Depurar con IA
Financiación y uso de IA
IA incluida utiliza créditos REDA. Traiga su propia IA utiliza la cuenta de proveedor de su organización, facturada directamente por ese proveedor. La licencia determina un modelo para toda la organización. En ambos, REDA AI controla las herramientas y acciones configuradas en Salesforce. Configure la licencia y las cuentas de IA.
Con una cuenta propia, el modelo elegido determina los niveles de razonamiento profundo y capacidades disponibles. Revise los niveles y avisos del selector AI Account; no suponga que todos los proveedores admiten la misma combinación. Las herramientas administrativas y el procesamiento de documentos utilizan la conexión predeterminada de la organización. Configure el valor predeterminado y pruebe el flujo.
Qué hace
Las fallas graves en las ejecuciones de un agente terminan en el Registro de incidentes — excepciones de Apex, errores de llamada externa, fallos de reglas de validación, errores de configuración que impidieron que una llamada a una herramienta se completara. El registro sin procesar captura el detalle técnico (seguimiento de la pila, contexto del error, clase y método), pero deja la interpretación en manos de quien lo lea.
Depurar con IA es el asistente que lee el registro por ti. Explica qué significa el error, hace una conjetura segura sobre la causa y propone correcciones específicas. Como es una conversación, puedes cuestionar la respuesta, pedir más detalle o reorientar el análisis cuando la primera respuesta no encaja.
De varios turnos, no de un solo paso
A diferencia de un analizador de una sola pasada, Depurar con IA es conversacional. El primer turno genera una evaluación inicial a partir de los datos sin procesar del incidente; los turnos siguientes te permiten dirigir el diagnóstico:
- “¿Qué configuración causaría este error específico?”
- “¿Podría estar involucrada la seguridad a nivel de campo?”
- “Muéstrame la configuración del agente que controla este comportamiento.”
- “¿Por qué el mensaje de la regla de validación no le llegó al usuario?”
Cada seguimiento consume un pequeño presupuesto adicional de créditos, pero suele producir una respuesta más precisa que el primer turno por sí solo.
Cómo funciona una ejecución
-
Abre el incidente
Desde la pestaña Registros de incidentes de IA o directamente desde un registro de incidentes.
-
Comprobación de disponibilidad
Antes de habilitar el botón Depurar con IA, la plataforma comprueba que la depuración con IA esté disponible: licencia activa, créditos restantes, interruptor de la función activado. Si algo de esto falla, verás un motivo claro en lugar de un error genérico.
-
Haz clic en Depurar con IA
El primer turno reúne los detalles del incidente y el contexto relevante (nombre de la clase, método, seguimiento de la pila, mensaje de error, la conversación en la que ocurrió) y los envía al modelo.
-
Lee la evaluación inicial
Un panel muestra la respuesta: explicación, hipótesis de la causa raíz, pasos de resolución sugeridos.
-
Haz preguntas de seguimiento
Escribe una pregunta de seguimiento; la plataforma envía el historial de la conversación junto con tu pregunta como contexto. La respuesta del modelo aparece en el mismo panel.
-
Guarda el análisis final
Cuando tengas una respuesta en la que confíes, guárdala en el campo Resolution Notes del incidente. El siguiente administrador que abra el incidente leerá tu trabajo sin volver a ejecutar la IA, pero copia antes las notas que ya hubiera, porque guardar las sobrescribe.
Qué ve el depurador
El depurador recibe mucho más que el texto del error. Cada ejecución reúne:
- El propio incidente: error type, message, context, severity, status, class name, method name, line number, stack trace y cualquier nota de resolución ya registrada.
- La configuración del agente, cuando el incidente está vinculado a uno: nombre visible, canal, la primera parte de su persona y sus objetos de contexto predeterminados.
- Los prompts personalizados activos del agente, hasta cinco, cada uno como fragmento.
- Las herramientas activas del agente, hasta diez, con su tipo y descripción.
- Un informe de conflictos de configuración para ese agente (véase más abajo).
