Objetivo
¿Qué conseguirás?
Transformar miles de reseñas o tickets de soporte en insights accionables y priorizados para el roadmap de producto.
⚠ Transferencia internacional de datos — atención especial: Manus AI no tiene un mecanismo de transferencia internacional documentado públicamente (ni EU-U.S. Data Privacy Framework ni Cláusulas Contractuales Tipo verificables). No introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos hasta que tu empresa haya verificado y formalizado el marco legal aplicable. Consulta con tu departamento legal antes de usar datos reales.
Pasos
- Exporta el feedback: Descarga un CSV de tu herramienta de soporte (Zendesk, Intercom) o de las reseñas de la App Store/Google Play. El CSV debe tener al menos dos columnas: fecha y texto del comentario.
- Sube el CSV a Manus y ejecuta el siguiente prompt.
Prompt ejecutable
Prompt ejecutable — PRD-01
Analiza el archivo CSV adjunto con [NÚMERO] comentarios/tickets de usuarios de nuestro producto [NOMBRE DEL PRODUCTO].
Paso 1 — Categorización:
Clasifica cada comentario en una de estas 5 categorías:
- BUG: El usuario reporta un error o mal funcionamiento
- UX: El usuario tiene dificultades con la interfaz o flujo
- FEATURE_REQUEST: El usuario pide una funcionalidad nueva
- PRECIO: El usuario menciona el precio como problema
- POSITIVO: Feedback positivo o elogio
Paso 2 — Análisis de sentimiento:
Para cada categoría, calcula el porcentaje de sentimiento positivo, neutro y negativo.
Paso 3 — Top funcionalidades solicitadas:
Identifica las 10 funcionalidades más solicitadas en los FEATURE_REQUEST. Para cada una, indica:
- Descripción de la funcionalidad
- Número de menciones
- Segmento de usuario que más la solicita (si es inferible del texto)
- Nivel de urgencia percibida (alta/media/baja)
Paso 4 — Entregables:
1. Dashboard interactivo (web) con gráficos de distribución por categoría y evolución temporal
2. Tabla Excel con todos los comentarios categorizados
3. Informe ejecutivo de 1 página con los 5 insights más importantes para el roadmap
Nota: No incluyas datos personales identificables en ningún entregable.
Siguiente paso
¿Qué hacer ahora?
Ahora que has completado este tutorial, hay dos caminos naturales:
💡 Para sacarle más partido: Una vez que hayas usado este tutorial en una situación real, guarda el prompt con las variables ya rellenadas para tu empresa. La próxima vez que necesites resolver un reto similar, tendrás el prompt listo y el proceso será mucho más rápido.
Alternativa segura
¿Puedo hacer esto sin que mis datos salgan de la empresa?
Sí. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estratégica o regulada, son candidatos óptimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuración, ningún dato abandona nunca los servidores de tu organización y el modelo no puede ser entrenado con tu información.
Modelos recomendados
Llama 3.3 70B — Ideal para análisis de documentos largos y generación de texto estructurado (contexto 128K tokens).
Mistral Large 2 — Excelente para extracción de información y clasificación con alta precisión.
Qwen 2.5 72B — Especialmente potente para análisis de datos tabulares y financieros.
Mistral Large 2 — Excelente para extracción de información y clasificación con alta precisión.
Qwen 2.5 72B — Especialmente potente para análisis de datos tabulares y financieros.
Plataformas de despliegue
Ollama — Para equipos pequeños o uso individual en hardware propio (Mac M-series, workstation con GPU).
vLLM — Para entornos de producción con múltiples usuarios simultáneos y alto rendimiento.
LM Studio — Para pruebas y uso individual sin configuración de servidor.
vLLM — Para entornos de producción con múltiples usuarios simultáneos y alto rendimiento.
LM Studio — Para pruebas y uso individual sin configuración de servidor.
Infraestructura mínima
Para un modelo de 70B parámetros en producción:
GPU: 2× NVIDIA A100 40GB o 4× RTX 4090 (24GB VRAM cada una).
RAM: 128GB mínimo.
Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing con VPC aislada.
GPU: 2× NVIDIA A100 40GB o 4× RTX 4090 (24GB VRAM cada una).
RAM: 128GB mínimo.
Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing con VPC aislada.
🔒 Garantía de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu información, no hay transferencia internacional de datos (elimina el riesgo de transferencias a EE.UU. bajo el RGPD) y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.
¿Necesitas implementar esta solución en tu organización?
La configuración de modelos open source on-premises requiere un proveedor técnico especializado que conozca tanto la tecnología como los requisitos de cumplimiento normativo. Emovere puede ayudarte a desplegar esta solución en tu infraestructura de forma segura, con garantías legales y sin que tus datos salgan nunca de tu organización.