Muchas empresas ya tienen un chatbot en su web, y muchas lo acaban quitando. Los de botones y respuestas fijas se quedan cortos en cuanto alguien pregunta algo que no estaba previsto. Los que conectan un modelo de lenguaje sin más responden a todo, también a lo que no saben, y a veces se inventan una política de devoluciones o un precio.
Lo que una empresa necesita es otra cosa: un chatbot que responda solo con su conocimiento, que diga de dónde sale cada respuesta y que pase el caso a una persona cuando no lo sabe. Esta guía explica cómo funciona un chatbot así, para qué se usa y qué tener en cuenta antes de ponerlo en marcha.

Qué tipo de chatbot necesita una empresa
| Cómo responde | Cuándo encaja | El riesgo | |
|---|---|---|---|
| Chatbot de reglas | Menús y respuestas escritas a mano | Preguntas muy repetidas y cerradas (horarios, estado de un pedido) | Se queda corto con cualquier pregunta abierta y hay que mantener cada respuesta |
| Chatbot con IA genérico | Un modelo de lenguaje con lo que sabe de internet | Ideas, borradores, uso personal | Responde con seguridad cosas que no son de tu empresa, o que no son verdad |
| Chatbot con IA y RAG | Busca en la base de conocimiento de la empresa y redacta solo con lo que encuentra | Atención al cliente, soporte, consultas internas | Depende de que el conocimiento esté ordenado y al día |
| Agente de IA | Además de responder, ejecuta acciones en otros sistemas | Procesos con varios pasos (crear un pedido, abrir una incidencia) | Necesita permisos, límites y supervisión |
Para la mayoría de usos de empresa, el punto de partida es el tercero. Los agentes de IA vienen después, cuando el chatbot ya responde bien y se quiere que también actúe.
Para qué usan las empresas un chatbot con IA
- Atención al cliente en la web: preguntas sobre productos, envíos, condiciones o servicios, a cualquier hora y en varios idiomas.
- Chatbot interno: el equipo pregunta por procedimientos, políticas, documentación técnica o normativa interna, y recibe la respuesta con el documento de origen.
- Soporte técnico y posventa: manuales, fichas técnicas e incidencias resueltas, para dar la primera respuesta o preparar el caso al técnico.
- Ventas: dudas sobre el catálogo, compatibilidades o qué producto encaja, con el paso al comercial cuando la conversación lo pide.
- Incorporación de personas: lo que un empleado nuevo pregunta las primeras semanas, sin depender siempre de un compañero.
El mismo motor puede responder en la web, en la intranet o en un canal de mensajería. Lo que cambia es la puerta de entrada, no el conocimiento.
Cómo funciona un chatbot con RAG
RAG (retrieval-augmented generation, generación aumentada con recuperación) quiere decir que, antes de responder, el chatbot busca en la información de la empresa y redacta a partir de lo que ha encontrado.
- Base de conocimiento validada. Se reúnen los documentos que valen como fuente: preguntas frecuentes, fichas de producto, condiciones, manuales, procedimientos. Alguien de la empresa decide qué entra y qué no.
- Indexación. Los documentos se dividen en fragmentos y se guardan en una base de datos vectorial (por ejemplo, PostgreSQL con pgvector), que permite buscar por significado y no solo por palabras exactas.
- Recuperación. Con cada pregunta, el sistema busca los fragmentos que tratan de lo mismo.
- Redacción. El modelo de lenguaje escribe la respuesta usando solo esos fragmentos.
- Cita de la fuente. La respuesta indica de qué documento sale, para que quien pregunta pueda comprobarlo.
- Revisión y derivación. Si no hay información suficiente, el chatbot lo dice y pasa la conversación a una persona.

Las piezas de detrás (datos, modelo, código, control) las explicamos con más detalle en nuestra guía de arquitectura de IA.
