Asistente IA para documentación interna: conectores o RAG
Por Daniel Monroy, CEO de Niter Agency ·
Un asistente IA para documentación interna permite preguntar por procedimientos, decisiones o información de trabajo y recibir una respuesta apoyada en fuentes de la empresa. Su utilidad depende de encontrar el documento adecuado, respetar quién puede leerlo y distinguir una versión vigente de otra retirada. Una respuesta con enlaces todavía necesita comprobarse.
La primera decisión de compra es si las herramientas que ya utiliza la organización pueden resolver la consulta mediante conectores o si hace falta construir una solución de recuperación y generación, conocida como RAG. Esta guía propone criterios para decidirlo y evaluar un piloto. Los escenarios y cálculos son ejemplos de Niter Agency, no resultados de clientes ni tarifas de proveedores.
Qué aporta la novedad de Work IQ de octubre
Microsoft presentó el 20 de octubre de 2026 la herramienta retrieve de Work IQ MCP. Busca contexto de trabajo en fuentes como archivos, correo, reuniones y Teams, dentro del acceso autorizado del usuario. Devuelve contenido preparado para el modelo con citas y registros de resultados con metadatos que permiten enlazar las fuentes.
La documentación diferencia una estrategia amplia, copilot, que puede consultar fuentes conectadas, y grounding, limitada al índice de Microsoft 365. También permite acotar ciertas fuentes mediante capacidades. Recuperar contexto y delegar una tarea son operaciones distintas: encontrar una decisión no equivale a ejecutar sus instrucciones.
Nuestra lectura para una empresa es práctica: conviene probar primero la recuperación disponible en su entorno antes de encargar otro índice documental. El anuncio no acredita disponibilidad, licencias o funcionamiento en una cuenta concreta. Tampoco demuestra que una fuente esté bien organizada o que toda respuesta sea correcta. Esas condiciones deben verificarse con las preguntas y permisos reales del piloto.
Conectores, RAG y carpetas: qué se está comprando
Un conector es una integración que permite acceder a una fuente bajo las condiciones del producto y de la cuenta. RAG significa generación aumentada por recuperación: el sistema busca información pertinente y la incorpora como contexto para redactar la respuesta. Son conceptos compatibles; un conector puede formar parte de una solución RAG.
Para contratar, proponemos comparar una experiencia integrada en la herramienta de trabajo con una aplicación propia que controla recuperación, interfaz y operación. La pregunta útil es cuánto control adicional requiere el proceso y cuánto trabajo supone mantenerlo.
Cuándo empezar por una herramienta integrada
Tiene sentido ensayarla si la documentación relevante está en un entorno compatible, los permisos están ordenados y la necesidad principal es localizar o resumir información. Un equipo que pregunta por actas, responsables o procedimientos puede aprender mucho de una prueba acotada sin construir primero una plataforma.
Antes de ampliar, comprobaríamos que cada usuario accede con su identidad, que el enlace abre la fuente y que aparecen los tipos de archivo necesarios. Si falta una biblioteca crítica o hay límites de sincronización, deben quedar en el alcance. Un botón que conecta una cuenta no acredita cobertura completa.
Cuándo valorar una aplicación propia
Puede justificarse si hay documentación dispersa, formatos difíciles, reglas específicas de vigencia o una interfaz que debe integrarse con un proceso. También si la organización necesita controlar qué fragmentos se recuperan y conservar evidencia de evaluación con un detalle que la herramienta disponible no ofrece.
En un ejemplo hipotético, una empresa de mantenimiento quiere consultar manuales por modelo de máquina, fecha y contrato de servicio. Si necesita seleccionar la edición aplicable y mostrar advertencias de seguridad junto a cada respuesta, el trabajo está en estructurar esos criterios. Cambiar el modelo de lenguaje no resuelve por sí solo la selección documental. El servicio de procesamiento documental y RAG permite valorar ese alcance.
La fuente de verdad debe tener propietario y fecha
Antes de cargar documentos proponemos un inventario pequeño: ubicación, responsable, tipo de información, usuarios autorizados, fecha de revisión y criterio de retirada. La empresa debe poder responder quién aprueba el contenido cuando dos documentos dicen cosas distintas.
