Document Management + IA: La base que todos ignoran

El problema invisible

Cada semana, algún CEO me cuenta que "ya implementó IA" en su empresa. Cuando le pregunto qué hizo, la respuesta es casi siempre la misma: le dio acceso a ChatGPT a su equipo, o contrató un chatbot para WhatsApp que responde preguntas frecuentes cargadas en un PDF.

Luego me cuenta los problemas: el chatbot inventa precios, da información desactualizada, promete cosas que la empresa no ofrece, o responde con una confianza perturbadora cosas que son completamente falsas.

El diagnóstico habitual es "la IA no está lista" o "necesitamos un modelo mejor". El diagnóstico real es mucho más simple y mucho más incómodo: la IA no conoce tu empresa.

No la conoce porque nadie se tomó el trabajo de enseñársela. Le dieron un PDF con 40 preguntas frecuentes y esperaron que entendiera la operación completa. Es cómo contratar a un vendedor, darle un folleto de una página y mandarlo a atender clientes el primer día. El resultado no debería sorprender a nadie.

Antes de que la IA pueda operar tu negocio, necesita entender tu negocio. Y entender tu negocio significa tener acceso estructurado, categorizado y actualizado a los documentos que definen cómo funciona tu organización: contratos, procedimientos operativos, políticas, listas de precios, organigramas, manuales de marca, playbooks de venta.

Document Management no es un proyecto de IT. Es la infraestructura fundamental sin la cual la IA Operacional no puede existir.

Por qué los Knowledge Bases tradicionales fallan

La mayoría de las implementaciones de IA usan lo que se conoce cómo Knowledge Base: un repositorio de documentos que se procesan, se dividen en fragmentos, se convierten en vectores numéricos y se almacenan en una base de datos vectorial. Cuando el usuario hace una pregunta, el sistema busca los fragmentos más "similares" matemáticamente y los pasa cómo contexto al modelo de lenguaje. Esto se conoce cómo RAG: Retrieval-Augmented Generation.

El concepto es sólido. La implementación típica, no.

Problema 1: Fragmentación sin estructura. Los documentos se cortan en pedazos de 500-1000 tokens sin respetar la estructura lógica del documento. Un párrafo que describe las contraindicaciones de un procedimiento puede quedar separado del párrafo que describe el procedimiento mismo. El modelo recibe un fragmento descontextualizado y genera una respuesta que puede ser técnicamente correcta pero operativamente peligrosa.

Problema 2: Ausencia de metadatos operativos. Un fragmento de texto que dice "el precio es S/2,800" no tiene, por sí solo, ningún valor operativo. Necesitas saber: precio de qué servicio, en qué fecha, para qué tipo de cliente, con qué condiciones de pago, si incluye consulta previa, si aplican descuentos. Sin metadatos, el fragmento es ambiguo. La ambigüedad es el combustible de las alucinaciones.

Problema 3: No hay ciclo de vida. Los documentos se cargan una vez y se olvidan. La lista de precios cambia, el procedimiento se actualiza, la política se modifica. El Knowledge Base sigue sirviendo la versión anterior. No hay mecanismo de versionamiento, no hay alertas de documentos obsoletos, no hay flujo de actualización.

Problema 4: No hay relación entre documentos. La política de cancelación está en un documento. La política de reembolso en otro. El script de atención al cliente en un tercero. Pero cuando un paciente quiere cancelar su cita y pide devolución, el agente necesita los tres documentos simultáneamente, y necesita saber que están relaciónados. Un Knowledge Base plaño no modela estas relaciones.

Cerebra aborda estos cuatro problemas con una arquitectura de tres capas y una taxonomia universal.

La taxonomía universal de 8 categorías

Antes de hablar de tecnología, hablemos de organización. Todo documento que una empresa produce o recibe cae en una de ocho categorías funcionales. No importa si es una clínica estética, una distribuidora de alimentos o una firma de abogados. Las categorías son universales porque reflejan las funciones universales de cualquier organización.

1. Legal Contratos con clientes, contratos con proveedores, acuerdos de confidencialidad, registros de propiedad intelectual, términos y condiciones, políticas de privacidad, actas constitutivas, poderes notariales. Estos documentos definen lo que la empresa puede y no puede hacer legalmente.

2. Recursos Humanos Contratos laborales, descripciones de puesto, políticas internas, reglamento de trabajo, manuales de inducción, evaluaciones de desempeño, estructura organizacional. Estos documentos definen cómo funciona la organización internamente.

3. Marketing Guías de marca, estrategias de comunicación, calendarios de contenido, materiales publicitarios, estudios de mercado, análisis de competencia, briefings de campaña. Estos documentos definen cómo la empresa se presenta al mundo.

4. Ventas Scripts de venta, playbooks comerciales, catálogos de productos y servicios, listas de precios, propuestas comerciales, presentaciones de venta, testimonios de clientes, casos de éxito. Estos documentos son los que el agente de IA usa directamente para vender.

5. Operaciones Procedimientos operativos estándar (SOPs), manuales de procesos, checklists, protocolos de atención, flujos de trabajo, guías de calidad. Estos documentos definen cómo se ejecuta el trabajo día a día.

6. Finanzas Presupuestos, reportes financieros, políticas de cobranza, políticas de descuento, tablas de comisiones, estructuras de precio, políticas de facturación. Estos documentos definen las reglas del dinero.

7. Producto Especificaciones técnicas, hojas de seguridad, fichas de producto, manuales de uso, guías de servicio, documentación técnica, roadmaps de producto. Estos documentos definen qué ofrece la empresa en detalle técnico.