Base de conocimiento con IA para atención al cliente: cómo funciona y cómo crear una

La mayoría de los agentes de soporte con IA usan alguna forma de generación aumentada por recuperación (RAG). AWS describe la RAG como una técnica que complementa un modelo de lenguaje de gran tamaño con datos externos, como los documentos internos de una empresa. A grandes rasgos:

1. Tus documentos se convierten en embeddings —representaciones numéricas del texto— y se guardan en una base de datos vectorial. Es un paso de configuración que se hace una sola vez.
2. Un cliente hace una pregunta en lenguaje natural.
3. El sistema ejecuta una búsqueda por similitud en la base de datos vectorial y añade al prompt, como contexto, los pasajes que encuentra.
4. El modelo de lenguaje redacta su respuesta usando ese contexto.

De aquí se derivan dos cosas. La IA no puede responder a partir de lo que no está escrito, y trabaja con fragmentos de artículos, no con tu centro de ayuda completo. Las recomendaciones de Freshdesk insisten en lo mismo: Freddy AI recupera y usa los artículos de forma independiente, así que si un artículo omite definiciones o contexto, la IA puede hacer suposiciones o dar respuestas parciales.

Los principales helpdesks ya lo integran. Los agentes de IA de Zendesk pueden usar respuestas generativas en mensajería y email, conectadas a varias fuentes de conocimiento, con reglas de búsqueda que controlan qué fuentes se consultan en determinadas condiciones. En Jira Service Management, los artículos de un espacio de Confluence vinculado aparecen en el centro de ayuda, en la búsqueda de la base de conocimiento y en el agente de servicio virtual.

Un detalle práctico: en Freshdesk, una categoría o carpeta solo aparece en el portal del cliente cuando hay al menos un artículo publicado en ella. Para las respuestas de IA, lo que dice cada artículo importa más que dónde está; la jerarquía ayuda sobre todo a quienes navegan.

Freshdesk publica recomendaciones para redactar contenido de conocimiento para Freddy AI, y se aplican a cualquier IA basada en recuperación:

• Limita cada artículo a un solo tema, e indica cuándo se aplica la información y cuándo no.
• Enlaza a artículos relacionados en lugar de incluir flujos de trabajo secundarios.
• Separa la configuración, el uso y la resolución de problemas en artículos distintos cuando persiguen objetivos diferentes.
• Haz que cada artículo sea autosuficiente: define los términos y el contexto en los que se apoya.
• Usa un único encabezado de primer nivel para el propósito del artículo, y encabezados de nivel inferior para separar tareas, opciones o conceptos.

Añade algunos hábitos propios. Titula los artículos con las palabras que usan realmente los clientes, no con nombres internos de producto. Pon la respuesta en las primeras líneas y después los pasos. Mantén los valores exactos —límites, plazos, precios— en un solo lugar y enlaza a él, para que un cambio no deje dos cifras distintas entre las que la IA tenga que elegir. Y empieza por donde están los tickets: unas cuantas semanas de tickets agrupados por tema muestran qué artículos escribir o arreglar primero.

Un artículo desactualizado se convierte en una respuesta de IA tan segura como errónea, así que asigna a cada artículo un responsable y un ritmo de revisión. Zendesk lo facilita con la verificación de artículos: los administradores de conocimiento definen reglas de verificación que marcan artículos para revisión según filtros e intervalos —por ejemplo, cada tres meses para los artículos con una etiqueta concreta, de una categoría determinada o que llevan tiempo sin actualizarse—, y los responsables de los artículos reciben recordatorios por email para verificarlos. Comprueba si tu plan lo incluye antes de contar con ello.

Las revisiones programadas detectan los desfases lentos. Estos hechos deberían provocar una actualización inmediata:

• Un cambio de producto, de precios o de política: actualiza los artículos el mismo día del lanzamiento o antes.
• Un agente responde a un ticket que la base de conocimiento no cubre: crea un artículo o márcalo como pendiente.
• La IA pasa una conversación a una persona porque no ha sabido responder: revisa esa pregunta.
• Dos artículos dan respuestas distintas: fusiónalos y despublica el duplicado.

Mide si los artículos evitan tickets, no solo si la gente los lee. Mantén las mismas definiciones cada mes para que la tendencia tenga sentido.

TascaLab crea chatbots sobre las herramientas que ya usas —Zendesk, Freshdesk, Jira, Slack o sistemas internos— mediante API, webhooks y Make o n8n, así que tu base de conocimiento se queda donde está. El Starter Chat Bot (360 €, pago único) cubre 1–2 canales y el Standard Chat Bot (510 €) cubre 3–5, entre tu web, el teléfono, WhatsApp, Telegram, Facebook Messenger e Instagram. Los flujos de mantenimiento, como los recordatorios de revisión para artículos desactualizados, encajan en Custom Automation (desde 1070 €).

La mayoría de las implantaciones llevan 1–3 semanas. Todos los proyectos incluyen 30 días de soporte tras el lanzamiento y documentación básica, sin costes ocultos, y puedes empezar con una llamada de Health Check gratuita de 30 minutos.