Entrenar un agente de IA con su base de conocimiento: guía práctica
Cómo entrenar un agente de IA con la base de conocimiento de su empresa: organización de documentos, RAG, control de alucinaciones y simulaciones antes de publicar.

Marlos Carmo
Fundador de Tolky
Actualizado el 16 de noviembre de 2026

Compartir
La pregunta que más aparece cuando una empresa evalúa un agente de IA es: ¿cómo va a saber qué vende, cobra y permite mi empresa? La respuesta corta es que no lo sabe por sí solo. Usted tiene que enseñárselo, y la calidad de esa enseñanza define la calidad de la atención.
Esta guía muestra cómo organizar la base de conocimiento, cómo la IA usa ese material, cómo controlar el riesgo de respuestas inventadas y cómo probarlo todo antes de hablar con un cliente real.
Actualizado en noviembre de 2026.
¿Qué significa entrenar un agente de IA con su base de conocimiento?
Entrenar un agente de IA con su base de conocimiento es darle el material de la empresa, como políticas, precios, manuales y respuestas frecuentes, para que las respuestas vengan de ese contenido y no de un conocimiento genérico. En la mayoría de las plataformas de atención, esto no es "entrenar un modelo desde cero": es conectar un modelo de lenguaje a una base organizada y darle instrucciones claras.
La base de conocimiento funciona como la fuente de verdad del agente. Si está desactualizada, el agente responde mal, incluso con un buen modelo. Si está organizada, responde con precisión y admite cuando no sabe. Para el concepto de agente, vea qué es un agente de IA.
¿Cómo usa la IA la base de conocimiento? El papel del RAG
La IA usa la base de conocimiento mediante el RAG, la técnica de buscar fragmentos relevantes en la base y entregárselos al modelo antes de que responda. En lugar de depender solo de lo que aprendió en el entrenamiento, el modelo recibe, en el momento de la pregunta, fragmentos de manuales, políticas y preguntas frecuentes de su empresa.
El proceso tiene tres pasos: dividir los documentos en fragmentos, encontrar los más parecidos a la pregunta y armar la respuesta a partir de ellos. De ahí salen dos consecuencias prácticas:
- Un documento claro se vuelve una respuesta clara. Un fragmento ambiguo o contradictorio produce una respuesta ambigua o contradictoria.
- El RAG reduce la alucinación, pero no la elimina. Lo que cierra la cuenta es combinar base revisada, instrucciones y límites.
En Tolky, la IA responde con la base de conocimiento de la empresa y se mantiene dentro del alcance que usted define. Los mensajes fuera del tema se desvían, y las respuestas fijas se ocupan de lo que no puede variar.
¿Qué es la alucinación y cómo reducir el riesgo?
La alucinación es cuando la IA genera una información que parece correcta pero es falsa o no tiene apoyo en los datos que recibió, como un plazo, un precio o una política inventados. Ocurre porque los modelos de lenguaje generan el texto más probable, no necesariamente el verdadero.
Cuatro prácticas reducen el riesgo en la atención:
- Base revisada: el contenido correcto y actual en lugar de la conjetura.
- Instrucción de honestidad: el agente debe admitir cuando no sabe y ofrecer traspasar a una persona.
- Límite de alcance: la IA responde solo lo que está dentro del tema definido.
- Revisión de conversaciones: mirar dónde dudó la IA muestra qué falta en la base.
Ninguna garantiza cero errores, y por eso las promesas de "la IA nunca se equivoca" merecen desconfianza. El post gobernanza de IA en la atención profundiza en controles y responsabilidades.
¿Cómo organizar la base de conocimiento?
La base funciona mejor con un tema por documento, lenguaje directo, fecha de revisión visible y un responsable por cada tema. La tabla muestra qué hacer y qué evitar.
| Buena práctica | Por qué ayuda | Qué evitar |
|---|---|---|
| Un tema por documento | La búsqueda encuentra el fragmento correcto | Un documento enorme que mezcla temas |
| Lenguaje directo | La respuesta sale clara | Jerga interna y siglas sin explicar |
| Fecha de revisión visible | Permite saber si está actual | Versiones viejas circulando |
| Un responsable por tema | Alguien actualiza cuando cambia | Una base sin dueño |
| Una única versión de cada regla | Evita respuestas contradictorias | Dos documentos con precios distintos |
| Preguntas frecuentes reales | Cubre lo que el cliente realmente pregunta | Inventar preguntas que nadie hace |
En Tolky, el material de la base puede venir de archivos, enlaces y textos. Empiece por lo que más atención genera: política de cambios, plazos, precios, reglas de uso y pasos de procesos. Para el primer lote, 10 a 20 documentos bien escritos suelen rendir más que cientos de archivos sueltos.
