Un visitante entró a nuestro sitio, abrió el chat y escribió una pregunta de siete palabras: «¿tienen información sobre cámaras?». El asistente automático le respondió: «¡Perfecto! ¿A qué correo podemos escribirle?». El visitante cerró la ventana y se fue. Nadie lo volvió a ver.
Ese visitante era yo, probando nuestro propio chat. Y esa conversación de dos líneas fue el punto de partida de esta serie: convertir un chat que captura datos en un agente que conversa, con inteligencia artificial, sobre nuestra propia infraestructura y con nuestras propias reglas.
Esta es la primera parte de una crónica técnica en varias entregas. No es un anuncio de producto: es el registro honesto de un diseño en curso, con sus decisiones, sus mediciones y sus errores.
El problema no era el chat. Era el guion.
Casi todos los chats de sitios web funcionan igual: un árbol de pasos. Saluda, pregunta en qué puede ayudar, pide correo, pide teléfono, registra el contacto y despide. Es un formulario disfrazado de conversación.
Mientras el visitante siga el camino previsto, funciona. El problema aparece cuando el visitante hace lo que hace la gente real: preguntar algo. El guion no tiene forma de escuchar — solo de avanzar al siguiente paso. La pregunta se pierde, y con ella se pierde el interés.
Un guion no responde preguntas: las atraviesa. Y cada pregunta atravesada es una venta que se enfría.
La medición que teníamos era clara: conversaciones abandonadas a mitad del formulario, y cero respuestas útiles entregadas. El chat capturaba correos, sí — pero de personas que ya se habían ido con su duda intacta.
La decisión: que el agente hable primero, no el formulario
La alternativa era invertir el orden. Que un agente con inteligencia artificial conversara desde el primer mensaje, entendiera la pregunta, la respondiera con información real de la empresa, y pidiera los datos de contacto solo cuando la conversación lo justificara.
Eso abre tres preguntas incómodas que hay que responder antes de escribir una línea de código:
- ¿De dónde saca lo que dice? Un modelo de lenguaje sin fuentes inventa con enorme seguridad. Un agente comercial que inventa precios o promete productos inexistentes no es un activo: es un pasivo.
- ¿Qué puede hacer, exactamente? Un agente conectado al sistema de gestión de la empresa necesita permisos. Cada permiso que se le concede es una puerta que alguien podría empujar.
- ¿Cómo sabemos que funciona? «Se ve bien en las pruebas que hice» no es un criterio. Hace falta una forma de medir que no dependa del entusiasmo del que construyó.
Las tres respuestas definieron la arquitectura. Esta primera entrega trata de la primera.
Cimiento uno: una base de conocimiento que no puede filtrar
Para que el agente responda con hechos y no con invenciones, necesita una base de conocimiento: un repositorio de lo que la empresa sabe, consultable por significado y no por palabras exactas. Cuando alguien pregunta «¿manejan seguridad perimetral?», el sistema debe encontrar el contenido sobre cortafuegos aunque esas palabras nunca aparezcan juntas.
La decisión de diseño más importante no fue técnica sino de seguridad, y se resume en una frase: la frontera de lo público se impone al momento de recolectar, no al momento de responder.
El recolector de contenidos navega el sitio corporativo como un visitante anónimo: sin sesión, sin credenciales, sin acceso privilegiado. Lo que un desconocido no puede ver desde su navegador, sencillamente nunca entra al repositorio. Por construcción, el agente público no puede filtrar información interna — no porque se le haya prohibido, sino porque no la tiene.
La alternativa habitual —volcar todo el conocimiento de la empresa y confiar en que el modelo sea discreto con lo confidencial— hace depender la seguridad del buen comportamiento de un sistema probabilístico. Nosotros preferimos que dependa de la aritmética: lo que no se recolecta, no se puede revelar.
Cómo quedó construido
| Recolección | Recorrido diario del sitio público en modo anónimo; el resultado del día queda archivado como registro auditable de qué sabía el agente en cada fecha. |
| Comprensión | Cada fragmento se convierte en una representación numérica de su significado, de modo que la búsqueda entienda equivalencias en lugar de exigir palabras idénticas. |
| Almacenamiento | Base de datos propia, en infraestructura propia, con respaldos automáticos varias veces al día. |
| Actualización | Automática de madrugada. Si el sitio cambia hoy, el agente lo sabe mañana sin intervención humana. |
La lección que no esperábamos: el catálogo hablaba en clave
Con la base construida, hicimos una prueba obvia: buscar «cortafuegos para la oficina». El resultado fue desconcertante: el equipo de seguridad perimetral que vendemos ni siquiera aparecía entre los primeros ocho resultados.
La causa no estaba en la tecnología de búsqueda. Estaba en el catálogo. Los productos se llamaban por su nombre comercial —marca y modelo—, sin descripción, sin ficha técnica, sin una sola línea que dijera qué son. Un cliente que busca por necesidad («ocupo proteger mi red») nunca se encuentra con un producto que solo se anuncia por referencia.
La inteligencia artificial no arregla un catálogo mudo. Lo delata.
Este hallazgo cambió el alcance del proyecto. No bastaba con enseñarle a conversar al agente: había que darle algo que decir. Construimos un segundo agente —de mantenimiento de catálogo— que redacta descripciones y fichas para los productos que no las tienen, con una regla inquebrantable: ninguna especificación que no esté respaldada. Si el nombre del producto no dice la capacidad, la ficha no la inventa; habla de uso y compatibilidad general. Cada propuesta pasa por revisión humana antes de publicarse.
Tras aplicar la primera tanda de descripciones y refrescar la base de conocimiento, repetimos la búsqueda. El equipo de seguridad perimetral apareció en primer lugar. El agente no se volvió más listo: el catálogo aprendió a hablar el idioma del cliente.
Lo que llevamos hasta aquí
- Un guion de chat que capturaba datos pero no respondía preguntas — y la decisión de reemplazarlo por un agente conversacional.
- Una base de conocimiento cuyo diseño hace imposible filtrar información interna, porque nunca la recolecta.
- Un catálogo enriquecido con descripciones honestas, que convirtió productos invisibles en productos encontrables.
- Una convicción que gobierna todo lo que sigue: en un sistema con inteligencia artificial de cara al público, las garantías importantes no se piden por instrucción: se construyen por arquitectura.
Próximamente
En la segunda parte: cómo se construye un agente que vende sin mentir. Herramientas con validación propia en lugar de un modelo con libertad para actuar; un banco de pruebas que incluye intentos deliberados de manipulación; y el registro de cada vez que el modelo intentó tomar un atajo — y qué lo detuvo.
Esta serie documenta un proyecto real, en curso, construido con infraestructura propia. Si su organización está evaluando un asistente con inteligencia artificial y prefiere entender los cimientos antes que comprar una demostración, escríbanos: comercial@turing-consultores.com.