OOTB — Out of the Box

Case Wrap-up Agent para Service Cloud.

Cada case cerrado con resumen, causa raíz y next-best-action. En 30 segundos, no en 5 minutos.

El agente de Agentforce que lee la transcripción completa de cada case y genera un resumen estructurado al cierre: causa raíz, resolución aplicada, tags y siguiente acción recomendada. Para contact centers con alto volumen donde el 60-70% de los cases se cierran sin documentar bien.

Case Wrap-up Agent

¿Qué hace Case Wrap-up Agent?

Case Wrap-up Agent es un agente autónomo de Agentforce que opera dentro de Service Cloud. Cuando un agente humano cierra un case, el agente lee la transcripción completa, identifica la causa raíz, documenta la resolución aplicada y sugiere la siguiente acción. Todo en 30 segundos, no en 3-5 minutos de wrap-up manual. El resultado: cases documentados pasan de 30-40% a 90%+.

Resumen automático al cierre Lee toda la transcripción + acciones ejecutadas y genera resumen en 30 segundos.
Causa raíz + resolución estructurada No es un summary genérico: identifica qué falló, qué se hizo y qué sigue.
Cases documentados: 30-40% → 90%+ El 60-70% de cases que hoy se cierran sin resumen ahora tienen documentación completa.
Feed para Knowledge Generation Los resúmenes estructurados alimentan la creación de nuevos artículos de KB.

Cómo funciona paso a paso

Del case cerrado al resumen persistido. 6 pasos, con validación humana.

1

Agente humano cierra el case

Case resuelto, transcripción completa disponible.

2

IA lee la transcripción

Analiza todos los mensajes, acciones ejecutadas, artículos consultados y outcomes.

3

Identifica causa raíz

Extrae el problema subyacente: "error en provisión de SIM", "cargo duplicado por bug de billing".

4

Genera resumen estructurado

Causa raíz + resolución aplicada + next-best-action + tags sugeridos.

5

Humano revisa y aprueba

El agente presenta el resumen para validación. El humano puede editar antes de confirmar.

6

Resumen persiste en el case

Se guarda en el Case, alimenta reporting, QA y Knowledge Generation.

Ejemplo de interacción real

[Case #72841 — 40 mensajes, resuelto en 18 min]

[Case Wrap-up genera:]

Causa raíz: "Error en provisión de SIM — IMSI no asignado correctamente durante activación."

Resolución: "Reasignación manual de IMSI vía OSS. Cliente confirmó servicio restaurado."

NBA: "Abrir ticket a OSS para fix permanente del bug de provisión. Impacta ~3% de activaciones."

Tags: Soporte Técnico > Conectividad > Provisión SIM | Severity: Alta

Arquitectura del agente

Los cuatro pilares que hacen funcionar a Case Wrap-up Agent dentro de tu org de Salesforce.

Data

Fuentes de grounding

  • Case + CaseComment + MessagingSession + ConversationEntry (transcripción completa)
  • Acciones ejecutadas durante el case
  • Knowledge articles consultados
  • Account context (segmento, productos)

Actions

Lo que el agente ejecuta

  • Leer transcripción completa
  • Identificar causa raíz
  • Clasificar resolución
  • Generar next-best-action
  • Sugerir tags
  • Escribir resumen en Case
  • Marcar para Knowledge Generation

Guardrails

Controles de confianza

  • Trust Layer PII masking en transcripción
  • Resumen con grounding (no inventar acciones que no se hicieron)
  • Audit trail de cada resumen
  • Validación humana obligatoria pre-persistencia

Channels

Dónde opera el agente

  • Service Console (modal al cierre)
  • Embedded Messaging (post-resolución)
  • Service Cloud Voice (post-llamada con transcripción)

Implementación en 5 fases

De discovery a producción. Case Wrap-up Agent en marcha en 6 a 8 semanas.

1
Sem 1

Discovery y taxonomía de wrap-up

Definir estructura del resumen, campos de causa raíz, tags requeridos.

QA Manager · Service Ops · Knowledge team Template de wrap-up + taxonomía de causas raíz
2
Sem 2-3

Data readiness

Verificar calidad de transcripciones, configurar acceso a CaseComment y MessagingSession.

Salesforce Admin · Data team Data readiness report
3
Sem 3-5

Agent build

Configurar prompts de extracción, templates de resumen, lógica de NBA, integración con Knowledge Generation.

