TecnologíaAtención al Cliente

Cómo CoreWeave transformó el soporte al cliente con Cohere North en 90 días

CoreWeave, proveedor global de cloud para IA que da servicio a los principales laboratorios de IA y grandes empresas, desplegó la plataforma de IA agéntica North de Cohere para transformar su flujo de soporte al cliente basado en Slack. En 90 días, el tiempo de resolución pasó de 4–8 días a 2–5 días, la satisfacción del cliente se mantuvo entre 4,9 y 5,0, y los ingenieros de soporte dejaron de recopilar contexto manualmente para centrarse en resolver problemas.

Impacto

2–5 days (down from 4–8 days)

Tiempo medio de resolución

4.9–5.0

Puntuación de satisfacción del cliente (CSAT)

90 days

Plazo de implementación

1 business week

Duración de la gestión del cambio

Desafío

Los ingenieros de soporte de CoreWeave recopilaban manualmente el contexto de los tickets en Slack, FreshDesk y Jira antes de enrutar los problemas, creando flujos de trabajo lentos y fragmentados que contradicían el compromiso ‘Direct to Expert’ de la compañía con un servicio rápido y experto.

Solución

Cohere North se integró mediante API directamente en el entorno Slack de CoreWeave, automatizando el triaje de tickets, la recolección del contexto del cliente desde los sistemas de backend y las recomendaciones de enrutamiento al equipo de ingeniería, todo dentro del centro de datos privado de CoreWeave.

Herramientas y tecnologías

Lo que dicen los líderes

«Cada interacción tiene que proteger su tiempo y mantener sus sistemas funcionando.»

John Mancuso, VP de Experiencia del Cliente, CoreWeave

«Había demasiadas barreras. Era complicado y lento, lo contrario de lo que queríamos.»

Ivy DeWitt, Directora Sénior de Ingeniería de Soporte al Cliente

«Para todos los sistemas con los que nos integramos, ha sido una plataforma muy, muy fiable.»

Sam Odukoya, Ingeniero Sénior, CoreWeave
Entiende todo el contexto.

Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.

Historia completa

CoreWeave opera una de las infraestructuras más sensibles al rendimiento del sector de la IA, prestando servicio a los principales laboratorios de IA del mundo y a grandes empresas. Su filosofía de soporte ‘Direct to Expert’ refleja una premisa innegociable: el tiempo de los clientes no puede desperdiciarse. Una hora de inactividad de la infraestructura para las organizaciones que dependen de CoreWeave puede tener costes enormes, lo que somete al equipo de ingeniería de soporte al cliente (CSE) a una presión extraordinaria para ser rápido, preciso y estar plenamente informado desde el momento en que llega un ticket.

Antes de desplegar la IA, la realidad era más lenta. Cuando llegaba un nuevo problema de soporte por Slack, los CSE tenían que recopilar manualmente el contexto del cliente (región, clúster, historial del sistema) antes de poder siquiera comenzar a enrutar el ticket. El flujo de trabajo requería saltar entre Slack, FreshDesk y Jira, añadiendo pasos manuales que generaban fricción y retraso. «Había demasiadas barreras», dijo Ivy DeWitt, Directora Sénior de Ingeniería de Soporte al Cliente. «Era complicado y lento, lo contrario de lo que queríamos.» El equipo necesitaba automatización que se integrara donde ya trabajaban, no un nuevo sistema que exigiera cambios de comportamiento.

CoreWeave se asoció con Cohere y seleccionó North, una plataforma de IA agéntica desplegable mediante API en las herramientas empresariales existentes. Dos factores la hicieron idónea: North podía integrarse directamente en Slack sin requerir una interfaz separada, y podía desplegarse de forma privada dentro de los propios centros de datos de CoreWeave, manteniendo los datos sensibles de los clientes dentro de su perímetro de seguridad. Un taller presencial de dos días con los arquitectos de soluciones de Cohere mapeó el flujo de soporte de extremo a extremo, identificó dónde podían intervenir los agentes y estableció un calendario de implementación de 90 días. La gestión del cambio y la formación interna se completaron en una semana laboral.

Una vez desplegado, el flujo de trabajo cambió significativamente. Cuando un cliente envía un problema por Slack, un CSE activa el bot de triaje de North, que recopila automáticamente los datos de contexto clave (región, clúster e información específica del sistema) de los registros del backend de CoreWeave. El CSE revisa y confirma el ticket, y una automatización posterior crea un issue en Jira, abre un canal de colaboración e incorpora a los equipos de ingeniería relevantes según las recomendaciones de enrutamiento de North. Un agente de resolución independiente de North busca documentación relevante e incidencias históricas para sugerir pasos de resolución antes de que los ingenieros comiencen siquiera a investigar. El resultado: los CSE llegan a cada problema completamente contextualizados y listos para actuar, sin salir nunca de Slack.

