IA para documentación interna y conocimiento empresarial

Una arquitectura que busca información relevante antes de pedir al modelo que genere una respuesta. En lugar de depender del conocimiento del modelo, recupera información de fuentes concretas y la usa como contexto.

RAG recupera información externa al responder. Entrenar o ajustar un modelo modifica su conocimiento interno. Para documentación empresarial, RAG facilita actualizar las fuentes sin reentrenar.

Se presupuesta por proyecto, porque el coste depende del volumen y estado de tus fuentes, de cuántos sistemas se integran y de cuánta validación exiges antes de salir. Los sistemas multiagente de este tamaño quedan fuera de los rangos estándar que publicamos para agentes de un solo trabajo. La estructura del precio, construcción más operación mensual, es la misma. La guía de coste la desglosa.

El asistente lo dice, con claridad y con rastro. Distinguimos el «queda fuera del producto» del «falta documentación», cada uno con su respuesta y su cola de trabajo, así que los huecos reales acaban convertidos en tareas para quien documenta. Un asistente que rellena huecos con seguridad fingida es exactamente lo que no construimos.

No. La búsqueda que alimenta al asistente respeta los permisos de cada puesto, así que un documento restringido ni siquiera llega a lo que el modelo lee antes de responder. Y las consultas a sistemas viajan con la identidad de quien pregunta, con sus permisos de siempre. Si alguien no puede abrir un dato a mano, su asistente tampoco.

Los documentos se vuelven a procesar cuando cambian y la calidad se vigila de dos maneras, una batería de casos reales antes de cada cambio nuestro y una tanda semanal de conversaciones de prueba sobre el sistema en marcha. Cuando algo deja de encontrarse o de entenderse bien, lo vemos en las métricas antes de que se convierta en queja.

El vocabulario propio de la casa es precisamente el caso difícil para el que se calibra la búsqueda, con casos reales de tu gente y no con ejemplos de laboratorio. Los idiomas que hagan falta se definen en la exploración, que es la primera fase del proyecto.

El sistema completo corre en infraestructura tuya, nube o servidores propios. El código es tuyo desde el primer día, en tu repositorio. La llamada al modelo de lenguaje es la única pieza externa, va bajo los acuerdos y la configuración que apruebes y sin que tu contenido se use para entrenar.

Desplegar el propio modelo en tus máquinas es un proyecto distinto, con otros costes y otro equilibrio de calidad. Si es requisito hay que decirlo en la primera conversación, porque cambia la arquitectura desde los cimientos.

La exploración, que es la primera fase del proyecto, lo responde con tus fuentes delante y no antes. La forma del proyecto sí es constante, un primer dominio de conocimiento acotado que entra en producción con su medición puesta y crecimiento dominio a dominio desde ahí. El caso industrial creció exactamente así.