IA entrenada con los documentos de tu empresa: qué significa de verdad y qué exigir

"Queremos una IA entrenada con nuestros documentos" es una de las frases que más escuchamos. La intención está clara y es buena: que el asistente conozca los contratos, los procedimientos y el histórico de la empresa, en vez de dar respuestas genéricas de internet.

La forma de conseguirlo, sin embargo, casi nunca pasa por entrenar nada. Y conviene saberlo antes de contratar, porque cambia el precio, los plazos y —sobre todo— las garantías que puedes exigir.

Entrenar y consultar no son lo mismo

Entrenar un modelo significa modificar el modelo en sí para que incorpore tu información. Es caro, lento, hay que repetirlo cada vez que cambia un documento y tiene un efecto desagradable: lo aprendido se mezcla con el resto del conocimiento del modelo y ya no se puede separar ni borrar con facilidad. Si mañana un cliente ejerce su derecho de supresión, tienes un problema.

Lo que se hace en la práctica es indexar y consultar: los documentos se guardan en un almacén propio, y cuando alguien pregunta, el sistema busca primero los fragmentos relevantes y se los pasa al modelo junto con la pregunta para que redacte la respuesta. El modelo no "sabe" nada de tu empresa: lee lo que le das en ese momento y responde.

Esa diferencia tiene tres consecuencias prácticas, y todas juegan a tu favor:

• Tus documentos no entran en el modelo. Se quedan en tu almacén. Borras un documento y deja de existir para el asistente al instante.
• La respuesta puede citar la fuente. Como el sistema sabe qué fragmentos ha usado, puede decirte de qué documento y de qué página sale cada afirmación. Un asistente que no cita no es de fiar para un uso profesional.
• Se actualiza solo. Cambias el procedimiento, se reindexa y la siguiente pregunta ya responde con la versión nueva.

La trampa cara: los permisos

Ésta es la que hunde proyectos, y casi nunca aparece en la propuesta comercial.

Si indexas "todos los documentos de la empresa" en un único almacén y pones encima un buscador conversacional, acabas de construir una máquina para saltarse los permisos de tus carpetas. La persona de almacén le pregunta al asistente por las condiciones de un proveedor y se las cuenta. Alguien pregunta por las nóminas y, si ese Excel se indexó, aparece.

No es un fallo del modelo: es que nadie replicó los permisos. Un asistente documental serio tiene que saber quién pregunta y buscar solo en lo que esa persona ya podía abrir. Es la primera pregunta que deberías hacer a cualquier proveedor, y la respuesta correcta no es "el modelo no comparte información entre usuarios", sino cómo se aplican los permisos en la búsqueda.

Qué exigir, en concreto

Cinco preguntas que separan una propuesta seria de una demo bonita:

1. ¿Dónde se procesan y se guardan los documentos? País y proveedor de infraestructura. Si la respuesta es vaga, no sigas.
2. ¿Se usan mis documentos para entrenar modelos de terceros? Tiene que estar por escrito en el contrato, no en una frase de la web.
3. ¿Respeta los permisos que ya tengo? Y cómo: por usuario, por grupo, por carpeta.
4. ¿Cita las fuentes de cada respuesta? Con enlace al documento y, si se puede, a la página o el apartado.
5. ¿Qué pasa cuando no lo sabe? Un asistente que nunca dice "no lo encuentro en tu documentación" es un asistente que se inventa cosas. Pídelo explícitamente y pruébalo con una pregunta cuya respuesta no esté en ningún documento.

Qué puedes esperar de verdad

Funciona muy bien cuando la pregunta tiene respuesta en algún sitio y el problema es encontrarla: condiciones de un contrato, cómo se hace un procedimiento interno, qué se acordó con un cliente hace tres años, qué dice una normativa que la empresa ya tiene documentada.

Funciona mal, o no funciona, cuando la respuesta exige contar o calcular sobre muchos documentos a la vez ("¿cuántos contratos vencen este trimestre?"). Eso no es una pregunta de documentación, es una consulta a una base de datos, y se resuelve de otra manera — normalmente conectando con el sistema de gestión, no con el buscador.

Y hay una condición previa que nadie quiere oír: si tu documentación está desordenada, duplicada y con tres versiones del mismo contrato, el asistente te devolverá ese desorden con mucha seguridad y buena redacción. La calidad de la respuesta no puede ser mejor que la de los documentos. Es la parte del proyecto que no se puede subcontratar.

Si quieres ver cómo lo planteamos nosotros, con qué garantías y a qué precio: ¿Puede la IA revisar la documentación de mi empresa?.

Este artículo es informativo. Tecnea desarrolla este tipo de asistentes, así que tenemos un interés comercial directo en el tema. Las cinco preguntas de arriba están escritas para que puedas hacérnoslas también a nosotros — y si algún proveedor no las responde por escrito, ése es el dato.