Cómo un agente de IA responde automáticamente a las preguntas de los clientes a partir de sus FAQ y documentos: funcionamiento, límites contra las suposiciones y mantenimiento de la base de conocimiento.
Las mismas preguntas, todos los días: plazos de entrega, horarios de apertura, devoluciones, cómo llegar, precios. Llegan por correo electrónico, por teléfono y a través del formulario de contacto, y alguien de su equipo escribe por centésima vez la misma respuesta. Precisamente ese trabajo lo puede asumir un agente de IA que responde automáticamente a las preguntas frecuentes a partir de su propia base de conocimiento.
La respuesta directa por adelantado: ante cada pregunta entrante, un agente de este tipo revisa sus propios contenidos, por ejemplo páginas de FAQ, manuales, listas de precios o instrucciones internas, y a partir de ahí formula una respuesta en lenguaje natural. Responde exclusivamente con lo que consta en sus documentos. Si no encuentra allí nada fiable, deriva la solicitud a una persona en lugar de adivinar.
El agente trabaja en dos pasos: primero buscar, luego formular. Ante una pregunta de cliente como «¿Todavía puedo cancelar mi pedido?», primero busca en su base de conocimiento los pasajes que encajan, por ejemplo en sus condiciones de cancelación. Solo después el modelo de lenguaje formula una respuesta a partir de justo esos hallazgos. Esa es la diferencia decisiva frente a un chatbot que responde libremente: el modelo no tiene que inventarse la respuesta, resume sus propios contenidos.
En términos técnicos, este principio se llama retrieval, es decir, una consulta selectiva antes de responder. No necesita memorizar el término. Lo importante es la consecuencia: la calidad de las respuestas depende de la calidad de sus contenidos, no de la creatividad del modelo. Cómo construimos y conectamos una base de conocimiento así lo mostramos en la página de servicio Asistente de conocimiento con IA.
Un agente de atención al cliente sin límites es un riesgo, no un avance: un plazo de entrega prometido por error o una regla de descuento inventada cuesta más confianza de la que construyen cien respuestas correctas. Por eso el agente recibe reglas firmes sobre lo que puede y lo que no puede hacer.
La derivación a una persona no es aquí un recurso de emergencia, sino parte del diseño. Un agente bien construido conoce sus límites, igual que un nuevo empleado sabe cuándo preguntar. Lo que estos agentes pueden asumir más allá de esto y cómo los construimos figura en nuestra página sobre agentes de IA.
El agente responde a las preguntas de los clientes únicamente a partir de sus propios contenidos aprobados. Si no encuentra una respuesta fiable, deriva a una persona. Adivinar está impedido técnicamente, no solo desaconsejado.
El error más frecuente en estos proyectos no está en la técnica, sino en el material: una página de FAQ de hace tres años, listas de precios en varias versiones, un manual que nadie ha mantenido. El agente no convierte eso en una buena respuesta, lo convierte en una respuesta equivocada. Para él, un contenido obsoleto es igual de verdadero que uno actual.
Por eso, antes de empezar, la base de conocimiento debe ordenarse una vez: resolver contradicciones, descartar documentos obsoletos y designar a una persona responsable que incorpore los cambios en el futuro. Suena poco espectacular, pero es lo que decide el éxito. Según nuestra experiencia en proyectos, aquí está buena parte del esfuerzo, y se paga por partida doble, porque su equipo vuelve a trabajar con documentos actualizados.
El más visible es el chat del sitio web: los clientes hacen su pregunta por la noche a las 22 horas y obtienen de inmediato una respuesta a partir de sus contenidos, en lugar de esperar hasta el siguiente día laborable. Menos visible, pero a menudo más valioso, es el filtrado previo del correo electrónico. El agente lee las solicitudes entrantes, responde por sí mismo a las preguntas estándar o le presenta a su equipo un borrador de respuesta ya listo que solo tiene que revisar y enviar. La bandeja de entrada no se vacía por ello, pero cada correo se resuelve mucho más rápido.
El tercer canal es el interno: también sus empleados hacen preguntas cada día, solo que a compañeros en lugar de a una bandeja de entrada. Para este caso, un asistente para el propio equipo, hemos escrito un artículo aparte: Así funciona un asistente de conocimiento interno con IA. Este artículo trata el caso orientado al cliente. Ambos, sin embargo, utilizan la misma base de conocimiento ordenada, por lo que el segundo paso suele poder añadirse de forma económica.
Una vara de medir sencilla: cuente durante una semana cuántas veces le llega la misma pregunta, ya sea por correo electrónico, por teléfono o por formulario. Como regla general de nuestros proyectos: a partir de unas veinte solicitudes recurrentes por semana, el cálculo casi siempre sale a cuenta, porque detrás de cada una hay tiempo de gestión, un cambio de contexto y tiempo de espera para el cliente. Si su cifra está claramente por debajo, una mejor página de FAQ suele ser la recomendación más honesta. Precisamente eso comprobamos en el análisis inicial gratuito, antes de construir nada.
Mediante reglas firmes y un umbral: si la búsqueda no encuentra un pasaje suficientemente pertinente en la base de conocimiento, el agente no responde sobre el contenido, sino que reenvía la solicitud, con el historial hasta ese momento, a su equipo. Además, temas como reclamaciones o cuestiones contractuales pueden reservarse de entrada para la derivación.
Sí, sobre todo cuando la propia base de conocimiento contiene errores. El agente reproduce lo que consta en sus documentos, aunque allí figure algo obsoleto. Por eso, una base de conocimiento ordenada, referencias a las fuentes en las respuestas y una fase de prueba con solicitudes reales forman parte de todo proyecto serio.
Por lo general, sí. Formatos habituales como PDF, Word o sitios web existentes pueden conectarse como fuente de conocimiento. Lo decisivo es menos el formato que el contenido: actual, formulado sin ambigüedades y sin contradicciones entre los documentos.
Es resoluble, pero debe planificarse desde el principio: alojamiento en la UE, un contrato de encargo de tratamiento con el proveedor y la regla de que ningún dato personal acabe en la base de conocimiento. Esto no sustituye a un asesoramiento jurídico, pero planificamos estos puntos desde el principio en cada proyecto.
Fundador de NordFlux. Siete años de experiencia, desde la web y el SEO hasta la automatización a escala de grupo, hoy de forma pragmática para las pymes y con soberanía de datos alemana.
Certificaciones
Cómo un asistente basado en sus datos responde preguntas rutinarias en segundos, con cita de las fuentes y límites claros.
Los clientes preguntan a ChatGPT en lugar de a Google. Con estas medidas de AEO viables, su empresa aparece en las respuestas de la IA, incluso sin equipo de marketing.
Teclear las facturas entrantes consume horas cada semana. Cómo Document AI lee, verifica y contabiliza los comprobantes, y qué es lo importante en la implementación.
En el análisis inicial gratuito contamos con usted qué solicitudes se repiten en su caso, y comprobamos con honestidad si un agente de respuestas le resulta rentable.
