La idea es seductora y además es realizable: que cualquiera en tu empresa pueda preguntar «¿cuál es el plazo de garantía del contrato con el proveedor X?» y obtener la respuesta sin abrir cuarenta PDF. Lo que casi nadie explica es que el trabajo está en otro lado del que la gente espera.
Lo primero: no vas a entrenar nada
«Entrenar la IA con mis documentos» es la frase que más confusión causa. Entrenar un modelo es caro, lento y para esto no sirve: un modelo entrenado con tus contratos no sabría decirte de qué contrato salió la respuesta, y cada documento nuevo exigiría volver a entrenar.
Lo que de verdad se usa es mucho más simple: cuando alguien pregunta, el sistema busca los fragmentos relevantes en tus documentos y se los pasa al modelo junto con la pregunta. El modelo responde usando ese material y cita de dónde lo sacó. Nada se queda «aprendido»: todo se consulta en el momento.
El trabajo real: ordenar los documentos
Aquí está el 80% del esfuerzo y es la parte que nadie vende. Un asistente documental hereda el desorden de la carpeta que le das. Si en tu servidor conviven contrato_proveedor_v2.pdf, contrato_proveedor_FINAL.pdf y contrato_proveedor_FINAL_ok.pdf, el asistente va a mezclar las tres y a darte una respuesta que no corresponde a ninguna.
- Una versión vigente por documento. Las anteriores, a una carpeta de histórico que no se indexa.
- PDF con texto, no escaneados. Un PDF que es una foto no se puede buscar. Si tienes escaneos, hay que pasarles reconocimiento de texto antes.
- Nombres que digan qué son y de cuándo. El nombre del archivo es una de las señales que usa la búsqueda.
- Separa por tipo —contratos, políticas, manuales, actas— para poder acotar la búsqueda cuando la pregunta lo permita.
Empieza por veinte documentos, no por todosLa tentación es indexar el servidor completo el primer día. No lo hagas: con cien documentos desordenados no vas a poder distinguir si la respuesta mala vino del modelo, de la búsqueda o de un archivo viejo. Empieza con el conjunto que responde a las cinco preguntas que más te hacen, mide, y crece desde ahí.
Los tres niveles, de menos a más
| Nivel | Qué es | Cuándo conviene |
|---|---|---|
| Subir y preguntar | Adjuntar los documentos directamente en la conversación | Pocos documentos, uso ocasional, una sola persona. Cuesta cero. |
| Espacio de trabajo con archivos | La herramienta guarda un conjunto de documentos y responde sobre ellos | El punto dulce para casi cualquier pyme. Sin programar nada. |
| Sistema propio con búsqueda | Índice de documentos y modelo conectados por tu equipo | Volumen alto, control total o datos que no pueden salir. Es un proyecto de software. |
La mayoría de las empresas que me preguntan por el nivel tres necesitan el nivel dos. Y la mayoría de las que están en el uno pueden pasar al dos esta semana sin escribir una línea de código.
La regla que evita el desastre: exige la cita
Un asistente documental que responde sin decirte de dónde sacó la respuesta es peligroso, porque suena igual de seguro cuando acierta que cuando inventa. Configura siempre la instrucción para que cite el documento y, si puede, la página o la cláusula.
Y añade la otra mitad de la regla: que diga que no sabe. Una instrucción del tipo «si la respuesta no está en los documentos proporcionados, dilo explícitamente y no la deduzcas» cambia por completo la utilidad del sistema.
Antes de subir nada, dos preguntas¿Estos documentos contienen datos personales de terceros? ¿Contienen información sometida a reserva por contrato? Si la respuesta es sí a cualquiera de las dos, revisa qué obligaciones te impone la Ley 1581 antes de indexarlos, y verifica en la configuración de la herramienta qué pasa con esos archivos. Subir la carpeta de recursos humanos completa es exactamente lo que no hay que hacer.
Cómo saber si está funcionando
- Escribe veinte preguntas reales —las que de verdad te hacen— con su respuesta correcta verificada a mano.
- Pásalas por el asistente y cuenta cuántas acierta, cuántas falla y cuántas dice no saber.
- Las que dice no saber no son fallos. Son el comportamiento correcto. El fallo grave es la respuesta segura y equivocada.
- Repite la prueba cada vez que agregues documentos. Toma veinte minutos y es lo único que te dice si empeoraste.
Herramientas gratis para esto
- Extraer texto de imagen: convierte un documento escaneado en texto antes de dárselo al asistente.
- Escanear documento: si el documento solo existe en papel, conviértelo primero en un PDF limpio.
Preguntas frecuentes
¿Puede reemplazar a la persona que conoce los contratos?
No, y plantearlo así es la vía rápida al fracaso. Reemplaza el tiempo que esa persona gasta buscando en qué archivo estaba algo. El criterio para interpretar lo que encontró sigue siendo suyo.
¿Sirve con documentos escaneados?
Solo si les aplicas reconocimiento de texto primero. Un escaneo es una imagen: para el buscador está en blanco. Esta suele ser la sorpresa más grande cuando una empresa quiere indexar su archivo antiguo.
¿Qué pasa cuando cambia un documento?
Reemplazas el archivo y listo, no hay que reentrenar nada. Lo importante es la disciplina: sustituir, no agregar. Si dejas la versión vieja al lado de la nueva, el asistente va a responder con cualquiera de las dos.
¿Cuánto cuesta montar esto?
En el nivel dos, lo que ya pagas por la suscripción. El costo real es el tiempo de ordenar los documentos, que es trabajo interno y que de todos modos deberías hacer. Cuando alguien te cotice «IA para tus documentos», pregunta específicamente quién ordena los archivos.
La conclusión, sin rodeos
No entrenes nada. Ordena veinte documentos, ponlos en un espacio de trabajo, exige cita y exige que diga «no sé». Prueba con veinte preguntas reales y crece solo cuando esas veinte funcionen.
El asistente va a ser tan bueno como esté ordenada tu carpeta. Esa es toda la lección.
¿Tienes el archivo desordenado y quieres empezar por algo?
Cuéntame qué preguntas te hacen más seguido y te digo qué documentos ordenar primero. Respondo personalmente.
Hablemos