Un asistente de IA sobre tu documentación y tu conocimiento interno

El síntoma es conocido. Alguien necesita un dato técnico, un procedimiento o el histórico de un problema y la respuesta existe, pero está enterrada. Se pregunta al compañero, el compañero pregunta al veterano y el veterano lo sabe de memoria porque el documento que lo cuenta tiene doscientas páginas. Cada consulta de estas roba minutos a dos o tres personas a la vez, siempre a las mismas.

El coste real no son solo los minutos. Es la dependencia de unas pocas personas, que convierte cada baja y cada jubilación en un riesgo para la operación. Es la decisión tomada sin el dato, porque buscarlo costaba más que arriesgarse. Y es el conocimiento nuevo que deja de escribirse, porque nadie escribe para un archivo donde nada se encuentra.

La diferencia con el buscador de siempre está en quién hace el trabajo final. Un buscador devuelve diez documentos donde puede estar la respuesta y la persona sigue teniendo que leerlos. Este asistente responde a la pregunta, en el idioma de quien pregunta. Y acompaña la respuesta con la referencia de dónde salió, para que verificar cueste un clic en lugar de una tarde.

Por debajo hay una búsqueda de calidad de producción sobre tu documentación, lo que el sector llama RAG, una recuperación de fragmentos relevantes que alimenta al modelo para que responda desde tus fuentes en lugar de desde su memoria. La palabra importa menos que el listón. Un RAG de demostración encuentra lo fácil. Uno de producción tiene que encontrar lo difícil, con documentos densos, vocabulario propio de la casa y preguntas mal formuladas a las tres de la tarde.

Hay preguntas que ningún documento responde bien, porque la respuesta cambia cada hora. El estado de una máquina, el histórico reciente de una avería, un dato de producción. Para esas, el asistente no cita un documento de hace dos años, consulta el sistema interno que tiene el dato y responde con lo que hay ahora mismo.

Esa mezcla es la que hace útil al asistente en el trabajo real, documentación para el conocimiento que se escribe una vez y sistemas para el que cambia cada día. Y cuando la consulta lo pide, el asistente guía paso a paso, un diagnóstico, un procedimiento. O ejecuta la acción directamente sobre los sistemas que tú apruebes.

A partir de cierto tamaño, un solo agente que lo hace todo se convierte en una pieza enorme e imposible de mantener. Nuestra arquitectura para estos casos es otra. Un orquestador entiende la intención de cada pregunta y la enruta al agente especializado que corresponde, uno por dominio de conocimiento. En el caso industrial que sostiene esta página, ese orquestador coordina media docena de agentes especializados y el conjunto suma unas 86 piezas conectadas entre sí.

Para quien pregunta, nada de esto se ve. Escribe su pregunta y recibe su respuesta. La arquitectura importa por lo que permite, añadir un dominio nuevo sin tocar los demás, medir cada agente por separado y que un fallo en uno no arrastre al conjunto.

La confianza no se gana respondiendo bien, se gana respondiendo bien y negándose bien. Hay dos «no» distintos. El «esto queda fuera del producto», que se responde al instante y con texto de catálogo, sin gastar una búsqueda. Y el «esto debería estar documentado y no lo está», que solo se dice después de buscar de verdad y deja rastro, porque es una tarea para el equipo de documentación.

Confundirlos sale caro en las dos direcciones y separarlos tiene más ingeniería detrás de la que parece. Lo contamos con detalle en un artículo propio.

Un detalle de diseño que enseña cómo pensamos. Cuando el asistente ofrece varias opciones, la respuesta corta de la persona, un ordinal, un término suelto, un «la segunda», se resuelve sin llamar al modelo, con una regla sencilla que reconoce esos términos y esos números y que caduca a los quince minutos. Parece un ahorro menor y es tres cosas a la vez, una respuesta instantánea, una llamada menos que pagar y un mensaje menos expuesto a instrucciones maliciosas escondidas en el texto.

La regla general detrás del detalle es que el modelo se usa donde aporta, entender lenguaje abierto. Se evita donde un programa normal hace el mismo trabajo más rápido, más barato y sin sorpresas.

Un asistente que lee toda la documentación de la empresa plantea una pregunta obvia, la de quién puede preguntarle qué. Nuestra respuesta es que el asistente hereda los permisos que ya existen. La recuperación de documentos respeta el rol de quien pregunta, así que nadie recibe en una respuesta un fragmento que no podría abrir a mano. Y cuando el asistente consulta un sistema interno, viaja con la identidad de la persona, no con una cuenta de robot que lo ve todo.

Cada decisión queda además registrada, qué entendió, a dónde enrutó, qué respondió. Ese registro no se consulta durante la ejecución, existe para que alguien con una pregunta incómoda la pueda responder después con hechos.

Todo lo anterior funciona hoy en una gran empresa industrial. Operarios y supervisores consultan datos de producción y de averías, siguen diagnósticos guiados de máquinas y resuelven dudas técnicas, en lenguaje natural y sobre la infraestructura de la propia empresa.

Podemos enseñar los números porque los medimos nosotros. La calibración del enrutado, la pieza que decide qué agente atiende cada pregunta, se midió sobre 118 casos reales y pasó del 72 % al 91 % de acierto. Probamos también un modelo más barato para esa pieza y el banco de pruebas lo rechazó, perdía diez puntos de acierto. Y asumimos un techo a conciencia, alrededor del 92 %, porque perseguir el cien por cien acaba llevándote a ajustar las pruebas para que el sistema apruebe, en lugar de a mejorar el sistema.

Esa última decisión es la que más confianza suele generar en un comité técnico, porque es la que un vendedor de humo jamás contaría.

El asistente corre en tu infraestructura, en tu nube o en tus servidores, con las cuentas de tu organización para el acceso y con los datos donde tú decidas. El repositorio está a tu nombre desde el primer día. Y la calidad no se declara, se mide de continuo, con una batería de casos reales que frena cualquier cambio que empeore el sistema y una vigilancia semanal de lo que está en producción.

El coste de un sistema de este tamaño se presupuesta por proyecto, porque depende de tus fuentes, tus sistemas y tu exigencia de validación. La guía de coste explica qué mueve cada cifra y dónde se sale del rango estándar.

Para la revisión técnica, esto es lo que hay debajo, en una línea cada pieza.