Base de conocimiento: escribirla para sus equipos y sus IA

En noviembre de 2022, un cliente de Air Canada pregunta al chatbot de la compañía si puede obtener a posteriori la tarifa reducida prevista en caso de duelo. El chatbot responde que sí, en un plazo de 90 días. La política de la compañía, publicada en otra página del mismo sitio, decía lo contrario. El cliente fue reembolsado por decisión judicial, y la compañía perdió el argumento que había planteado: que el chatbot sería responsable de sus propias respuestas.

Este litigio se resume en una lección: lo que dice su asistente de IA compromete a la empresa tanto como una página de su sitio. Ahora bien, un asistente responde a partir de lo que se le da a leer, y la mayoría de las veces es la base de conocimiento. Por tanto, ahora tiene tres lectores, sus clientes, sus equipos y sus IA, y se escribe para los tres.

En resumen

• Un asistente de IA responde a partir de su base: una página desactualizada o contradictoria se convierte en una respuesta falsa, dada con seguridad.
• La empresa responde de lo que dice su chatbot como del resto de su sitio: es lo que juzgó un tribunal canadiense en 2024 en el caso Air Canada.
• Un artículo útil para la IA trata una sola pregunta, da la respuesta de entrada, escribe su ámbito y lleva una fecha y un responsable.
• El asistente cita su fuente, pasa el relevo cuando la base no dice nada, y cada pregunta sin respuesta se convierte en el siguiente artículo.

¿Qué pasó con el chatbot de Air Canada?

El cliente había hecho una captura de la respuesta del chatbot, que le invitaba a solicitar la tarifa reducida en los 90 días siguientes a la emisión de su billete. Air Canada no aceptaba esas solicitudes después del viaje. Ante el Civil Resolution Tribunal de Columbia Británica, competente para los litigios menores, la compañía sostuvo que el chatbot era, en el fondo, una entidad distinta. El tribunal calificó el argumento de “remarkable submission” y después lo descartó:

La compañía fue condenada a pagar 812,02 dólares canadienses, daños, intereses y costas incluidos. El importe es modesto; el razonamiento, en cambio, vale para cualquier empresa: el tribunal señala que Air Canada no había puesto un cuidado razonable en que su chatbot fuera exacto, y que un cliente no tiene ninguna razón para adivinar que una parte del sitio es correcta y otra no. Se trata de una decisión canadiense, no de una norma europea, pero su sentido común se traslada con facilidad.

¿Por qué su base de conocimiento tiene tres lectores?

Sus clientes, que buscan solos la respuesta antes de escribir al soporte. Leen rápido, en el móvil, y se detienen en la primera frase útil.

Sus equipos, que la usan para responder, formar a un nuevo compañero o comprobar una regla. Necesitan las excepciones, las que normalmente se guardan en la cabeza.

Sus asistentes de IA, que buscan en ella los pasajes cercanos a la pregunta planteada y responden a partir de ellos. Es el principio de un RAG, que detallamos en RAG en la empresa: una IA que responde con sus documentos. Lo leen todo, sin perspectiva: una página de 2023 olvidada en un rincón pesa tanto como la política vigente.

Los propios proveedores de IA lo dicen. Microsoft pide, para sus agentes, asegurarse de que el contenido está actualizado y es exacto, puesto que el agente responde con él, y revisar periódicamente las fuentes para retirar lo desactualizado. Anthropic recomienda hacer que el asistente cite sus fuentes para cada afirmación, para que la respuesta pueda verificarse.

¿Cómo escribir un artículo que una IA cite con exactitud?

Siete reglas, que aplicamos a cualquier base antes de confiarla a un asistente:

1. 01Una pregunta por artículo.

   El título es la pregunta, formulada con las palabras del cliente: «¿Cómo cambiar la dirección de entrega de un pedido?», no «Política logística».

2. 02La respuesta primero.

   Las dos primeras frases responden; los detalles, los pasos y los casos particulares van después.

3. 03El ámbito por escrito.

   A quién se aplica la regla, para qué productos, en qué países, desde cuándo. Una IA no adivina una condición que nadie ha escrito.

4. 04Las excepciones en el artículo.

   Lo que el soporte sabe «de memoria» no existe para el asistente.

5. 05Una sola fuente por tema.

   Dos páginas que se contradicen producen una respuesta al azar. La segunda remite a la primera, o desaparece.

6. 06Una fecha y un responsable.

   Cada artículo lleva su fecha de actualización y el nombre de la persona que responde de él.

7. 07Un nivel de acceso.

   Público, interno o confidencial: el asistente abierto a los clientes solo lee lo público.

El permiso de acceso merece una atención aparte: un asistente que lo ve todo puede repetirlo todo. Nuestra guía Gobernanza de la IA en la empresa: quién accede a qué explica cómo repartir esos permisos por departamento.

¿Qué debe hacer el asistente con esta base?

Una buena base no basta: el asistente debe tener instrucciones claras sobre cómo usarla. Cuatro reglas, siempre las mismas:

• responder solo a partir de la base, sin completar de memoria;
• citar el artículo del que procede la respuesta, para que tanto el cliente como el compañero puedan comprobarlo;
• pasar el relevo a una persona cuando la base no responde, en lugar de improvisar;
• anotar cada pregunta sin respuesta, que se convierte en la lista de trabajo de la semana.

Es el mismo reparto que en nuestra guía sobre el soporte: la IA clasifica y prepara, el humano revisa. Lo que afecta al dinero, un reembolso, un descuento, un gesto comercial, sigue siendo una decisión humana, sea cual sea la calidad de la base.

¿Hay que dejar que la IA escriba la base?

Ayuda mucho, siempre que se quede en el borrador. HubSpot, de hecho, factura este servicio: su agente de base de conocimiento, en beta, consume 200 créditos por artículo generado, es decir, 2 $ a una tarifa de 0,010 $ por crédito. Hemos convertido esas tarifas en Créditos de IA en el software: lo que cuesta la IA «incluida».

El buen uso: la IA redacta un primer borrador a partir de los tickets resueltos y de las respuestas validadas por el equipo, y el responsable del tema revisa, corrige y publica. El malo: publicar sin revisión. La base se convierte entonces en la fuente de verdad del propio asistente, y un error publicado vuelve en cada respuesta, con apariencia de regla.

¿Por dónde empezar?

Parta de las preguntas, no de los documentos. Exporte las cincuenta preguntas más frecuentes de sus correos y de sus tickets, y compruebe para cada una que un artículo la responde, según las siete reglas. Las carencias y las contradicciones aparecen ya en esta etapa. Designe después un responsable por tema, ponga una fecha a cada artículo, y solo entonces conecte el asistente.

Nuestro asistente de IA sobre sus documentos, por 6 500 €, se instala sobre una base preparada así: responde con la fuente citada, respeta permisos de acceso por departamento y puede funcionar íntegramente con un modelo alojado en su propia infraestructura. Por API, el coste de cada respuesta se mide y se limita: es el objeto de nuestro pack IA a su justo coste. Para situar este proyecto entre los demás, nuestra guía Integrar la IA en la empresa: privada y a su justo coste da el enfoque de conjunto.

Preguntas frecuentes

Fuentes

1. Microsoft, buenas prácticas de los agentes declarativos de Microsoft 365 Copilot (nueva pestaña)learn.microsoft.com
2. Microsoft, modificar las fuentes de conocimiento en Copilot Studio (nueva pestaña)learn.microsoft.com
3. Anthropic, reducir las alucinaciones (nueva pestaña)platform.claude.com
4. HubSpot, catálogo de productos y servicios (nueva pestaña)legal.hubspot.com