Por ejemplo, un comercial pregunta por las condiciones de un servicio. El asistente encuentra una presentación reciente y un contrato marco anterior. Elegir automáticamente el archivo más nuevo puede ser incorrecto: una presentación no necesariamente modifica un contrato. La respuesta debería explicar la discrepancia y remitir al responsable cuando no exista una regla aprobada.
Nuestra recomendación es conservar identificadores estables, versión, estado y enlace al original. Cuando una fuente se sustituya o elimine, hay que probar qué ocurre en el índice y en los resultados guardados. La frecuencia de actualización se acuerda según el riesgo: un directorio de sedes y una instrucción operativa urgente no requieren necesariamente la misma tolerancia al retraso.
Un piloto útil incluye publicar una versión nueva, retirar la antigua y repetir las consultas. El acta de prueba recoge cuándo se hizo el cambio y cuándo dejó de aparecer el contenido obsoleto. Ese tiempo observado sirve para definir el compromiso operativo; no conviene prometer actualización instantánea sin medirla.
Los permisos se comprueban antes de redactar
La documentación de Azure AI Search sobre control por documento distingue filtros de seguridad y mecanismos de acceso basados en identidad. Varias capacidades nativas de ACL y etiquetas figuran en versión preliminar y tienen condiciones específicas. Una propuesta debe identificar qué mecanismo utiliza y su estado, sin presentar todas las opciones como equivalentes o listas para producción.
Como criterio de diseño, el contenido no autorizado debe quedar fuera del contexto entregado al modelo. Pedirle en una instrucción que no revele información sensible no sustituye el control de acceso. El filtro, la identidad y la actualización de permisos forman parte de la integración que debe verificarse.
Proponemos probar al menos dos perfiles con acceso distinto. Cada uno formula una pregunta sobre una fuente restringida, otra compartida y una que combine ambas. Después se retira un permiso y se repite el ensayo, también en conversaciones ya abiertas. Se revisan respuestas, enlaces y fragmentos, porque un título o una cita pueden revelar información aunque el documento no se abra.
La revisión incluye cuentas de servicio, cachés y registros. Si un usuario pierde acceso, no debería recuperarlo indirectamente mediante una respuesta almacenada. La persona responsable de seguridad debe acordar cómo se detectan y resuelven estos casos. Para amenazas dentro de los documentos, la guía de prompt injection y permisos en agentes desarrolla un riesgo complementario.
Citar no basta: hay que comprobar qué respalda la cita
Una respuesta puede enlazar un documento correcto e interpretar mal una condición. Por eso proponemos evaluar por separado la presencia de referencias, el respaldo de cada afirmación importante y la aplicabilidad de la fuente. Una cifra sin unidad o una excepción omitida puede cambiar la decisión del lector.
Google Cloud documenta en su método de respuestas de Agent Search opciones para incluir citas y devolver una respuesta de reserva cuando los resultados no sean suficientemente relevantes. Son controles configurables de ese producto; no una garantía general de exactitud.
La política de respuesta de la empresa debería prever tres salidas: respuesta sustentada, aclaración necesaria o evidencia insuficiente. Si alguien pregunta «¿podemos ofrecer este descuento?» y solo aparece una tarifa sin reglas de autorización, la salida correcta puede ser mostrar la tarifa y señalar qué dato falta. La herramienta no debe convertir una ausencia de información en permiso para decidir.
Tampoco conviene mezclar fuentes públicas e internas sin indicarlo. Un manual del proveedor puede explicar una función que la empresa no tiene contratada. Proponemos etiquetar el origen y separar lo que permite el producto de lo que admite el procedimiento interno vigente.
Cómo preparar preguntas que descubran los fallos
El conjunto de evaluación debe incluir preguntas habituales y situaciones difíciles, con una respuesta esperada revisada por quien conoce el proceso. Una demostración preparada solo con consultas que funcionan aporta poca información sobre la operación diaria.
Para un piloto propondríamos una muestra inicial manejable, por ejemplo 40 preguntas, distribuida entre búsqueda directa, combinación de fuentes, versiones contradictorias, falta de evidencia y acceso restringido. La cifra es una propuesta de trabajo, no un tamaño estadístico universal. Se amplía cuando los errores observados revelen categorías insuficientemente representadas.