¿Qué no debe responder la IA?
La IA no debe responder lo que depende de una decisión humana, lo que es sensible o lo que la base no cubre, y la regla debe estar escrita. Defina con anticipación una lista de lo que queda fuera: negociación de excepciones, promesas de plazo que dependen de terceros, diagnósticos, asesoría jurídica o financiera, entre otros que tengan sentido en su sector.
Para estos casos, la buena configuración es desviar y traspasar a una persona, con el historial, para que el cliente no repita todo. Vea traspaso entre IA y humano: reglas. La IA también debe presentarse como asistente de IA, y las respuestas fijas son útiles para lo que no puede variar, como un aviso legal o un texto de política.
¿Cómo probar con simulaciones antes de publicar?
Probar con simulaciones significa ejecutar conversaciones ensayadas contra el agente antes de cualquier cliente real, y comparar lo que responde con lo que debería responder. Es el paso que más evita sorpresas en producción.
En Tolky existe el área de simulaciones, donde usted guarda simulaciones con personas y escenarios y ejecuta la conversación para ver cómo responde el agente. Un guion de prueba simple:
| Tipo de prueba | Ejemplo de pregunta | Qué verificar |
|---|---|---|
| Pregunta directa | "¿Cuál es el plazo de cambio?" | Respuesta igual a la política |
| Pregunta fuera de alcance | "¿Puede recomendarme un abogado?" | Desvía y no inventa |
| Pregunta sin respuesta en la base | Un producto que no existe | Admite que no sabe |
| Cliente molesto | Un reclamo con tono duro | Mantiene el tono y traspasa a una persona |
| Información contradictoria | Dos reglas distintas | Revela una falla en la base, para corregirla |
| Pregunta ambigua | "¿Cuánto cuesta?" sin decir qué | Pregunta lo que falta |
Repita las pruebas cada vez que la base cambie. Una simulación aprobada ayer puede fallar hoy si se modificó un documento.
¿Cómo mantener la base actualizada después de publicar?
Después de publicar, el trabajo es rutina: revisar las conversaciones en que la IA no supo responder, corregir o crear el documento que faltaba y probar de nuevo. Es la forma más rápida de descubrir qué falta en la base.
Una rutina simple, semanal al inicio:
- Liste las conversaciones en que el cliente pidió una persona o la IA admitió que no sabía.
- Agrúpelas por tema y decida si falta un documento, si el documento es confuso o si el tema debe ir realmente a una persona.
- Actualice la base y registre la fecha de revisión.
- Ejecute las simulaciones relacionadas.
- Siga la tasa de resolución y los traspasos. Vea tasa de resolución por IA: cómo medirla.
La memoria del historial del cliente es otro componente de la buena atención; vea memoria conversacional.
¿Qué errores evitar al entrenar un agente de IA?
Los errores más comunes al entrenar un agente son subir demasiados documentos sin revisar, dejar versiones en conflicto y publicar sin probar. Todos tienen una corrección simple, y la mayoría aparece ya en las primeras simulaciones.
- Subir todo de una vez: archivos viejos, borradores y planillas internas entran en la base y contaminan las respuestas. Prefiera un conjunto pequeño y revisado.
- Mezclar público interno y externo: una política interna de descuentos no debe ser accesible al cliente. Separe lo que el agente puede decir de lo que es solo para el equipo.
- Olvidar definir el tono: la base responde qué, pero el agente también necesita saber cómo hablar: formal o cercano, breve o detallado.
- No revisar las respuestas fijas: los textos de política y avisos legales deben estar actualizados, porque no varían.
- Publicar sin ejecutar los casos difíciles: pruebe el reclamo, la pregunta fuera de alcance y la que no tiene respuesta en la base.
- Tratar la base como un proyecto con fin: cambia con la empresa. Sin dueño y sin rutina de revisión, se desactualiza.
