¿Cómo crear una base de conocimientos realmente aprovechable por la IA?

Las empresas nunca han producido tanta documentación. Manuales operativos, procedimientos, materiales de formación, actas de reuniones, FAQ, documentos jurídicos, presentaciones, fichas prácticas, guías profesionales, intranets… En una red con múltiples implantaciones, la cantidad de información disponible puede llegar a ser considerable muy rápidamente.

Con la llegada de la inteligencia artificial ha surgido una promesa especialmente atractiva: permitir que cada colaborador haga una pregunta y obtenga de inmediato la respuesta correcta, sin tener que buscar durante veinte minutos en varias carpetas ni llamar a alguien de la sede.

Sobre el papel, el principio parece sencillo: centralizar los documentos de la empresa, dar acceso a esta documentación a una inteligencia artificial y dejar que responda a las preguntas de los usuarios. En la realidad, las cosas son algo más complejas. Porque una colección de documentos todavía no es una base de conocimientos. Haber digitalizado todos los procedimientos de una red no significa que una IA vaya a ser capaz de comprenderlos correctamente, de encontrar la información adecuada en el momento oportuno y, sobre todo, de ofrecer una respuesta lo bastante fiable como para utilizarla sobre el terreno.

A menudo es en ese momento cuando se descubre un problema más profundo. El tema no es necesariamente la inteligencia artificial: el tema es el propio conocimiento de la empresa.

Los 5 pilares de un vistazo

1. La claridad: reglas explícitas que no dejan lugar a la interpretación.
2. La estructura: una lógica común a todos los documentos.
3. La trazabilidad: una fecha, una versión y un responsable para cada contenido.
4. La fragmentación: bloques precisos que conservan su contexto.
5. La gobernanza: reglas claras para crear, validar, actualizar y retirar los contenidos.

La IA suele revelar un problema documental que ya existía

Tres situaciones habituales

Imaginemos a un director de tienda que quiere saber qué procedimiento seguir cuando un cliente solicita un reembolso en una situación particular. Hace la pregunta al asistente de IA de su red, que encuentra dos documentos. El primero indica que un reembolso debe ser validado por el responsable del punto de venta; el segundo explica que, a partir de un determinado importe, es obligatoria la validación del servicio de atención al cliente nacional. Ninguno de los dos indica claramente cuál es el más reciente. La inteligencia artificial se enfrenta entonces al mismo problema que un colaborador humano: dispone de varias informaciones, pero no sabe cuál tiene autoridad.

Otro caso frecuente: un procedimiento explica cómo realizar una operación en «las tiendas», sin precisar que en realidad solo afecta a las tiendas propias y no a los franquiciados. O bien, una versión antigua de un procedimiento sigue accesible en un espacio documental aunque se difundió una nueva versión seis meses antes.

En cada uno de estos casos, la tecnología no es realmente la responsable. Es el propio conocimiento el que carece de claridad, estructura o gobernanza. Por tanto, la llegada de la IA no crea estas dificultades: simplemente las hace mucho más visibles.

Lo que la IA no puede adivinar

Durante mucho tiempo, estas incoherencias se compensaron con la experiencia de los colaboradores. Alguien en la sede sabía que el documento ya no estaba actualizado, un animador de red conocía la excepción, un responsable explicaba de palabra que «en este caso concreto, se hace de otra manera».

Una inteligencia artificial no posee espontáneamente esta memoria informal: trabaja a partir de lo que se le proporciona. Es una regla esencial que hay que tener presente: una IA no puede inventar correctamente un proceso que nunca se ha formalizado y nunca estará más actualizada que los conocimientos a los que tiene acceso.

Construir una base de conocimientos adaptada a la IA implica, por tanto, trabajar en cinco grandes aspectos: la claridad, la estructura, la trazabilidad, la fragmentación de la información y la gobernanza documental.

1. La claridad: una IA no debería tener que adivinar lo que quería decir el autor

El primer principio puede parecer evidente: un procedimiento debe ser claro. Sin embargo, muchos documentos internos se han ido construyendo poco a poco, a veces por varias personas, en distintas épocas y con objetivos diferentes. En ellos aparecen formulaciones como «En caso necesario, avisar al responsable». Pero ¿qué responsable? ¿El de la tienda, el animador de red, la dirección regional, la sede? ¿Y qué significa exactamente «en caso necesario»?

