Grandes empresas
Preparación de datos para IA: que el agente responda con información fiable
La preparación de datos para IA es el trabajo previo que decide si un agente acierta o inventa: qué fuentes usa, qué versión es la buena y quién puede ver qué.
Respuesta corta
Preparar datos para IA es inventariar las fuentes de la empresa, limpiar duplicados y versiones obsoletas, unificar formatos, etiquetar la documentación y respetar los permisos de acceso de cada persona. Un agente con datos ordenados da respuestas que se pueden comprobar; con datos desordenados, mezcla versiones y se equivoca.
¿Qué incluye la preparación?
La preparación incluye inventariar las fuentes y sus responsables, eliminar duplicados y documentos caducados, respetar los permisos que ya existen en cada sistema y tratar los datos personales antes de indexarlos.
Inventario de fuentes
Carpetas compartidas, ERP, CRM, correo e intranet: qué hay, dónde está y quién responde de cada fuente.
Limpieza y versiones
Se retiran duplicados y documentos caducados, y se marca cuál es la versión vigente.
Permisos heredados
El agente solo muestra a cada usuario lo que ya podía ver en el sistema de origen.
Datos personales
Se identifican y se tratan según protección de datos antes de que entren en el índice.
¿Por qué no basta con conectar la IA a todo?
Porque en cualquier empresa conviven tarifas de hace años, procedimientos sustituidos y borradores que nunca se aprobaron. Si la IA los lee como válidos, responde con seguridad algo que ya no es cierto. Preparar los datos es lo que permite confiar en la respuesta.
Preguntas frecuentes
¿Qué pasa si cada sede tiene versiones distintas del mismo documento?
Hay que decidir cuál es la vigente y separar lo común de lo propio de cada sede. Si no, el asistente puede mezclar información de varias versiones.
¿Puede la preparación de datos destapar permisos mal puestos?
Sí, ocurre a menudo. Al revisar las carpetas aparecen documentos sensibles accesibles a quien no debería verlos, y conviene corregirlo antes de conectar la IA.
¿Cuánto se tarda en preparar los datos para un proyecto de IA?
Depende del volumen y del orden de partida; por eso se empieza por las fuentes del primer caso de uso y no por toda la empresa.
¿Los datos salen de la empresa al prepararlos?
Se puede trabajar en vuestra infraestructura o en un servidor propio, de modo que los datos no salgan fuera.
¿Quién mantiene los datos ordenados después?
Se definen responsables por fuente y reglas de caducidad, y el agente puede avisar cuando encuentra documentos contradictorios.
¿Qué formatos de documento se pueden preparar para un agente?
Documentos de texto, PDF con texto o escaneados, hojas de cálculo, presentaciones, páginas de intranet, correos y datos de bases de datos o ERP. Los escaneados necesitan reconocimiento de texto previo, y las tablas complejas suelen requerir una revisión manual para que el agente las interprete bien.
¿Hay que digitalizar los documentos que solo existen en papel?
Solo los que el agente necesite para el caso de uso elegido. Se escanean, se pasan a texto y se revisan por muestreo. Digitalizar todo el archivo en papel de la empresa rara vez compensa al principio; se amplía según los nuevos casos que aparezcan.
¿Cómo se sabe si los datos ya están listos para la IA?
Se prepara una batería de preguntas reales con su respuesta correcta y se lanza contra el agente. Si contesta bien y cita la fuente vigente, los datos están listos para ese caso. Si mezcla versiones o no encuentra información, se vuelve a la fuente que falla.
Ejemplo aplicado
Ejemplo: una cadena de 40 gimnasios con normativa interna en carpetas por centro
Piensa en una cadena de 40 gimnasios con unos 500 empleados. Quiere un asistente que responda al personal de recepción sobre tarifas, bajas, normas de uso y protocolos. El problema: cada centro tiene su carpeta, con versiones distintas de las mismas normas y tarifas de tres temporadas mezcladas.
La preparación empieza antes de conectar nada:
- Inventario de fuentes: carpetas de cada centro, la intranet y los correos de la central con cambios de tarifas.
- Se marca qué documento es el vigente y se retiran los sustituidos.
- Se separa lo común de lo propio de cada centro, como horarios o actividades.
- Los permisos se revisan para que recepción no vea, por ejemplo, documentos de nóminas que estaban en la misma carpeta.
- Se quitan datos personales de socios que aparecían en ejemplos de protocolos.
Con los datos así, el asistente puede dar la tarifa correcta del centro desde el que se pregunta y citar el documento de origen. Sin esta fase, lo más probable es que mezclara precios antiguos y nuevos.
Precio
Presupuesto cerrado antes de empezar, después de un diagnóstico gratuito en el que vemos qué necesitas de verdad.
Ver precios y packs →Plazo
Te damos las fases y las fechas por escrito en la propuesta, antes de que firmes nada.
Pedir diagnóstico gratis →Fases de la preparación, de la fuente al índice
Preparar datos para un agente sigue un recorrido que va desde localizar la información hasta dejarla indexada y con responsable. Las fases son:
- Acotar el caso de uso. Qué preguntas tiene que responder el agente y qué fuentes hacen falta para ello.
- Inventario. Ubicación, formato, volumen, propietario y permisos de cada fuente.
- Depuración. Retirar duplicados, borradores y versiones caducadas, y marcar la vigente.
- Conversión. Pasar escaneados y formatos cerrados a texto legible, con lectura automática de documentos cuando hay mucho papel digitalizado.
- Etiquetado. Área, tipo de documento, fecha de vigencia y nivel de confidencialidad.
- Indexación con permisos. El agente hereda quién puede ver cada documento.
- Mantenimiento. Reglas de caducidad y avisos cuando aparecen contradicciones.
Problemas típicos según el tipo de fuente
Cada sistema de origen trae sus propios problemas. Esta tabla resume los más frecuentes y cómo se tratan:
| Fuente | Problema habitual | Tratamiento |
|---|---|---|
| Carpetas compartidas | Copias de un mismo documento con nombres distintos | Detección de duplicados y elección de la versión vigente con el área |
| ERP | Códigos internos que solo entiende quien los usa | Diccionario de campos y descripciones legibles |
| Correo | Información útil mezclada con datos personales | Filtrado previo y anonimización |
| Intranet | Páginas antiguas que nadie ha retirado | Revisión de fechas y archivo de lo obsoleto |
| Escaneados | Texto ilegible para la IA | Reconocimiento de texto y revisión de muestras |
Si la condición es que nada salga de vuestra infraestructura, el índice se monta con la opción de IA privada sobre información interna.
Ejemplo: la documentación de un departamento de calidad
Piensa en una empresa industrial cuyo departamento de calidad tiene cientos de procedimientos, instrucciones de trabajo y fichas técnicas acumulados durante años. Los operarios preguntan a calidad cada vez que dudan, porque buscar en la carpeta compartida es lento y no saben qué versión vale.
La preparación empezaría por separar los procedimientos aprobados de los borradores, marcar la revisión vigente de cada uno y retirar los sustituidos. Las fichas escaneadas se pasarían a texto y se revisarían por muestreo. Después se indexaría solo lo vigente, con la fecha y el código de cada documento visibles en cada respuesta.
Con esa base, un asistente interno de procedimientos podría contestar a los operarios citando el documento exacto, y calidad recibiría solo las dudas que el agente no resuelve.
También te puede interesar