Cómo crear un asistente de IA interno para empresas con RAG

Qué es un asistente de IA interno y en qué se diferencia de un chatbot público

Un asistente de IA interno contesta preguntas de tu equipo con la información que ya vive dentro de tu empresa, políticas, manuales, contratos, tickets y catálogos, mientras que un chatbot público contesta con lo que leyó en internet, una distinción que no es técnica sino práctica porque nadie necesita un asistente que opine bonito sobre tu industria, lo que hace falta es uno que sepa cuál es tu política de devoluciones vigente.

La sigla RAG significa generación aumentada por recuperación y describe algo sencillo, antes de responder el sistema busca en tus documentos los fragmentos que tienen que ver con la pregunta y redacta la respuesta solo con ellos, así que cada respuesta llega acompañada de su fuente exacta y cualquiera puede verificarla en el documento original.

Entrenar un modelo con tus datos es otra cosa y casi nunca es lo que necesitas, porque significa modificar el modelo cada que cambia un manual, en cambio RAG deja el modelo intacto y solo cambia lo que le das de leer en el momento de contestar, así que actualizar una política se reduce a subir el archivo nuevo.

Para qué sirve dentro de la operación diaria

El error más común es pedirle al asistente que sirva para todo desde el primer día, cuando lo que funciona es escoger dos o tres preguntas que tu equipo repite cada semana y resolverlas bien, estos son los usos que más rápido pagan la inversión:

• Soporte interno: Dudas de políticas, procesos y prestaciones que hoy se resuelven interrumpiendo a la persona que más sabe.
• Consulta documental: Búsqueda de cláusulas en contratos, versiones vigentes de un procedimiento y anexos técnicos que nadie recuerda dónde quedaron.
• Apoyo comercial: Respuestas de producto, precios vigentes y casos previos parecidos para que un vendedor nuevo no dependa del más veterano.
• Atención a clientes: Borradores de respuesta con la información correcta para que el agente humano revise y envíe en lugar de escribir desde cero.
• Operación en campo: Instrucciones puntuales de un procedimiento cuando alguien está frente al cliente y no puede leer un manual de sesenta páginas.

En Muuk el reto no fue la IA sino ordenar la operación de campo en una sola plataforma geolocalizada con confirmación de asistencia por GPS, registro de actividad en sitio y validación automática para nómina, hoy 120 personas operan diariamente sobre ella, ese orden es justo el insumo que después vuelve confiable a un asistente interno.

Cómo funciona RAG por dentro sin tecnicismos

Un asistente con RAG tiene cinco piezas y conviene que sepas para qué sirve cada una, porque cuando las respuestas salen mal casi siempre falla una pieza específica y no el modelo completo:

La pieza que más se subestima es la última, sin una tanda de preguntas reales con respuesta correcta conocida no hay manera de saber si el asistente mejoró o empeoró después de un ajuste, esa medición es lo que separa un piloto serio de una demo bonita que nadie vuelve a abrir.

Qué necesitas tener listo antes de conectar el primer documento

La calidad del asistente es la calidad de tus documentos, así que la parte más laboriosa del proyecto no es técnica sino de orden y conviene resolverla antes de escribir una sola línea de código:

• Fuentes definidas: Cuáles carpetas, sistemas y buzones entran al alcance inicial y cuáles se quedan fuera a propósito.
• Versión vigente: Un solo documento válido por tema, porque si conviven tres versiones del mismo procedimiento el asistente citará cualquiera de ellas.
• Permisos heredados: El asistente debe respetar quién puede ver qué, si alguien no tiene acceso a los expedientes de nómina tampoco puede recibir esa información por chat.
• Dueño del contenido: Una persona responsable de mantener actualizada cada fuente, sin ese rol el asistente se degrada en tres meses.
• Preguntas reales: Una lista de cuarenta o cincuenta preguntas que tu equipo hace de verdad, sacadas de tickets, correos y grupos de mensajería.

El caso de Advisia, producto de Nauta, muestra el tamaño real de ese trabajo previo, antes de cualquier capa de IA hubo que sustituir cinco herramientas dispersas por una sola plataforma con clasificador aduanal, análisis de glosa y gestión documental, porque la información repartida en cinco lugares distintos no se consulta bien ni con IA ni sin ella.

Ruta de implementación en cuatro fases

Un asistente interno bien acotado se pone a funcionar en semanas y no en trimestres siempre que el alcance sea honesto, esta es la ruta que seguimos en una consultoría de IA cuando el objetivo es que el equipo lo use de verdad:

• Semana 1, diagnóstico: Se levantan las preguntas frecuentes, se identifican las fuentes que las responden y se descartan las que están obsoletas.
• Semana 2, ingesta: Se conectan las fuentes elegidas, se corta el contenido y se prueba la recuperación con las preguntas del diagnóstico.
• Semanas 3 y 4, piloto: Un grupo reducido lo usa todos los días y marca cada respuesta mala para corregir fragmentos, permisos y redacción.
• Semanas 5 y 6, despliegue: Se abre al resto del área en el canal donde ya trabajan, sea el chat corporativo o un agente de texto por WhatsApp.

Si tu caso además necesita ejecutar acciones y no solo responder, por ejemplo crear un ticket o actualizar un registro en el sistema, ya no hablamos solo de RAG sino de un agente de automatización conectado a tus herramientas, una diferencia que revisamos a fondo en RPA vs agentes de IA.

Los errores que hacen fracasar estos proyectos

Casi todos los asistentes internos que terminan abandonados mueren por las mismas razones y ninguna tiene que ver con el modelo que se eligió:

• Alcance infinito: Conectar todo el repositorio el primer día garantiza respuestas mediocres en todos los temas y buenas en ninguno.
• Documentos sucios: Manuales escaneados sin texto, plantillas a medio llenar y versiones duplicadas entran igual al índice y salen igual de confusas en la respuesta.
• Respuestas sin cita: Un asistente que no dice de dónde sacó el dato no se puede auditar y el equipo deja de confiar en cuanto ve la primera respuesta rara.
• Contenido sin dueño: La información envejece, nadie la actualiza y a los tres meses el asistente contesta con la política del año pasado.
• Canal equivocado: Si vive en una herramienta nueva que nadie abre pierde contra preguntarle al compañero de junto, tiene que estar donde el equipo ya trabaja.

Cómo saber si el asistente está sirviendo

La métrica no es cuántas preguntas contestó, es cuánto tiempo dejó de gastar tu equipo buscando información y cuántas respuestas fueron correctas según quien sabe del tema, según McKinsey la automatización de procesos puede representar ahorros de 20% a 40% en costos operativos, aunque ese rango solo aparece cuando el proceso se rediseña y no cuando se le pega una capa de chat encima.

• Cobertura: Porcentaje de preguntas del set inicial que el asistente responde con la fuente correcta.
• Tasa de corrección: Cuántas respuestas necesitan que intervenga un humano y por qué motivo.
• Uso real: Cuántas personas distintas lo consultan cada semana, más allá del entusiasmo de la primera quincena.
• Tiempo recuperado: Minutos que antes se iban en buscar, preguntar y esperar la respuesta de otra área.

Un asistente interno no es un proyecto que se termina, es una capacidad que se mantiene y que se degrada en cuanto el contenido deja de actualizarse, por eso conviene empezar por un área con dueño claro y con documentos ordenados antes de abrirlo a toda la empresa, si esas dos condiciones no existen todavía el primer paso no es la IA sino poner orden.

"El valor no está en el modelo sino en el orden de tus documentos, cuando la información está limpia y tiene dueño el asistente se vuelve obvio en dos semanas."