Para que un chatbot responda con los datos de tu negocio y no se los invente, hay que darle tus documentos reales —tarifas, condiciones, preguntas frecuentes— y obligarle a responder solo a partir de ellos. Se hace en tres piezas: reunir y poner al día tus textos, indexarlos para que el chatbot busque el fragmento que responde a cada pregunta, y ponerle la regla de que si algo no está en tus documentos, diga que no lo sabe y pase a una persona. Esto se conoce como RAG: buscar en tus datos antes de contestar.
No es entrenar una inteligencia artificial desde cero, que es caro y casi nunca hace falta. Es coger un modelo que ya existe y darle una fuente: tus documentos. Como darle a alguien muy leído tu carpeta de tarifas y decirle «solo contestas con lo que hay aquí; si no está, dilo».
¿Por qué un chatbot «normal» no conoce tu negocio?
Porque ha aprendido de textos generales de internet, no de tus precios ni de tu política de devoluciones. Sabe hablar de casi todo por encima, pero de lo tuyo en concreto no sabe nada. Y aquí está el problema: cuando le preguntas por algo que no sabe, muchos modelos no dicen «no lo sé», sino que rellenan el hueco con algo que suena bien. Es lo que se llama alucinar: inventarse una respuesta con toda la seguridad del mundo.
Un chatbot que inventa el plazo de entrega o se saca un precio de la manga no es un ayudante; es un problema con buena redacción. Por eso el trabajo no es solo «poner un chatbot», es atarlo a tus datos y quitarle el permiso para improvisar.
¿Qué es «darle tus datos» (RAG en cristiano)?
Es poner un paso de búsqueda antes de la respuesta. En vez de que el chatbot conteste de memoria, primero busca entre tus documentos el trozo que tiene que ver con la pregunta, y solo después redacta la respuesta usando ese trozo. Las siglas son RAG (generación con recuperación), pero la idea es sencilla: buscar antes de hablar.
La ventaja es doble. Responde con lo tuyo, actualizado, sin necesidad de reentrenar nada cuando cambias un precio: cambias el documento y ya está. Y se le puede pedir que diga de dónde ha sacado la respuesta, para que tú o el cliente podáis comprobarla. Un chatbot que cita su fuente es un chatbot que se puede auditar.
¿Cómo se hace, paso a paso?
Seis pasos, y los tres primeros son de ordenar tu casa, no de tecnología:
- Reúne tus textos de verdad. Tarifas, condiciones, envíos y devoluciones, preguntas frecuentes, horarios. Todo lo que un cliente pregunta y alguien contesta.
- Límpialos y ponlos al día. Quita lo caducado, unifica lo que se contradice. El chatbot repetirá lo que le des: si le das precios viejos, dará precios viejos.
- Trocea e indexa. Parte los documentos en fragmentos cortos y guárdalos para que el chatbot pueda buscar el trozo que responde a cada pregunta.
- Conéctalo con la regla de citar o callar. Que responda solo con lo que encuentra en tus documentos y, si no lo encuentra, diga que no lo sabe y pase a un humano.
- Prueba con preguntas reales y trampa. Lo que preguntan tus clientes, más alguna que no esté en los documentos, para comprobar que dice «no lo sé» en vez de inventarse la respuesta.
- Mantenlo al día. Cada vez que cambie un precio o una condición, actualiza los documentos. Es tan bueno como de reciente sea lo que le has dado.
El paso que decide si esto sale bien es el segundo. La mitad del valor de un chatbot con tus datos está en tener tus datos ordenados, cosa que casi nunca lo están. Ordenar la carpeta de respuestas te sirve aunque al final no montes el chatbot.
¿En qué se diferencia de un chatbot genérico?
En de dónde saca lo que dice y en qué hace cuando no lo sabe:
| Chatbot genérico | Chatbot con tus datos | |
|---|---|---|
| De dónde responde | De lo que aprendió de internet | De tus documentos reales |
| Si no lo sabe | Se lo inventa con aplomo | Dice «no lo sé» y pasa a un humano |
| Actualizar un precio | No hay forma fiable | Cambias el documento y listo |
| Comprobar una respuesta | Imposible saber de dónde salió | Puede citar su fuente |
| Riesgo | Dar información falsa como cierta | Callar de más si falta un documento |
Fíjate en la última fila: el peor caso de un chatbot bien atado es que calle cuando debería contestar, y eso se arregla añadiendo el documento que falta. El peor caso del genérico es que mienta, y eso no se ve hasta que un cliente se enfada.
¿Cómo evito que se invente cosas?
Con la regla de citar o callar, y comprobándola a propósito. La configuración le dice que responda solo desde tus documentos y que, si la respuesta no está, admita que no la tiene y derive a una persona. Suena obvio, pero es justo lo que un chatbot mal montado no hace: prefiere quedar bien a quedar callado.