Para un colaborador con experiencia, la respuesta parece evidente porque conoce el funcionamiento de la organización. Para una nueva incorporación, mucho menos. Y para una inteligencia artificial, esta ambigüedad se convierte en una posible fuente de error.

Una base documental aprovechable por la IA debe, por tanto, tender hacia informaciones explícitas: ¿quién hace qué, en qué situación, en qué momento, con qué límites, en qué condiciones y con qué excepciones?

Tomemos otra formulación: «Las solicitudes importantes deben transmitirse a la sede». La intención es comprensible, pero la información no es aprovechable tal cual. ¿Qué es una solicitud importante? ¿Una solicitud de más de 500 euros, una que implica un riesgo jurídico, una de un cliente estratégico? Una IA funciona mucho mejor cuando dispone de reglas lo bastante precisas como para no tener que interpretar lo que debería haberse formalizado.

La preparación de una base de conocimientos comienza, pues, a menudo con una etapa poco espectacular: releer los documentos existentes y preguntarse si una persona que no conozca ya la red sería realmente capaz de comprenderlos. Es una prueba excelente. Si un nuevo colaborador tiene que preguntar sistemáticamente a un compañero qué significa un procedimiento, es muy probable que una IA se encuentre exactamente con la misma dificultad.

2. Una estructura homogénea: ayudar a la IA a entender dónde se encuentra la información

El segundo paso consiste en dar una organización coherente a los contenidos. En muchas empresas, los documentos se han ido acumulando con el tiempo y en formatos muy distintos:

• un procedimiento redactado en Word;
• otro en una presentación de PowerPoint;
• un tercero en una FAQ;
• un cuarto en un PDF de sesenta páginas;
• una información importante que solo existe en el acta de una reunión celebrada hace dos años;
• otra en un correo electrónico que solo tres personas han conservado.

Para una persona, esta dispersión ya es problemática. Ese es precisamente el reto de centralizar la información de una red de franquicias sin complicar su gestión. Para una IA, también dificulta la identificación de la información correcta y la comprensión del contexto en el que debe utilizarse.

El objetivo no es transformar todos los documentos en formularios perfectamente idénticos. Se trata más bien de establecer una lógica común. Un procedimiento puede, por ejemplo, precisar siempre:

• su objetivo;
• las personas afectadas;
• su ámbito de aplicación;
• las distintas etapas;
• las posibles excepciones;
• los documentos asociados.

Esta homogeneidad aporta un doble beneficio. Ayuda a los colaboradores a navegar por la documentación y facilita el aprovechamiento del conocimiento por parte de la IA, ya que la información está organizada de una manera más previsible.

Tomemos el ejemplo de una red que dispone de procedimientos diferentes según los formatos de tienda. Si cada documento indica claramente, en el mismo lugar, a qué implantaciones se aplica, la IA podrá seleccionar la respuesta correcta con mucha más facilidad. Si esta información aparece a veces en el título, a veces en una nota a pie de página y a veces en ningún sitio, el riesgo de error aumenta.

Estructurar el conocimiento no consiste, por tanto, simplemente en ordenar los documentos en carpetas. Consiste en dar a cada información el contexto suficiente para entender lo que significa y cuándo se aplica.

3. La trazabilidad: saber qué información es realmente la referencia

Este es probablemente uno de los problemas más frecuentes. Una empresa actualiza un procedimiento y difunde la nueva versión, pero la antigua sigue disponible en algún lugar. Unos meses después, ambos documentos aparecen en una búsqueda: el colaborador duda, y la IA también.

Para construir una base de conocimientos fiable, cada contenido importante debería poder responder a tres preguntas sencillas:

• ¿Cuándo se actualizó esta información?
• ¿Cuál es su versión?
• ¿Quién es su responsable?

Estos elementos pueden parecer administrativos, pero se vuelven esenciales en cuanto se utiliza la IA para acceder al conocimiento de la empresa. Un procedimiento de 2023 y otro actualizado en 2026 no deben considerarse equivalentes. Hay que poder identificar la versión que tiene autoridad y, cuando una información parece incoherente, saber quién puede verificarla o corregirla.

La trazabilidad es aún más importante en las redes cuyos procedimientos cambian a menudo: una nueva normativa, un cambio de oferta comercial, la implantación de un nuevo software, la modificación de un procedimiento de apertura o de una regla de validación. En cada uno de estos casos, el asistente de IA no solo debe conocer la nueva información: también hay que asegurarse de que la antigua ya no interfiera en sus respuestas.

