Multimodal AI Agent with RAG for Autonomous Incident Triage
Generative AI agent connected to a RAG system analyzing images, logs, and attachments to autonomously triage support incidents, orchestrated across n8n, UiPath, and AWS Fargate.
- Client
- Financial Technologies & Lending Firm
- Industry
- FinTech / Lending
- Role
- Agentic Automation Architect
- Period
- Jan 2025 — Current
Measured Impact
- L1+L2
- Automated support tiers
- Multimodal
- Evidence analysis
- 24/7
- After-hours coverage
- 0 servers
- Infrastructure administration
Full initial triage with zero human intervention
Images, logs, and ticket attachments processed in a single pipeline
Automated severity calls via Amazon Connect directly to on-call engineer
100% serverless containerized orchestration on AWS Fargate
El problema
El equipo de soporte de una fintech de créditos recibía incidentes en Jira con evidencia heterogénea: capturas de pantalla, registros de log y descripciones incompletas. Cada ticket requería tiempo previo de investigación solo para determinar el origen del problema antes de poder resolverlo. Fuera del horario de oficina, los incidentes quedaban pendientes hasta la jornada siguiente, afectando los tiempos de respuesta comprometidos.
La solución
Implementé un agente multimodal de IA generativa para clasificar y enriquecer las solicitudes antes de derivarlas al equipo de ingenieros:
- Lectura del ticket completo (texto, capturas de pantalla y archivos adjuntos) para extraer el mensaje de error, el ambiente afectado y el componente involucrado.
- Consulta a una base de incidentes documentados y runbooks mediante RAG, generando una propuesta de solución con referencia a las fuentes consultadas.
- Interacción directa con el usuario cuando faltan antecedentes técnicos, solicitando los datos requeridos antes de la derivación.
- Orquestación de los flujos de integración en n8n sobre Amazon ECS Fargate, complementados con funciones Lambda y Step Functions para gestionar alertas y estados en Jira.
- Llamada telefónica automatizada vía Amazon Connect al ingeniero de guardia cuando se detecta un incidente de alta prioridad fuera del horario hábil.
Resultado
El triaje inicial quedó automatizado. Los ingenieros reciben incidentes clasificados con sugerencias de resolución basadas en runbooks, manteniendo la cobertura de guardia las 24 horas.
Architecture & Engineering Decisions
- Generative AI agent connected to a curated knowledge base via Retrieval Augmented Generation (RAG) to propose grounded incident resolutions.
- Multimodal extraction of critical variables (error messages, environment, impacted component) from screenshots, log files, and ticket attachments.
- Autonomous user interaction when details are missing: agent clarifies questions before escalating, eliminating back-and-forth human triage loops.
- AI workflow orchestration via n8n deployed on Amazon ECS with AWS Fargate, private VPC subnets, persistent storage, and ALB load balancing.
- Tiered L1/L2 support engine built on AWS Lambda and AWS Step Functions, featuring dynamic escalated alerts synchronized with Jira ticket states.
- After-hours contingency powered by Amazon Connect + API Gateway + Lambda: automated outbound phone call dispatch to on-call engineer for critical incidents.
Stack
- n8n
- UiPath
- AWS Lambda
- AWS Step Functions
- Amazon ECS Fargate
- RAG
- Amazon Connect
- Jira
¿Cómo implementa Ones Romero agentes de IA para soporte técnico?
Combina un agente de IA generativa con RAG sobre una base de conocimientos curada, análisis multimodal de imágenes y logs, y orquestación en n8n desplegado en Amazon ECS Fargate. Los flujos N1 y N2 corren en AWS Lambda y Step Functions con alertas escalonadas conectadas a Jira, y un canal de contingencia en Amazon Connect llama al ingeniero de guardia fuera de horario.
¿Qué es la automatización agéntica aplicada a operaciones?
Es el uso de agentes de IA capaces de razonar sobre evidencia heterogénea (texto, imágenes, logs), decidir el siguiente paso e interactuar autónomamente con personas y sistemas. En este caso el agente tria incidentes, solicita información faltante al cliente y propone resoluciones fundamentadas en conocimiento recuperado, dejando al humano solo los casos verdaderamente excepcionales.