Cuando algo falla, resista la tentación de "enseñar" solo reescribiendo la instrucción del agente. Muchas veces el problema es un documento ambiguo o ausente, y corregir la fuente lo resuelve para todas las preguntas parecidas.
¿Dónde entra Tolky y qué no promete?
Tolky entra como la plataforma donde la base de conocimiento, el alcance del agente, las simulaciones y el traspaso al equipo conviven, en WhatsApp y en los demás canales. No promete que la IA nunca se equivoque ni que la base se mantenga sola: la calidad de la respuesta depende del contenido que usted mantiene.
Al elegir una plataforma, use este criterio como parte del checklist de 12 preguntas para elegir un agente de IA en WhatsApp. Tolky suma más de 5 millones de mensajes con IA al mes y más de 67% de resolución con IA, cifras de la plataforma, no de un cliente. Conozca la solución de atención en WhatsApp y, si usa HubSpot, vea cómo integrarlo con un agente de IA.
Preguntas frecuentes
¿Necesito miles de documentos para empezar?
No. Un conjunto pequeño de documentos bien escritos sobre los temas más frecuentes suele rendir más que una base enorme y desordenada. Empiece por lo que más atención genera y amplíe.
¿La IA aprende sola con las conversaciones?
No debe darse por hecho. El camino seguro es revisar las conversaciones, actualizar la base y probar de nuevo, de modo que el cambio sea deliberado y rastreable.
¿El RAG elimina la alucinación?
No. El RAG reduce el riesgo al apoyar la respuesta en fragmentos de su base, pero la calidad depende de documentos claros, actualizados y sin contradicciones, además de instrucciones y límites de alcance.
¿Qué responde la IA cuando no encuentra la respuesta?
Depende de la configuración. El diseño recomendado es admitir que no sabe y ofrecer traspasar a una persona, en lugar de inventar. Pruebe ese comportamiento en simulación.
¿Cuánto tarda en entrenarse un agente?
Depende del volumen y de la calidad de los documentos. Lo que más pesa es organizar el contenido y probar. Pida al equipo de Tolky un cronograma para su caso.
¿Puedo usar la misma base en varios canales?
Sí. Tolky opera WhatsApp, webchat, Microsoft Teams y voz sobre el mismo historial, y usted define el alcance de cada atención.
Conclusión
Entrenar un agente de IA es, en la práctica, organizar el conocimiento de la empresa, definir límites y probar antes de publicar. El RAG y una base revisada reducen la alucinación; las simulaciones y la revisión continua mantienen la calidad. ¿Vamos a conversar?
Vea los planes, conozca la atención en WhatsApp o hable con el equipo →
Compartir
Etiquetas
- entrenar agente de IA con base de conocimiento
- base de conocimiento para IA
- RAG en la atención
- alucinación de IA
- #AI CRM conversacional
- simulación de agente de IA
- entrenar chatbot con documentos
- #agente de IA para WhatsApp
Citado en
- Cómo elegir un agente de IA para WhatsApp: checklist de 12 preguntas
- Agente de IA para Microsoft Teams: atención interna y campañas
- IA conversacional para clínicas y salud: confirmación de citas y LGPD
- IA conversacional para educación: captación de alumnos en WhatsApp
- IA conversacional en protección vehicular: cotización y siniestro
- Integrar HubSpot con un agente de IA en WhatsApp: paso a paso
- Voz con IA y URA semántica: el fin del marque 1 en la atención
Sobre el autor

Marlos Carmo
Fundador de Tolky
Marlos Carmo es un emprendedor en IA y fundador de Tolky, la infraestructura y AI CRM de la era conversacional que unifica el servicio inteligente, la omnicanalidad (como WhatsApp y voz), el CRM en vivo y la inteligencia operativa en un único ecosistema. Es finalista del SXSW Innovation Awards e integrante de la Francesco's Economy, una red global de jóvenes emprendedores enfocados en la innovación y el impacto social. Trabaja conectando la Inteligencia Artificial y la transformación digital en proyectos para grandes organizaciones.
Siguiente paso
¿Quieres llevar esto a tu operación?
Tati, la asistente de IA de Tolky, entiende tu escenario en pocas preguntas, sugiere el mejor camino y te conecta con una persona del equipo con todo el contexto.