El trabajo documental no termina, por tanto, con la publicación de una nueva versión. También hay que organizar la retirada, el archivo o la desactivación de los contenidos que han quedado obsoletos.

4. La fragmentación inteligente: encontrar con precisión la información correcta

Otro error consiste en creer que basta con proporcionar a una IA documentos completos para que siempre encuentre la información pertinente. Imaginemos un manual operativo de 250 páginas que abarca la apertura, la venta, los recursos humanos, la relación con el cliente, la comunicación local, los pedidos, los litigios y el cierre del punto de venta. Puede que todas las respuestas estén ahí, pero no están necesariamente organizadas con la precisión suficiente para encontrarlas fácilmente.

Construir una buena base de conocimientos supone, por tanto, reflexionar sobre el nivel en el que debe estructurarse la información:

• un procedimiento complejo puede dividirse en etapas claramente identificables;
• una FAQ extensa puede organizarse en torno a preguntas concretas;
• un manual puede dividirse en temas lo bastante autónomos como para encontrar una respuesta sin tener que interpretar decenas de páginas.

Sin embargo, esta fragmentación no debe ser excesiva, porque una información sacada de su contexto puede resultar engañosa. Tomemos la regla «No es necesaria la validación del responsable regional». Si esta frase se separa del párrafo que precisa que solo se aplica a los pedidos inferiores a un determinado importe, puede dar lugar a una respuesta totalmente incorrecta.

Una buena fragmentación es, por tanto, una cuestión de equilibrio: cada bloque de conocimiento debe ser lo bastante preciso para encontrarse fácilmente, pero lo bastante completo para conservar el contexto indispensable para su comprensión. Es un trabajo invisible para el usuario final, pero a menudo es lo que marca la diferencia entre un asistente que ofrece respuestas aproximadas y uno que realmente encuentra la información pertinente.

Descubrir la base de conocimientos de Cerca

5. La gobernanza documental: la condición para que la base siga siendo útil con el tiempo

Probablemente sea el punto menos espectacular y, sin embargo, quizá el más importante. Una base de conocimientos nunca está terminada. La empresa evoluciona, los procesos cambian, aparecen nuevos productos, los equipos se reorganizan, las reglas quedan obsoletas y se crean excepciones. Construir una base documental de calidad en un momento dado no es, por tanto, suficiente: hay que saber cómo va a evolucionar.

Algunas preguntas permiten sentar las bases de esta gobernanza:

• ¿Quién puede crear un nuevo procedimiento?
• ¿Quién debe validarlo?
• ¿Quién es responsable de su actualización?
• ¿Con qué frecuencia deben revisarse determinadas informaciones?
• ¿Qué se hace con las versiones antiguas?
• ¿Cómo se notifica una información que ha dejado de ser correcta?
• ¿Quién decide cuando dos documentos se contradicen?

Sin gobernanza, una base de conocimientos se deteriora progresivamente. Empieza con documentos limpios y coherentes; después, las versiones se multiplican, las actualizaciones dejan de ser sistemáticas y los usuarios pierden la confianza. Y la confianza es fundamental: si un colaborador obtiene tres respuestas erróneas en pocas semanas, es muy probable que deje de utilizar el asistente rápidamente.

La calidad de una experiencia de IA depende, por tanto, tanto del modelo utilizado como de la disciplina con la que se mantiene el conocimiento de la empresa. También depende de la capacidad de los equipos para utilizar la herramienta en su día a día: es el tema de nuestro artículo sobre cómo formar a sus equipos en IA.

El caso más difícil: lo que todo el mundo sabe, pero nadie ha escrito

Por último, existe un tema especialmente importante en las redes: el conocimiento informal. Todas las organizaciones lo tienen en abundancia. Se trata de toda esa información que los colaboradores con experiencia conocen, pero que no figura en ningún documento:

«En esta situación, mejor llama a Sophie».

«Para este tipo de tienda, normalmente lo hacemos así».

«Este procedimiento funciona salvo en la temporada de Navidad».

«Oficialmente, el documento dice esto, pero desde el año pasado aplicamos una nueva regla».

Estos conocimientos suelen permitir que la organización funcione, pero también constituyen una fragilidad, porque dependen de las personas que los poseen. Cuando un colaborador deja la empresa, una parte de este saber puede desaparecer con él. Y cuando se implanta un asistente de IA, el problema se hace visible de inmediato: la IA no sabe lo que la propia empresa nunca se ha tomado el tiempo de formalizar.

