Prueba primero las instrucciones, después dale acceso a tus documentos y deja el afinado del modelo (en inglés, fine-tuning) para el final. Es el orden de la mejora más barata y rápida a la más cara y lenta, y en una pyme los dos primeros pasos suelen resolver la mayor parte de los fallos. Afinar solo compensa cuando has agotado lo anterior y el mismo fallo sigue repitiéndose.
Lo habitual en las empresas es lo contrario. Un agente de IA contesta mal a un cliente, alguien dice «hay que entrenarlo con nuestros datos» y se abre un proyecto largo para corregir lo que habría arreglado una página de instrucciones mejor escritas. Esta guía te da un orden de intervención y una regla sencilla para decidir, sin necesidad de entender cómo funciona el modelo por dentro.
Los tres peldaños, de menor a mayor coste
Piensa en la mejora de un agente como una escalera de tres peldaños:
- Instrucciones. Es lo que le dices al agente que haga: su papel, el tono, las reglas de tu negocio, qué hacer ante una duda y ejemplos de respuestas buenas y malas. Cuesta unas horas de alguien que conozca bien el trabajo y se cambia en minutos.
- Tus datos. Es darle acceso a tus documentos (tarifas, políticas, fichas de producto, preguntas frecuentes) para que los consulte antes de contestar. Técnicamente se llama RAG y lo explicamos en qué es RAG y por qué importa. Cuesta ordenar esos documentos y mantenerlos al día.
- Afinar el modelo. Es volver a entrenarlo con ejemplos tuyos para que adopte de forma permanente un estilo o un criterio. Cuesta preparar los ejemplos, probar el resultado y repetir parte del trabajo cuando tu negocio cambia.
Cada peldaño tarda más y se corrige peor que el anterior, y por eso se prueban en ese orden.
¿Cómo sé en qué peldaño está mi problema?
Fíjate en cómo falla el agente, porque el tipo de fallo señala el remedio. Si falla por no saber algo, necesita información. Si sabe, pero no lo hace como tú quieres, necesita mejores instrucciones. Y si unas veces acierta y otras no con situaciones casi idénticas, primero hay que revisar los ejemplos que se le han dado y la coherencia de tus documentos, antes de plantearse nada más caro.
- Inventa un precio, desconoce una política o cita una condición que ya no existe: le falta información. Peldaño 2, tus datos.
- Contesta con un tono que no es el tuyo, no pregunta lo que debería o no avisa a una persona cuando toca: le faltan instrucciones. Peldaño 1.
- Acierta una consulta y falla otra casi igual: añade ejemplos a las instrucciones y comprueba que tus documentos no se contradicen. Solo si el fallo persiste y el agente trabaja mucho, empieza a hablarse de afinar.
Primer peldaño: instrucciones que no dejan nada al azar
La mayoría de las instrucciones que vemos en pymes son demasiado cortas: «eres el asistente de la tienda, sé amable». Un agente necesita lo que le darías a una persona nueva el primer día: a quién atiende, qué puede prometer y qué no, cuándo pasar la conversación a alguien del equipo, cómo suena tu empresa y qué no debe decir nunca.
Piensa en una tienda hipotética de muebles a medida cuyo agente prepara respuestas a solicitudes de presupuesto. Si contesta con plazos de entrega inventados, la solución no es entrenarlo: es indicarle que nunca proponga fechas y que pase al comercial toda pregunta sobre plazos. Añadir tres o cuatro ejemplos reales de respuestas bien resueltas suele mejorar más que cualquier otra medida. Si quieres ver qué errores se repiten, los resumimos en siete fallos al dar instrucciones a la IA.
Segundo peldaño: que consulte tus documentos en lugar de recordarlos
Un modelo de IA general sabe mucho del mundo y nada de tu empresa. Si le das acceso a tus documentos, responde con lo que dicen ellos en vez de improvisar. La condición es que esos documentos sean fiables: una tarifa antigua olvidada en una carpeta compartida hará que el agente la cite con total seguridad. Antes de empezar conviene saber qué documentos y datos te pedirán y decidir quién los mantiene al día.
Hay que cuidar también los datos personales. Si los documentos incluyen datos de clientes o de empleados, el agente solo debe acceder a lo que necesita para su tarea, y ese acceso debe quedar limitado y registrado, como pide el RGPD. Es un asunto que conviene hablar con quien lleve la protección de datos de tu empresa.
¿Cuándo sí merece la pena afinar el modelo?
Merece la pena cuando se cumplen a la vez varias condiciones: has trabajado a fondo las instrucciones y los documentos, el fallo se repite siempre en la misma dirección, tienes ejemplos de trabajo bien hecho revisados por una persona, el agente se usa lo bastante como para justificar el esfuerzo y tu forma de trabajar cambia poco. Afinar sirve sobre todo para fijar un estilo, un formato o un criterio muy particular. No es la mejor manera de enseñarle datos que cambian, como precios o plazos, porque esos se consultan en los documentos.
Cuántos ejemplos hacen falta es otra pregunta, y la respondemos en cuántos ejemplos hacen falta para afinar un modelo con tus datos. Para una comparación más general entre las dos grandes opciones, puedes leer fine-tuning frente a prompt engineering.
Una regla de decisión para el dueño
Cuando un proveedor te proponga afinar, pídele por escrito tres cosas antes de aprobar nada:
- Los fallos concretos que quiere corregir, con ejemplos reales de tu empresa.
- La prueba de que ya se han intentado las instrucciones y los documentos y qué resultado dieron.
- Cómo se va a medir la mejora y quién lo mantendrá cuando cambien tus precios, tus productos o tu forma de atender.
Si falta alguna de las tres, la propuesta es prematura. Si están las tres, afinar deja de ser una apuesta y se convierte en una decisión razonada.
Qué hace el agente y qué sigue haciendo una persona
Ninguno de los tres peldaños funciona solo. Una persona de tu equipo tiene que decidir qué es una buena respuesta en tu empresa, revisar una muestra de lo que dice el agente, identificar qué tipo de fallo es y resolver si toca retocar instrucciones, actualizar documentos o plantear un afinado. El agente aplica lo que le indicas; el criterio sigue siendo tuyo.
Conclusión
Para mejorar un agente de IA conviene subir la escalera por orden: instrucciones claras, documentos fiables a su alcance y, solo si el fallo persiste y hay buenos ejemplos, afinar el modelo. Distinguir si al agente le falta saber, le falta saber hacerlo o le falta constancia evita gastar en lo caro lo que se arregla con lo barato.
En MG Solutions construimos agentes de IA específicos para cada empresa, adaptados a tu forma de trabajar y a tus herramientas, no una plantilla genérica.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.