Copilotos RAG sobre el conocimiento de la empresa
Respuesta corta
SwankyForge construye copilotos de generación aumentada por recuperación (RAG): asistentes que responden preguntas del personal o de los clientes a partir de sus propios documentos, políticas y sistemas, y citan el fragmento del que sale cada respuesta. Cada release se comprueba con un conjunto de preguntas reales antes de pasar a producción. Un proyecto habitual dura 4–8 semanas y cuesta 8k €–18k €.
¿Puede un cliente devolver un artículo abierto después de 20 días?
Sí, dentro de los 30 días si el artículo no está dañado y conserva su embalaje. Se excluyen los productos de higiene abiertos.
- [1] Política de devoluciones, sección 4.2
- [2] Lista de productos de higiene, actualizada en marzo
2 fuentes · respuesta verificada con el conjunto de test de la release
¿Le suena?
- El personal interrumpe a los compañeros en lugar de leer la política.
- Soporte responde las mismas preguntas todos los días.
- Un piloto de chatbot respondió con seguridad y se equivocó.
- El conocimiento está repartido entre wikis, PDFs y tickets.
- Nadie sabe si el asistente está mejorando o empeorando.
Qué construimos
Asistente de conocimiento interno
Políticas, procedimientos y documentación de producto, respondidos con un enlace a la fuente.
Respuestas de soporte
Borradores de respuesta para agentes, o respuestas directas a clientes, a partir del centro de ayuda.
Búsqueda entre fuentes
PDFs, wikis, tickets y unidades compartidas en un solo lugar, con sus permisos.
Consultas en sus sistemas
Preguntas sobre un pedido, un contrato o una cuenta respondidas con datos en vivo.
Tests de release
Un conjunto de preguntas reales que cada cambio tiene que superar.
Reglas de acceso
Cada persona solo ve respuestas construidas con documentos que tiene permiso para abrir.
Cómo se desarrolla un proyecto
- 1
Reunir preguntas reales
Unos cientos de preguntas que la gente hace de verdad, con las respuestas que aceptaría un experto. Esto se convierte en el conjunto de test.
- 2
Conectar las fuentes
Documentos, wikis y tickets se indexan con sus permisos, para que nadie vea un documento que no podría abrir.
- 3
Recuperar y después responder
El sistema encuentra primero los fragmentos relevantes y luego redacta una respuesta que los cita y enlaza. Sin fuente, no hay respuesta.
- 4
Medir antes de publicar
Cada cambio se evalúa con el conjunto de test: correcta, parcialmente correcta, incorrecta o rechazada. Una release que puntúa peor no sale.
- 5
Operar y mejorar
El logging, los botones de feedback y una revisión semanal de las preguntas fallidas alimentan la siguiente iteración.
Qué se entrega
- Asistente en el canal que el equipo ya usa: web, chat o helpdesk
- Conjunto de test de preguntas reales con respuestas de expertos
- Informe de evaluación para cada release
- Conectores de fuentes y permisos
- Código, prompts y runbooks en su repositorio
Precio habitual
8k €–18k €
Plazo habitual
4–8 semanas
Según la tarifa publicada. El precio final se fija una vez acordado el alcance.
Estimar su proyectoCaso relacionado
- Diseño de referencia
El personal preguntaba a los compañeros en lugar de leer la política. Ahora pregunta y obtiene una respuesta que puede comprobar.
Precisión de respuesta: 61% → 89.2%
- Diseño de referencia
Cada factura se leía y se tecleaba a mano. Ahora cuatro de cada cinco pasan sin que nadie las toque.
Procesamiento sin intervención: 0% → 81%
Preguntas
RAG o fine-tuning: ¿cuál necesitamos?
Para responder a partir del conocimiento de la empresa, conviene empezar con RAG: usa documentos actuales, muestra sus fuentes y se actualiza sin reentrenar. El fine-tuning ayuda con el tono, el formato o una tarea acotada, y suele ser un paso posterior, si es que hace falta.
¿Se usarán nuestros datos para entrenar el modelo de otro?
No. Usamos proveedores de modelos con condiciones que excluyen el entrenamiento con sus datos, o ejecutamos modelos abiertos dentro de su nube cuando ese es el requisito.
¿Cómo evitan que se invente cosas?
Responde solo a partir de fragmentos recuperados y se abstiene cuando no encuentra nada relevante. El conjunto de test mide con qué frecuencia se equivoca, así que el riesgo es una cifra y no una suposición.
¿Qué modelo de lenguaje usan?
El que mejor puntúe en su conjunto de test con un coste aceptable. El sistema está construido para poder cambiar de modelo sin reescribirlo.
¿Cuánto cuesta operar un asistente RAG?
El uso del modelo se paga por pregunta. Lo estimamos a partir del volumen de preguntas previsto antes de empezar el proyecto, y después el dashboard muestra la cifra real.
Cuéntenos la tarea.
La primera llamada es gratuita. Si este sistema no es la respuesta adecuada para sus cifras, lo decimos.