Y luego se prueba con mala idea: le cuelas preguntas cuya respuesta no está en tus textos y compruebas que dice «esto no lo sé» en vez de improvisar. Ese test de preguntas trampa es lo que separa un chatbot en el que puedes confiar de uno que un día suelta un plazo de entrega inventado delante de un cliente.
¿Cuánto cuesta y cuánto se tarda?
Menos de lo que la gente cree, porque no se entrena nada. Con los documentos ya ordenados, montar un chatbot que busca en ellos y responde con la regla de citar o callar es cuestión de días, no de meses. El grueso del trabajo —y del tiempo— es reunir y limpiar tus textos, que es precisamente la parte que no depende de la tecnología.
El coste corriente es el del modelo por cada consulta (céntimos por conversación) más el mantenimiento de tener los documentos al día. Lo que ahorra es el tiempo de contestar por enésima vez las mismas preguntas y el de estar disponible a las once de la noche sin que nadie tenga que estarlo.
¿Cuándo NO merece la pena?
- Cuando recibes cuatro preguntas al mes. Se contestan a mano y sale más a cuenta que montar y mantener nada.
- Cuando tus datos cambian a cada hora y nadie va a mantenerlos. Un chatbot con información caducada da respuestas peores que no tener chatbot: parece oficial y se equivoca.
- Cuando lo que hace falta es decidir, no informar. Si la mayoría de las consultas piden negociar, valorar un caso o dar un criterio, eso es trabajo de una persona. El chatbot resuelve lo repetitivo, no lo delicado.
¿Qué errores se cometen normalmente?
Casi todos vienen de saltarse la parte aburrida y confiar en la mágica.
- Darle los documentos sucios. Si tus textos se contradicen o tienen precios viejos, el chatbot repetirá la contradicción con total seguridad.
- No poner la regla de callar. Sin ella, el chatbot rellena huecos. Es el error que acaba en una respuesta inventada delante de un cliente.
- No probar con preguntas trampa. Si solo pruebas lo que sabes que está, nunca ves qué hace cuando no lo sabe, que es lo que de verdad importa.
- Montarlo y olvidarlo. Los precios cambian, las condiciones cambian, y el chatbot sigue diciendo lo de hace seis meses porque nadie tocó los documentos.
Preguntas frecuentes
¿Necesito entrenar mi propia IA para esto?
No. Entrenar un modelo desde cero es caro, lento y casi nunca hace falta. Lo que se hace es coger un modelo ya existente y darle tus documentos como fuente, para que busque en ellos y responda a partir de esos textos. Es como darle a alguien muy leído tu carpeta de tarifas y decirle que solo conteste con lo que hay ahí.
¿Cómo evito que el chatbot se invente respuestas?
Con dos cosas. La primera, que responda solo a partir de tus documentos y no de su conocimiento general. La segunda, la regla de citar o callar: si la respuesta no está en tus textos, tiene que decir que no lo sabe y pasar a una persona, en vez de rellenar el hueco. Y luego se prueba a propósito con preguntas trampa para confirmar que calla cuando toca.
¿Mis datos se quedan en el modelo o se filtran a otros?
Depende de cómo se monte. Si se usa un servicio serio con acuerdo de datos, tus documentos se usan para responder a tus clientes y no para entrenar el modelo de nadie. Y si el asunto es sensible, se puede montar de forma que los datos no salgan de tu control. Es una decisión que hay que tomar al principio, no después.
¿Cuándo NO merece la pena montar un chatbot con mis datos?
Cuando recibes cuatro preguntas al mes: se contestan a mano y ya. Cuando tus datos cambian a cada hora y nadie va a mantenerlos al día, porque un chatbot con información caducada da respuestas peores que ninguna. Y cuando lo que hace falta es una persona que negocie o decida, no una que repita información.
Dale una fuente y quítale el permiso para improvisar
Que un chatbot responda con tus datos no es entrenar una IA: es darle tus documentos reales y hacer que busque en ellos antes de contestar. Reúne tus textos, límpialos, indéxalos y pon la regla de citar o callar. El grueso del trabajo es ordenar tus respuestas, no la tecnología.
Prueba con preguntas trampa para confirmar que dice «no lo sé» en vez de inventar, y mantén los documentos al día. Un chatbot con datos caducados es peor que ninguno. Y si recibes cuatro preguntas al mes, contéstalas a mano: no todo pide un chatbot.
¿Quieres un chatbot que hable de lo tuyo y no invente?
Si contestáis las mismas preguntas una y otra vez, se pueden reunir tus respuestas reales y montar un chatbot que conteste solo desde ahí, con la regla de callar cuando no sepa. Si tus datos cambian cada hora o recibes cuatro consultas al mes, te lo digo y nos ahorramos el montaje. Cuéntame qué te preguntan tus clientes.
Ver el servicio de chatbots con IA Hablemos de tu caso