P01¿El crew de operaciones va a actuar por su cuenta?
No, no por defecto. Los posts de Slack, las actualizaciones de Jira, las escrituras de Linear y el correo saliente tienen gate HITL para este crew. El agente prepara la acción y espera la aprobación de un clic. Puedes levantar el gate por plantilla una vez que confíes en el run.
P02¿El crew puede razonar sobre nuestros runbooks y dashboards?
De tres formas. El contexto estático adjunta tu runbook, matriz de SLA y rota de on-call a personas específicas en cada run. La herramienta rag_retrieve permite que ReportingAnalyst y ComplianceOperations jalen de diccionarios de datos y docs de política a demanda. La memoria entre runs arrastra los incidentes abiertos de ayer al stand-up de hoy para que nada se resetee a medianoche.
P03¿Esto es una alternativa a Zapier o una alternativa a Make.com?
Se acerca más a una alternativa a Zapier para los pasos de razonamiento, y a una alternativa a n8n para la plomería de schedule y webhooks. Donde Zapier y Make.com encadenan acciones fijas, Melaya corre agentes de razonamiento entre los pasos para que un incidente pueda ser triageado, no solo ruteado.
P04¿Cómo evitamos que los reportes suenen a relleno de IA?
Cada reporte cita la query SQL, el row count, el timestamp de freshness y el flag de calidad de datos. A ReportingAnalyst se le exige adjuntar la query fuente y el check de staleness antes de que cualquier output salga. El COO lee números y procedencia, no adjetivos.
P05¿En qué modelos podemos correr el crew?
En cualquiera. Claude en OperationsSynth donde el razonamiento multi fuente paga el costo, GPT en el drafting de ExecutiveAssistant, un Ollama local en TradingOperations cuando los datos de balance no pueden salir de tu red. Cada persona elige su propio modelo.
P06¿Qué tan rápido puede operaciones correr el primer pipeline?
Con Slack, Jira y un DSN de base de datos conectados, el pipeline de health-check de la mañana es un canvas de 4 nodos: disparador en cron, checar matriz de API, armar tabla de status, postear a Slack. La mayoría de los equipos lo entrega en una sesión de trabajo y tiene el primer brief en el canal a la mañana siguiente.
P07¿Cómo maneja esto el pageo de on-call y la severidad de incidentes?
IncidentManager clasifica cada anomalía como SEV1, SEV2 o SEV3 usando las reglas de tu contexto estático. SEV1 se rutea a Telegram y Slack con el dueño de on-call tagueado. SEV3 se queda en el digest diario. El audit log captura los timestamps de clasificación, escalamiento y resolución.
P08¿Puedo auditar exactamente qué hizo el agente y por qué?
Cada run loggea cada llamada a herramienta, cada invocación de modelo, cada decisión de aprobación y cada reintento. Replay de cualquier run en cualquier momento. El audit trail cubre la fuente de datos, la query, el check de freshness y el aprobador humano, para que compliance operaciones pueda reconstruir cualquier brief de la mañana.
P09¿Podemos restringir qué agentes pueden escribir a Jira o Linear?
Sí. Las herramientas tienen alcance por agente en el canvas. Puedes darle a DataOperations http_request y sql_query solo lectura, mientras solo IncidentManager carga con jira_create_issue y linear_create_issue. Los scopes se hacen cumplir antes de que el modelo siquiera vea la herramienta.
P10¿Cómo se enchufa a nuestro stack existente?
Conectores nativos para Slack, Telegram, Discord, Gmail, Google Calendar, Jira, Linear, Postgres, SQLite, Excel, Word y PowerPoint. El bundle melaya_exec lee posiciones y balances en vivo desde las mismas claves de exchange que tu trading desk ya usa.