Cómo evitar que se invente respuestas
Un chatbot de empresa no puede improvisar. Lo que funciona es poner el control en varias capas:
- Filtro de entrada: detecta preguntas fuera de tema, intentos de manipular el chatbot o datos personales que no debería recibir.
- Redacción solo con contenido aprobado: si la respuesta no está en la base de conocimiento, no se responde con lo que el modelo «cree».
- Un segundo modelo que revisa cada respuesta antes de enseñarla: comprueba que se apoya en las fuentes y que no promete nada que la empresa no ofrece.
- Derivación a una persona cuando falta información o el caso lo pide (una queja, un presupuesto, un dato de un cliente).
- Batería de preguntas de prueba que se pasa antes de cada cambio, para saber si el chatbot ha mejorado o ha empeorado.
- Registro de las conversaciones: muestra qué se pregunta y qué no tiene respuesta, y eso dice qué hay que añadir a la base de conocimiento.
Datos, privacidad y proveedor de IA
- Dónde están los datos. Alojamiento en la UE y tratamiento de los datos personales según el RGPD.
- Sin entrenar modelos con tus datos. La información de la empresa se usa para responder, no para mejorar el modelo de un tercero.
- Independiente del proveedor. Si el sistema no depende de un único modelo de lenguaje, se puede cambiar de proveedor sin rehacerlo cuando aparezca uno mejor o más barato.
- Quién lo mantiene. El conocimiento de la empresa cambia; alguien tiene que poder actualizar la base sin pasar por un programador, por ejemplo desde un gestor de contenidos.
Herramienta estándar o chatbot a medida
| Herramienta estándar | Chatbot a medida | |
|---|---|---|
| Puesta en marcha | Rápida, con plantillas | Requiere un proyecto, empezando por un piloto |
| Conocimiento | Sube documentos o enlaza tu web | Fuentes validadas, con la estructura y los permisos que necesites |
| Integraciones | Las que traiga la herramienta | Con tu ERP, CRM, catálogo o sistema de incidencias |
| Control | El que permita la herramienta | Reglas, revisión y derivación diseñadas para tu caso |
| Datos y proveedor | Los del fabricante | Tú decides dónde se alojan y qué modelo se usa |
| Encaja cuando | Preguntas sencillas y poco volumen | Conocimiento propio, varios sistemas o requisitos de control y privacidad |
Errores habituales
- Cargar todos los documentos de la empresa sin revisar: el chatbot repetirá también lo que está desactualizado o es contradictorio.
- No prever qué pasa cuando no sabe la respuesta.
- Lanzarlo a todos los clientes a la vez, sin un piloto ni preguntas de prueba.
- Medir solo cuántas conversaciones hay, y no cuántas se resuelven bien.
- Olvidarse de mantenerlo: productos, precios y políticas cambian, y la base de conocimiento también tiene que hacerlo.
Cómo empezar
- Elige un uso concreto: las preguntas de clientes sobre envíos y devoluciones, o las consultas internas sobre un procedimiento.
- Reúne y revisa las fuentes de ese uso, y decide quién las mantiene.
- Prepara las preguntas de prueba con las respuestas correctas.
- Haz un piloto con un grupo reducido y revisa las conversaciones.
- Mide cuántas preguntas resuelve, cuántas deriva y qué falta en la base.
- Amplía a otros usos o canales cuando el primero funciona.
Chatbots con IA en Omitsis
Desarrollamos chatbots con gobernanza y control total: responden solo con el conocimiento que la empresa ha validado, citan la fuente, pasan por un control en tres capas y tienen los datos en la UE, con un servicio propio en Node.js e independiente del modelo de lenguaje. Los conectamos con los sistemas que ya usáis, como parte de nuestras soluciones de IA para empresas.
Si estás pensando en un chatbot para tu web o para tu equipo, cuéntanos tu caso. Y si buscas quién te lo haga, quizá te sirva nuestra guía sobre qué hace un integrador de IA y cómo elegir uno.