando a equipos a mantenerse enfocados en lo que realmente importa.

Este es solo el comienzo.

‍