- El contexto de la conversación, cuando el fallo ocurrió dentro de una: su canal, su objeto de contexto y el id del registro de contexto.
- El historial de esta propia sesión de depuración en los turnos siguientes, de modo que construye sobre lo ya dicho en lugar de empezar de cero.
El informe de conflictos no es la opinión del modelo. Antes de enviar el prompt, REDA AI ejecuta una comprobación determinista sobre la configuración del agente y escribe sus hallazgos en el prompt como hechos. Así que cuando el depurador dice que dos prompts se contradicen, eso proviene de un análisis de la configuración, no de la lectura que el modelo hace de tu error. Si esa comprobación falla por cualquier motivo, se omite en silencio y el resto del diagnóstico continúa sin verse afectado.
Lo que no recibe es el texto de los mensajes de la conversación. Ve qué conversación falló y en qué contexto, no lo que se dijo en ella. Si lo que importa es la redacción del intercambio, abre tú mismo la conversación, o usa el Depurador de conversaciones, que existe justo para eso.
Qué te dirá y qué no te dirá el Depurador
El Depurador tiene una medida de protección deliberada: explica en detalle tu Apex (clases ejecutoras personalizadas, tus Flujos, tus reglas de validación), pero no expone las interioridades del paquete gestionado de REDA AI. Las preguntas sobre cómo funciona la plataforma por dentro se rechazan con cortesía — en su lugar, el Depurador te remite a la documentación pública.
No se trata de ocultar errores — se trata de que el análisis siga siendo útil. Las correcciones que puedes aplicar están en tu código y tu configuración, no dentro del paquete. Dirigir la conversación hacia esas cosas es lo que produce consejos aplicables.
Guardar el análisis
Al guardar, el análisis se escribe en el campo Resolution Notes del incidente. No existe un campo aparte de «análisis de depuración»: la explicación acaba en el mismo sitio donde una persona escribiría sus propias conclusiones.
Guardar reemplaza lo que ya hubiera en Resolution Notes. Es una sobrescritura, no una adición. Si tú o un compañero ya habíais escrito notas en el incidente, cópialas antes a otro sitio, o pega tú mismo la explicación de la IA debajo de ellas.
Guardar también hace avanzar el incidente: uno que siga en New pasa automáticamente a Investigating. Un incidente que ya esté en Investigating, Resolved o Dismissed conserva el estado que tiene.
- Quien lo lea después ve la explicación en el registro, sin volver a ejecutar el modelo.
- El texto se puede copiar en un runbook o en un ticket de escalamiento.
- Volver a ejecutar Depurar con IA inicia una conversación nueva: no vuelve a leer el texto guardado.
Costo en créditos
Cada turno es una llamada al modelo. El costo aumenta según el tamaño del contexto del incidente (los seguimientos de la pila y los fragmentos de conversación son las variables más grandes) más la longitud de tu pregunta de seguimiento. La plataforma informa los créditos realmente consumidos.
Los primeros turnos cuestan más que los de seguimiento, porque el contexto completo del incidente se envía en cada turno para dar fundamento a la respuesta. Varios turnos de seguimiento sobre un seguimiento de la pila extenso pueden sumar; si te encuentras haciendo el mismo tipo de pregunta en muchos incidentes, resume la respuesta en un runbook para que los incidentes futuros consulten el conocimiento existente en lugar de volver a preguntar.
Con IA incluida, una llamada que agota el tiempo puede generar el cargo documentado de 20 créditos. Con Traiga su propia IA, REDA no descuenta una asignación de créditos; la facturación depende del proveedor. Revise el uso registrado y el error antes de reintentar. Un tiempo de espera agotado no identifica por sí solo la causa.
La propia respuesta está limitada por el ajuste de plataforma Debugger Max Output Tokens, 3000 de forma predeterminada. Si las respuestas se cortan a mitad de la explicación, ese es el ajuste que hay que subir; una respuesta más larga cuesta más créditos, así que súbelo de forma deliberada.
