PromptQL

¿Qué es PromptQL?

PromptQL, desarrollado por Hasura, es una plataforma de IA multijugador diseñada para dar a los equipos un cerebro compartido en lugar de sesiones de chat aisladas. Extrae contexto de Slack, documentos, tickets, CRM y tablas de almacenes de datos, y transforma las correcciones realizadas durante el trabajo real en conocimiento reutilizable del equipo, almacenado en una wiki al estilo Wikipedia. En lugar de pedir a las personas que actualicen la documentación por separado, PromptQL captura el conocimiento organizacional directamente del flujo de trabajo, de modo que la precisión y el contexto se acumulan con el tiempo en lugar de degradarse.

Características Principales

• Hilos y contexto compartidos

  Los miembros del equipo trabajan dentro de hilos de conversación con IA compartidos, de modo que las decisiones, correcciones y razonamientos quedan visibles para todos en lugar de quedar atrapados en chats individuales.

• Wiki autoconstruida

  Genera y actualiza automáticamente una base de conocimiento al estilo Wikipedia a partir de Slack, Google Docs, Snowflake, el CRM y los datos de analítica de producto, con citas e historial de revisiones.

• Modelo de aprendizaje por corrección

  Cuando alguien del equipo corrige una respuesta o aclara una fuente de datos, PromptQL convierte esa corrección en una habilidad reutilizable o en una actualización del modelo semántico para futuras consultas.

• Alcances de acceso controlados

  Otorga distintos niveles de visibilidad de la wiki compartida a equipos internos, clientes o colaboradores externos, con permisos granulares de visualización y edición.

• Agentes AI Analyst

  Responde preguntas de negocio complejas en lenguaje sencillo, razonando a través de silos de datos, validando conclusiones y señalando la incertidumbre, como lo haría un analista experimentado.

• Acceso a datos y planificación de consultas

  Se conecta a fuentes de datos estructuradas, no estructuradas y basadas en API, construyendo planes de consulta inspeccionables que reintentan y se autocorrigen para reducir resultados alucinados.

Casos de Uso

• Análisis de riesgo de cancelación : Los equipos de Customer Success pueden evaluar rápidamente el riesgo de renovación combinando tendencias de uso, el sentimiento de los tickets de soporte y el conocimiento previo del equipo en un solo hilo.
• Reportes de negocio : Analistas y responsables de operaciones obtienen cifras precisas y actualizadas, como el ingreso por región, corrigiendo automáticamente fuentes de datos desactualizadas según ediciones previas del equipo.
• Onboarding con contexto de cuenta : Los nuevos miembros del equipo pueden generar en segundos una wiki completa de una cuenta a partir de Slack, el CRM y la analítica de producto vinculada a un cliente específico.
• Compartir conocimiento entre equipos : Los equipos de soporte, ingeniería y Customer Success colaboran en el mismo hilo, evitando investigaciones duplicadas y explicaciones repetidas.
• Decisiones operativas en tiempo real : Los category managers y representantes de ventas obtienen respuestas de negocio instantáneas y confiables, sin esperar en la cola de tickets de un equipo de analítica.

Preguntas Frecuentes