Para que una IA responda con tus manuales no hace falta entrenarla. Basta con que, cada vez que alguien le pregunta algo, el sistema busque los fragmentos de tus documentos que tratan ese asunto y se los entregue junto con la pregunta. La IA contesta leyendo esos fragmentos, igual que un empleado que consulta el manual antes de responder. Tus documentos no pasan a formar parte del modelo: se consultan, no se aprenden.
Esto es importante porque mucha gente piensa que «meter los datos de la empresa en la IA» implica un proyecto largo, caro y difícil de deshacer. Una empresa grande tiene un departamento que mantiene su base de conocimiento y un equipo de informática que la conecta a sus sistemas. Una pyme tiene los manuales en carpetas compartidas, en PDF sueltos y en la cabeza de dos o tres personas. La buena noticia es que el método que explicamos aquí funciona con ese material, siempre que esté razonablemente ordenado.
¿Cómo responde la IA con tus manuales si no la has entrenado?
Lo hace con un método que se conoce como RAG, siglas en inglés de «generación apoyada en documentos recuperados». Dicho en llano, es un examen con el libro abierto. El sistema parte tus documentos en trozos pequeños y los guarda indexados. Cuando llega una pregunta, localiza los trozos que más se parecen al asunto, los pega junto a la pregunta y pide a la IA que conteste usando solo esa información. Si quieres el detalle técnico, lo tienes en qué es RAG: la IA que conoce los datos de tu empresa.
Piensa en una distribuidora de material eléctrico. Un cliente pregunta si puede devolver un producto abierto. El agente busca en las condiciones de devolución el apartado que habla de productos abiertos, lo lee y redacta la respuesta citando esa condición. Si mañana cambias la política, sustituyes el documento y la siguiente respuesta ya refleja el cambio. No hay nada que reentrenar.
La razón de enviar solo los fragmentos relevantes y no todos tus manuales es que la IA solo puede leer una cantidad limitada de texto en cada consulta. A esa capacidad se le llama ventana de contexto, y la explicamos en qué es el context window de un LLM.
¿En qué se diferencia entrenar la IA de darle tus documentos?
Entrenar (o «afinar») un modelo es modificarlo para que adopte un estilo, un vocabulario o una forma de resolver tareas. Es parecido a formar a un empleado durante meses para que piense a tu manera. Dar documentos es parecido a dejarle el manual encima de la mesa.
Las diferencias que importan a un gerente son estas:
- Actualización. Con documentos, cambias el archivo y listo. Con entrenamiento, hay que repetir el proceso cada vez que algo cambia.
- Control de la fuente. Con documentos, la respuesta puede indicar de qué manual o apartado sale y alguien puede comprobarlo. Con entrenamiento, el conocimiento queda mezclado dentro del modelo y es difícil saber de dónde sale una afirmación.
- Privacidad. Con documentos, decides qué se envía a la IA y a quién se le muestra. En ambos casos conviene revisar en el contrato del proveedor si tus datos se usan para mejorar sus modelos.
- Complejidad. Entrenar suele ser un proyecto más complejo y exigente en preparación de datos que conectar un buscador de documentos.
¿Cuándo basta con darle tus documentos?
Suele bastar cuando la pregunta tiene su respuesta escrita en algún sitio y lo que falta es encontrarla rápido. Por ejemplo:
- Procedimientos internos: cómo se da de alta un cliente, cómo se gestiona una devolución, qué hacer ante una incidencia.
- Manuales de producto y fichas técnicas para atención al cliente o soporte.
- Políticas y condiciones: garantías, plazos, protocolos de seguridad, normas de calidad.
- Respuestas a preguntas frecuentes de empleados nuevos que hoy resuelve siempre la misma persona.
En todos estos casos el valor está en que el equipo deje de interrumpir a quien «se lo sabe todo» y en que el cliente reciba una respuesta coherente con lo que dice la empresa.
¿Cuándo no basta con esto?
Hay situaciones en las que darle documentos no resuelve el problema:
- Cuando la respuesta no está escrita. Si el conocimiento vive en la cabeza de un veterano y no en un documento, la IA no puede consultarlo. Primero hay que escribirlo.
- Cuando los documentos se contradicen o están desfasados. El agente leerá dos versiones y puede apoyarse en la equivocada. Ordenar y fechar los documentos es parte del trabajo.
- Cuando necesitas un dato vivo. El stock de hoy, el precio de esta mañana o el estado de un pedido no están en un manual, sino en tus sistemas. Ahí el agente debe conectarse al sistema, no a un documento.
- Cuando necesitas un estilo o un formato muy especial. Si todas las respuestas deben seguir una estructura muy particular, a veces compensa estudiar un ajuste del modelo. Es una decisión que se toma después de probar lo sencillo y comprobar que no basta.
- Cuando la tarea exige cálculos. Para sumar importes o aplicar tarifas complejas, el agente necesita una herramienta de cálculo, no solo texto.
Qué hace el agente y qué sigue haciendo una persona
El agente busca, lee, redacta la respuesta y, bien configurado, indica en qué documento se apoya. Una persona sigue encargándose de lo siguiente:
- Mantener los documentos al día. Alguien debe ser responsable de cada manual, con una fecha de revisión. Si nadie lo cuida, el agente repetirá con firmeza lo que quedó obsoleto.
- Revisar las respuestas importantes. La IA puede equivocarse o interpretar mal un fragmento. En asuntos de garantías, reclamaciones, seguridad o cuestiones legales, una persona debe validar antes de enviar. Conviene también pedir al agente que diga «no lo sé» cuando los documentos no cubren la pregunta, en lugar de inventar.
- Cuidar los datos personales. Si en los documentos hay nombres, direcciones o datos de empleados y clientes, aplica el RGPD: no incluyas más de lo necesario, controla quién puede preguntar qué y consulta con tu asesor de protección de datos. Una carpeta con nóminas no debería estar al alcance de cualquier consulta.
- Decidir cuándo ampliar. Es una persona quien decide si el agente llega a más documentos o a más preguntas.
Por dónde empezar con algo pequeño
Elige un único conjunto de documentos y un único tipo de pregunta. Por ejemplo, las condiciones de devolución y las preguntas de clientes sobre devoluciones. Reúne la versión vigente de cada documento, quita las copias antiguas y asigna un responsable. Después, prepara una lista de preguntas reales de clientes o compañeros y comprueba las respuestas del agente contra el documento. Si responde bien, amplía; si falla, casi siempre la causa es un documento confuso o ausente, no «la IA». Esto encaja con el planteamiento de agentes de IA conectados a datos y herramientas de la empresa.
Conclusión
Usar tus manuales con la IA no exige entrenar nada: el sistema recupera los fragmentos relevantes en cada consulta y la IA responde con ellos delante. Es la opción adecuada cuando la respuesta ya está escrita, y no lo es cuando el conocimiento no está documentado, los textos se contradicen o hacen falta datos vivos de tus sistemas. La decisión de fondo para ti es ordenar y mantener los documentos; el resto es técnica.
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. Incluye decidir contigo qué documentos entran, quién los mantiene y qué respuestas revisa una persona.
Si quieres ver cómo encajaría en tu empresa, escríbenos y lo hablamos.