En qué se diferencia del Depurador de conversaciones
- Depurador de conversaciones — para los casos en que la conversación se completó pero el agente dio la respuesta equivocada u omitió un paso. Devuelve un análisis estructurado de la causa raíz.
- Depurar con IA en incidentes — para las fallas graves en las que la conversación se cayó o una herramienta dio error. Análisis conversacional de varios turnos sobre el registro de incidentes.
La mayoría de los problemas de comportamiento empiezan en el Depurador de conversaciones. Los errores que aparecen como registros de incidentes van aquí.
Lo que Depurar con IA no hace
- No aplica las correcciones. El resultado es orientativo; el cambio de configuración o de código lo haces tú.
- No reproduce la falla. Cada análisis se basa únicamente en el incidente capturado. Para verificar una corrección, vuelve a ejecutar la operación y comprueba si se crea un nuevo incidente.
- No resuelve los incidentes automáticamente. El incidente permanece abierto hasta que lo marcas como resuelto — la IA no cambia el estado del registro.
- No expone las interioridades del paquete. El Apex personalizado que escribiste está permitido; la implementación del paquete gestionado, no.
Prácticas recomendadas
Empieza en general y acota con preguntas de seguimiento. El primer turno produce una evaluación general; el valor de la conversación proviene de tus preguntas de seguimiento que van fijando la causa raíz.
Guarda el análisis cuando termines. Los incidentes se olvidan con facilidad. El análisis guardado es lo que hace útil la próxima revisión.
Cítale de vuelta el prompt del usuario. Si la falla ocurrió a mitad de la conversación, pregúntale al Depurador por el turno específico del usuario que desencadenó la falla. Las preguntas bien delimitadas producen respuestas más precisas.
No le pidas al Depurador que vuelque el paquete. La medida de protección lo rechazará, gastando un crédito para nada. En su lugar, plantea la pregunta como “¿qué configuración en mi Apex/Flujo/agente podría causar esto?”.
Combínalo con el Depurador de conversaciones cuando la falla ocurrió a mitad de la ejecución. Si la conversación tiene a la vez un incidente y un síntoma de comportamiento, ejecuta ambos depuradores; los dos juntos suelen fijar qué salió mal.
Preguntas frecuentes
Es un chat. El primer turno genera una evaluación a partir de los detalles del incidente; puedes hacer preguntas de seguimiento, y la plataforma le devuelve el historial de la conversación al modelo para que los turnos siguientes se apoyen en las respuestas anteriores.
La plataforma ejecuta una comprobación de disponibilidad antes de habilitar el botón: la licencia debe estar activa, debe haber créditos disponibles y el interruptor de la función debe estar activado. Si algo de esto falla, la interfaz explica el motivo en lugar de dejarte hacer clic.
No. La medida de protección es explícita: las preguntas sobre la implementación interna del paquete se rechazan. El Depurador se centra en la configuración y en tu Apex personalizado, es decir, en las cosas que realmente puedes cambiar.
En el campo Resolution Notes del incidente, el mismo en el que una persona escribiría sus conclusiones. Ten en cuenta que sobrescribe lo que ya hubiera allí y que pasa a Investigating un incidente que siga en New.
Sí — cada turno es una llamada al modelo. El consumo real de créditos se muestra en pantalla y depende del tamaño del contexto del incidente más la pregunta de seguimiento.
Sí. Los incidentes son independientes del canal — ya sea que la falla haya ocurrido en el widget interno, en un widget externo, en una ejecución de correo entrante o en una ejecución asíncrona activada por un Flujo, el registro del incidente se ve igual y el Depurador lo inspecciona de forma idéntica.
Cuestiónalo en la conversación. “Eso no puede ser porque…” o “Ya verifiqué X…” reorientan el análisis. El formato conversacional es lo que te permite superar la primera conjetura del modelo cuando está equivocada.
Próximos pasos
Lee Registros de incidentes de IA para conocer la estructura de registro subyacente, o Depurador de conversaciones para diagnosticar fallas de comportamiento en las que la conversación se ejecutó pero produjo el resultado equivocado.