Solu Architect + Prompt Engineer Agente en sandbox
4
Sem 5-6

Testing y piloto

Test con 200+ cases históricos, piloto con equipo QA validando calidad de resúmenes.

QA team · Service Ops Quality report + accuracy de causa raíz
5
Sem 6-8+

Go-live y tuning

Rollout, tuning de prompts, expansión a todos los canales.

Service Leadership · Solu Dashboard de wrap-up coverage

Equipo típico de implementación

Agentforce Architect Diseño del agente, taxonomía, guardrails
Service Cloud Developer Flows, Apex actions, integraciones
Prompt Engineer Prompts de extracción, templates de resumen
QA Analyst Validación de resúmenes, accuracy de causa raíz
Change Manager Adopción, capacitación, feedback loops

Requisitos para arrancar

Lo que necesitás tener listo antes de poner Case Wrap-up Agent en producción.

Datos mínimos

  • Transcripciones limpias (MessagingSession + CaseComment)
  • Taxonomía de causas raíz definida
  • Campos de resumen en el Case object

Licencias

  • Service Cloud Enterprise+
  • Agentforce for Service
  • Data Cloud (recomendado para analytics)
  • Lightning Knowledge (si feed a Knowledge Generation)

Integraciones

  • Service Console (componente de wrap-up)
  • MessagingSession API
  • Service Cloud Voice (si transcripción de voz)
  • Knowledge Generation Agent (si se usa como feed)

Org readiness

  • QA team con proceso de validación de resúmenes
  • Taxonomía de causa raíz acordada
  • Sponsor en Quality/Operations

KPIs: antes y después

Tenemos casos en este agente — hablemos para compartir los relevantes a tu industria.

Métrica Antes (manual) Después (agente) Cambio
Cases con resumen completo 30-40% 90%+ +50-60 ppt
Tiempo de wrap-up 3-5 minutos 30 segundos -90%
QA coverage Baseline +3× +3×
Causa raíz documentada Rara vez Siempre Completo
Feed a Knowledge Generation Inexistente Automático Nuevo
Time-to-value post go-live N/A 2-3 semanas Rápido

Riesgos comunes y cómo los mitigamos

Resumen impreciso por transcripción ruidosa

Mensajes confusos o incompletos.

Mitigación: Threshold de calidad de transcripción, flag de "resumen con baja confianza", revisión humana obligatoria.

Omisión de detalles regulatorios

IA no captura compromisos legales o regulatorios mencionados.

Mitigación: Keywords de compliance (reclamo, defensa del consumidor, LGPD) con flag automático a supervisor.

Sesgo del modelo en causas raíz

El modelo favorece causas raíz frecuentes, ignora causas nuevas.

Mitigación: Diversidad de training data, QA sample semanal, tuning trimestral.

Sobrecarga del QA team

Si el 90% de cases ahora tiene resumen, QA necesita revisar más.

Mitigación: Sampling estadístico, no revisión exhaustiva. Priorizar por confidence y severity.

Dependencia de transcripciones limpias

Sin transcripción no hay resumen.

Mitigación: Integración correcta con Messaging y Voice, fallback a campos del Case si transcripción no disponible.

Preguntas Frecuentes

No. Case Wrap-up genera el resumen pero no cierra el case. El agente humano revisa el resumen, puede editarlo, y después cierra manualmente. El control sigue siendo del humano.

Sí, siempre que la llamada tenga transcripción. Con Service Cloud Voice + Amazon Connect, la transcripción se genera en streaming. El agente la usa como input para el resumen. Sin transcripción, trabaja con los campos del Case.

Los resúmenes estructurados son el input ideal para Knowledge Generation Agent. Cuando detecta clusters de cases con causas raíz similares, Knowledge Generation genera drafts de artículos nuevos automáticamente.

La cobertura de QA sube 3× porque ahora el 90% de cases tiene resumen auditable. El QA team puede hacer sampling estadístico en vez de revisar uno por uno. La calidad del dato de causa raíz mejora el reporting ejecutivo.

Sí. Los resúmenes se generan en el idioma de la transcripción. Soporta español (todas las variantes), portugués brasileño e inglés. El template de resumen se adapta por idioma.

Cada case, bien cerrado.

Hablá con un Service Architect de Solu. Te mostramos cómo Case Wrap-up documenta el 90% de tus cases en 30 segundos.