Un embedding es una forma de convertir el significado de un texto en una especie de huella numérica, de modo que un programa pueda encontrar documentos que hablan de lo mismo aunque usen palabras distintas. Gracias a eso puedes pedir "el contrato que habla de penalización por retraso" y encontrar el que dice "indemnización si la entrega supera el plazo pactado", un texto que no contiene ni "penalización" ni "retraso".
El buscador de tu ordenador funciona con palabras exactas: si no coincide la palabra, no aparece nada. Pero en una empresa el mismo concepto se escribe de muchas formas, según quién redactó el contrato o cómo describió un proveedor su trabajo. Una gran empresa resuelve esto con un departamento jurídico y un archivo que sabe dónde está cada cláusula. En una pyme suele resolverlo el dueño, que recuerda vagamente que "esto lo vimos en un contrato del año pasado". Los embeddings son la herramienta que permite a un agente de IA hacer ese trabajo de memoria y de búsqueda.
¿Qué es un embedding, explicado con un archivador?
Imagina un archivador enorme en el que los papeles no se ordenan por orden alfabético, sino por tema: los que hablan de plazos de entrega quedan juntos aunque uno diga "retraso" y otro "demora". Un embedding es esa colocación. El programa asigna a cada párrafo de cada documento una posición en una especie de mapa de significados, y esa posición es la huella numérica.
Cuando haces una pregunta, esta también se coloca en el mapa, y el programa mira qué párrafos quedan más cerca. No necesitas entender las matemáticas. Lo único que importa es esto: el sistema busca por significado, no por coincidencia de palabras, y por eso encuentra cosas que un buscador clásico se salta. Si quieres profundizar, lo contamos con otro enfoque en embeddings explicados para tu negocio y en qué son los embeddings y para qué sirven en una empresa.
Un ejemplo con contratos: la cláusula que no dice "penalización"
Imaginemos una pyme de distribución con muchos contratos de proveedores firmados a lo largo de los años. Un día, un proveedor entrega tarde y quieres saber qué pasa en cada contrato cuando el plazo no se cumple. Con el buscador normal escribes "penalización por retraso" y solo aparecen los contratos que usan justo esas palabras. Se te escapan estos:
- "Indemnización por demora en la entrega".
- "Descuento sobre el pedido si la mercancía llega después de la fecha pactada".
- "Derecho del comprador a resolver el contrato por incumplimiento del plazo".
Con embeddings, el agente funciona así:
- Lee los contratos y los divide en párrafos.
- Asigna una huella a cada párrafo y las guarda en un índice, que es como el archivador ordenado por temas.
- Convierte tu pregunta en otra huella.
- Devuelve los pasajes más cercanos, indicando de qué contrato y de qué página salen.
- Tú, o tu abogado, leéis el pasaje original antes de decidir nada.
El último paso es esencial. El agente no interpreta si una cláusula es válida ni qué consecuencias tiene reclamarla: ordena candidatos y señala dónde mirar. La lectura jurídica es de un profesional.
Y con facturas: encontrar sin recordar el nombre exacto
Con las facturas ocurre algo parecido. Si buscas "las reparaciones de la furgoneta del año pasado", las líneas pueden decir "cambio de embrague", "revisión en taller" o "sustitución de frenos", y ninguna contiene la palabra "reparación". Un embedding las acerca porque hablan de lo mismo.
Hay un límite que conviene conocer: los embeddings no sirven para datos exactos. Si buscas un importe, un NIF o un número de factura, es mejor una búsqueda clásica por campos, que no se equivoca. Lo habitual es que un agente combine las dos: la búsqueda por significado cuando recuerdas la idea pero no las palabras, y la búsqueda exacta cuando tienes el dato. Para el orden de fondo del archivo de facturas puedes ver cómo automatizar el archivo y la búsqueda de facturas.
¿Qué documentos conviene indexar primero?
Conviene empezar por documentos con mucho texto que consultas a menudo y que no contienen datos especialmente sensibles: contratos vigentes con proveedores y clientes, condiciones generales, presupuestos aceptados, manuales y procedimientos internos. Después se pueden añadir las facturas, que aportan sus descripciones. El criterio es sencillo: primero lo que más buscas hoy y menos riesgo tiene.
Un orden razonable sería este:
- Contratos y condiciones generales vigentes.
- Procedimientos y manuales internos que el equipo consulta.
- Presupuestos aceptados y pedidos.
- Facturas, para buscar por descripción.
- Correspondencia con clientes y proveedores, si hay una necesidad clara.
Deja para más adelante las nóminas y cualquier documento laboral, los datos de salud, los documentos escaneados que ni una persona consigue leer y todo aquello de lo que no sabes si debes conservarlo. Indexar más no es mejor: cada documento nuevo aumenta lo que hay que proteger.
Qué cuidar antes de indexar
- Permisos. El buscador debe respetar quién puede ver cada documento. Si alguien no puede abrir un contrato, tampoco debería poder encontrar su contenido preguntando al agente.
- Datos personales. Los contratos con autónomos o las facturas con datos de particulares incluyen información personal. Limita el acceso, informa de su uso y revisa con tu asesor de protección de datos cómo se guarda.
- Actualización. Cuando se firma un contrato nuevo, debe entrar; cuando uno queda sustituido, debe marcarse. Si no, el buscador devolverá cláusulas antiguas con la misma naturalidad que las vigentes.
- Siempre con fuente. Toda respuesta debe indicar de qué documento y de qué página sale, para que puedas comprobarla.
- Sin decisiones jurídicas. El agente localiza; la interpretación, la reclamación y las decisiones son de una persona y, cuando proceda, de tu abogado. Para el análisis de contratos puedes ver cómo usar IA para analizar contratos de proveedores.
La decisión que te toca como gerente
La pregunta práctica es si pierdes tiempo buscando cosas que ya tienes. Si la respuesta es sí, no necesitas indexar toda la empresa: empieza por un solo tipo de documento y prueba con las búsquedas reales que haces cada semana. Compara cuánto tardas hoy en encontrarlas con cuánto tarda el agente, y comprueba que lo que devuelve es correcto.
Cuando hables con un proveedor, pídele que te lo enseñe con tus documentos, no con una demostración preparada. Y pregunta quién puede ver qué, dónde se guardan las huellas y cómo se borran si dejas de usar el servicio.
Conclusión
Los embeddings permiten buscar por significado: encontrar el contrato que habla de penalización por retraso aunque nunca use esas palabras, o la factura de una reparación sin recordar cómo se llamaba. Funcionan mejor sobre documentos con mucho texto, no sustituyen a la búsqueda exacta de importes y números, y siempre deben terminar en una persona que lee el original.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, y los conectamos con tus documentos con los permisos que correspondan, no una plantilla genérica.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.