CoreWeave midió mejoras concretas a los pocos meses del lanzamiento. El tiempo medio de resolución bajó de un rango de 4–8 días a 2–5 días. Las puntuaciones de satisfacción del cliente (ya un motivo de orgullo) se mantuvieron entre 4,9 y 5,0. La precisión del enrutamiento mejoró, y las pequeñas quejas de clientes sobre la calidad del soporte que ocasionalmente aparecían antes del despliegue no han vuelto a producirse. Para el equipo de ingeniería, el cambio liberó el ancho de banda que antes consumiría la recolección de contexto, permitiendo a los CSE centrarse en la resolución real de problemas. CoreWeave planea ahora ampliar North a la gestión de incidentes críticos, lo que indica que la transformación del soporte al cliente en 90 días es una base, no un punto final.

Casos similares

A
Allspice
20% → 97%
ingredient matching accuracy

Allspice, a food technology startup building a kitchen operating system for consumers and recipe publishers, deployed Pinecone’s vector database to solve the inherent messiness of ingredient data that traditional text search could not handle. The implementation raised ingredient matching accuracy from roughly 20% to 97%, enabling the launch of recipe importing as a core product feature and expanding into a platform-wide semantic layer for search, recommendations, and conversational AI.

TechnologyTtext-embedding-3-largePPinecone
R
Rakuten
79%
reduction in average time to market for new features

Rakuten is a Japanese technology conglomerate operating over 70 businesses including e-commerce, fintech, travel, and communications, with thousands of developers serving millions of customers globally. The company deployed Claude Code and Claude Managed Agents as part of its “AI-nization” strategy, enabling autonomous multi-hour coding sessions and cross-functional agent workflows. Feature delivery time dropped 79%, from 24 working days to 5, while a seven-hour autonomous refactoring run on a 12.5-million-line codebase delivered 99.9% accuracy.

TechnologyCMClaude Managed AgentsCCClaude Code
S
Sommo
500–800
additional leads generated monthly

Sommo built an AI-powered SRS generator in Make in a single day, generating 500–800 additional leads per month and achieving a 5x increase in active website users.

TechnologyMMakeOOpenAI
C
Confluent
15,000+
hours saved monthly

Confluent, a data streaming platform company with 2,000+ employees and 4,000+ customers, deployed Glean to solve the knowledge fragmentation that came with rapid growth from 250 to 2,000+ employees across 20+ systems. Glean indexed the company's full tool stack — Slack, Salesforce, Confluence, and more — enabling instant knowledge retrieval across all teams. The result: 15,000+ hours saved monthly, a 13% increase in support team satisfaction, and over 70% employee adoption.

TechnologyGGlean
SA
System AI
97%
operation time reduction

System AI is an automation and web development consulting agency serving real estate businesses across the US, Australia, the UK, and Saudi Arabia. For client The Srama Group, System AI built a WhatsApp-based AI assistant using n8n that routes messages directly into Zoho CRM and Google Sheets, eliminating manual data entry by virtual assistants. The workflow reduced per-task operation time from four to five minutes down to 10–20 seconds — a 97% reduction — and helped the client win a buyers agency of the year award.

TechnologyNn8nZCZoho CRM
L
LTM
80%
candidate onboarding prediction accuracy

LTM, a global technology consulting and digital solutions company operating across India and international markets, deployed Snowflake’s AI Data Cloud to unify fragmented HR systems and power predictive hiring models. By migrating legacy on-premises data to Snowflake and deploying ML models via Snowpark and Cortex AI, LTM predicts candidate onboarding probability at 80% accuracy 25–30 days before start dates, cuts total cost of ownership by 70%, and processes hiring data 10x faster.

TechnologySSnowflakeSCSnowflake Cortex AI
H
Headstart
90–97%
code written by claude

Headstart, an AI-native software studio, uses Claude 3.5 Sonnet to write 90-97% of client code, compressing enterprise software project timelines from months to weeks and delivering 10-100x development speed.

TechnologyC3Claude 3.5 Sonnet
E
Ensono
54–70%
reduction in mean time to resolution (mttr)

Ensono, a managed services provider handling over 60 billion retail transactions and government platforms for 24 million constituents, built two AI-powered systems on Snowflake to shift IT operations from reactive to predictive. The Envision Predictive Engine (EPE) and DiagnoseNow application reduced mean time to resolution by 54–70%, cut major incidents by 22%, and improved SLA performance by 38% across its enterprise client base.

TechnologySMSnowpark MLSSnowflake