Implantar una base de conocimientos asistida por inteligencia artificial puede tener, por tanto, un beneficio inesperado: obligar a la organización a identificar su saber real. ¿Qué información está documentada? ¿Qué prácticas solo se transmiten de forma oral? ¿Qué procedimientos oficiales ya no se corresponden realmente con la realidad? ¿Qué personas concentran hoy un conocimiento crítico? Este trabajo va mucho más allá del proyecto de IA: refuerza la transmisión del saber en toda la red.

Antes de conectar la IA, comprobar la calidad del conocimiento

Un ejercicio sencillo puede resultar especialmente revelador, y puede realizarse incluso antes de elegir una herramienta.

Para probar en su red: el ejercicio de las diez preguntas

1. Elija diez preguntas que planteen con frecuencia los equipos de campo. No preguntas teóricas, sino preguntas reales del día a día: «¿Qué debo hacer cuando un cliente impugna esta situación?», «¿Qué procedimiento debo seguir para pedir este producto?», «¿Quién debe validar este gasto?», «¿Cómo declaro esta incidencia?», «¿Qué regla se aplica a mi tipo de establecimiento?»
2. Intente encontrar cada respuesta únicamente a partir de la documentación disponible.
3. Analice el resultado:
   • ¿tres personas llegan a tres respuestas diferentes? El problema existe antes incluso de integrar una IA;
   • ¿la respuesta exige llamar sistemáticamente a alguien? Probablemente falta información;
   • ¿dos documentos se contradicen? Habrá que decidir entre ellos;
   • ¿nadie sabe qué documento es el más reciente? Hay que mejorar la trazabilidad.

Este enfoque permite invertir la lógica. En lugar de preguntarse únicamente «¿Cómo conectamos nuestra documentación a una IA?», se empieza por preguntarse «¿Permite realmente nuestra documentación responder correctamente a las preguntas de nuestros equipos?» Ese es probablemente el mejor punto de partida.

Una buena base de conocimientos beneficia en primer lugar a las personas

Esta es quizá una de las lecciones más importantes: los esfuerzos realizados para que la IA pueda aprovechar el conocimiento también mejoran su uso por parte de los colaboradores.

• Un procedimiento más claro es más fácil de entender.
• Una documentación mejor estructurada es más fácil de consultar.
• Una versión claramente identificada reduce los errores.
• Una gobernanza mejor definida evita la acumulación de documentos obsoletos.
• Formalizar el saber informal facilita la incorporación de nuevos colaboradores y limita la dependencia de unos pocos expertos históricos.

Dicho de otro modo, preparar la documentación para la IA suele equivaler a mejorar la organización documental sin más. Es una excelente noticia, porque el trabajo realizado conserva su valor aunque las tecnologías evolucionen. Los modelos de IA cambiarán, las interfaces también, y los asistentes serán más eficaces. Pero un conocimiento claro, fiable, estructurado y actualizado seguirá siendo siempre un activo esencial.

La IA no transforma automáticamente los documentos en conocimiento fiable

Cada vez oiremos hablar más de asistentes capaces de consultar toda la documentación de una empresa. La tecnología avanzará rápidamente y facilitará enormemente el acceso a la información. Pero la calidad de la respuesta dependerá siempre, en parte, de la calidad del conocimiento disponible:

• si dos procedimientos se contradicen, la IA no debería tener que decidir sola cuál corresponde a la realidad;
• si una regla ya no está actualizada, puede ofrecer una información desfasada;
• si un proceso nunca se ha puesto por escrito, no podrá adivinarlo de forma fiable;
• si un documento no precisa su ámbito de aplicación, corre el riesgo de aplicarlo en una situación equivocada.

Por eso, en Cerca, consideramos que la reflexión sobre los Agentes de IA no puede separarse de la reflexión sobre el conocimiento de la red. El objetivo no es simplemente permitir que una inteligencia artificial lea más documentos, sino permitirle acceder al conocimiento correcto, en su versión correcta, con su contexto y para la persona adecuada.

Una inteligencia artificial puede simplificar considerablemente el acceso al saber de una red, pero no transforma automáticamente una documentación confusa en conocimiento fiable. Antes de pedir a la IA que comprenda mejor la empresa, a veces hay que empezar por ayudar a la empresa a organizar mejor lo que sabe.

Solicite sus 30 días de prueba gratuita sin compromiso