Microsoft separa en sus evaluadores RAG de Foundry la calidad de recuperación y la calidad de respuesta. También distingue respaldo en el contexto, relevancia y completitud. Esta separación ayuda a investigar si el fallo viene de buscar mal, interpretar mal o dejar fuera una condición importante.
Nuestro criterio de aceptación añadiría permisos, vigencia y tiempo de resolución. Para cada pregunta registraríamos fuente esperada, fuente recuperada, respuesta, revisión humana y corrección necesaria. Un evaluador automático puede ayudar a clasificar casos, pero el responsable del proceso debe resolver discrepancias y revisar los fallos de mayor impacto.
No basta una puntuación media alta. Una respuesta sobre ubicación de archivos y otra sobre una condición contractual tienen consecuencias distintas. La empresa puede exigir que cualquier filtración de información detenga la ampliación, mientras admite corregir algunas búsquedas poco relevantes. Es una decisión del proyecto que debe quedar escrita antes de observar los resultados.
Costes: incluir preparación y mantenimiento del conocimiento
La comparación económica necesita el coste total: licencias o consumo, preparación documental, integración de identidad, evaluación, soporte y tiempo de los responsables de contenido. Un presupuesto que solo muestra consultas al modelo deja fuera buena parte del trabajo necesario para sostener las respuestas.
Consideremos un ejemplo hipotético con 600 consultas mensuales. Supongamos 150 euros de herramientas y consumo, 200 de operación y cinco horas de revisión valoradas internamente a 30 euros: 500 euros recurrentes. Si 400 consultas permiten completar la tarea con evidencia suficiente, el coste sería 1,25 euros por consulta útil. Las restantes 200 no se borran del cálculo: su coste ya está incluido.
Si la puesta en marcha costara 2.400 euros y la empresa decidiera repartirla entre doce meses, añadiría 200 euros mensuales y el indicador pasaría a 1,75 euros. No son tarifas de mercado ni un retorno prometido. Si se necesita más revisión, suben los costes; si el volumen real es menor, aumenta el coste unitario.
Para comparar con el proceso anterior hay que medir cuánto tarda una persona en encontrar y verificar la misma información. El tiempo liberado puede aportar capacidad, pero no implica automáticamente reducción de gasto. También conviene preguntar por exportación de documentos preparados, pruebas y configuración: la continuidad importa cuando cambia una licencia o un proveedor.
Qué exigir a la propuesta antes de contratar
Una propuesta concreta debería identificar las fuentes del piloto, los perfiles autorizados, el criterio de vigencia, las preguntas de prueba y quién acepta las respuestas. También el plazo observado de actualización, la gestión de incidencias, los costes incluidos y cómo retirar el sistema o exportar lo necesario.
En Niter Agency planteamos esta decisión dentro de la consultoría de inteligencia artificial en Madrid: definir una necesidad documental verificable, probar las opciones disponibles y concretar el alcance de implementación. La metodología y la guía de implantación de IA en una empresa ayudan a preparar ese trabajo. Puedes contactar con Niter Agency indicando qué equipo consulta la documentación, dónde está y qué errores necesita evitar.
Preguntas frecuentes
¿Necesito RAG para preguntar a los documentos de mi empresa?
Puede que una herramienta integrada con conectores cubra la necesidad. RAG describe cómo se recupera contexto para generar respuestas y puede estar dentro de esa herramienta. La decisión es cuánto control adicional necesitas sobre fuentes, permisos, versiones e integración.
¿Un asistente con citas puede inventar una respuesta?
Sí. Un enlace puede apuntar a un documento que no respalda la afirmación o a una versión que ya no aplica. Hay que comprobar respaldo, vigencia y tratamiento de evidencia insuficiente, además de la presencia de citas.
¿Cómo evito que muestre documentos privados a otros empleados?
Con controles de acceso aplicados a la recuperación, identidad verificable y pruebas con usuarios de permisos distintos. También deben revisarse cambios de acceso, conversaciones abiertas, cachés y registros. Una instrucción escrita al modelo no sustituye estos controles.
¿Qué debe demostrar un piloto antes de ampliarse?
Que resuelve preguntas representativas con evidencia aplicable, respeta permisos, incorpora cambios documentales y mantiene un coste asumible. Los umbrales y los fallos que impiden ampliar deben acordarse previamente con el responsable del proceso.