A la IA de tu empresa no le falta inteligencia: le falta lo que tu equipo sabe y nunca ha escrito
Parte de la serie sobre tiempo de respuesta a los contactos
El jefe de una gran empresa de datos lo resume así: la IA no tiene un problema de inteligencia, sino de contexto. Qué sabe tu equipo sin escribir y cómo pasarlo a papel.
Los agentes de IA ya hacen solos tareas de programación que a un ingeniero le llevan un día entero. Y, aun así, en la mayoría de las empresas no se les deja actualizar una ficha de cliente sin que alguien lo mire.
Esa contradicción es el punto de partida de un ensayo largo de la firma inversora a16z sobre Databricks, una empresa estadounidense de datos, y sobre cómo cambiará el trabajo dentro de las compañías. Su consejero delegado, Ali Ghodsi, lo resume en una frase: «La IA no tiene un problema de inteligencia. Tiene un problema de contexto».
El ensayo habla de empresas enormes y de bases de datos. Pero la idea de fondo sirve igual para una pyme de ocho personas, y explica la mayoría de las veces que un asistente de IA «se inventa» algo en tu negocio.
Qué dice el ensayo, sin la parte técnica
La tesis es sencilla. Hasta la persona más lista sería casi inútil en tu empresa el primer día sin tres cosas: acceso a los datos, permiso para actuar y lo que sabe el resto del equipo. A la IA le pasa lo mismo.
El ensayo llama a ese conocimiento la «ontología» de la empresa: un modelo de qué existe, cómo se relacionan las cosas, qué significan las palabras y qué fuente manda cuando dos dicen cosas distintas. Una parte está en programas, documentos y hojas de cálculo. Pero buena parte, dice, solo vive en la cabeza de la gente con experiencia.
Y nunca está terminado. Los contratos cambian, los apaños se convierten en procesos, las excepciones se vuelven reglas, y lo que está escrito se va alejando de cómo se trabaja de verdad. Lo mismo pasa con quién decide qué y con el recuerdo de qué decisiones salieron bien.
El ejemplo que pone es muy reconocible. El director comercial sabe que la mayor operación del trimestre está parada porque su interlocutor está buscando otro trabajo. Y sabe que cuando cierto comercial dice «90% seguro» quiere decir 50%. Por eso corrige la previsión antes de que llegue arriba. Nada de eso está en el sistema.
La consecuencia: para que la IA actúe con autonomía, ese conocimiento tiene que salir de las cabezas y pasar a un sitio donde se pueda consultar. Según pruebas de la propia empresa, darle ese contexto a un agente subió la exactitud de sus respuestas de alrededor del 50% al 84,5%. Es una cifra del fabricante, en sus propias pruebas, pero apunta a algo que cualquiera que haya probado un asistente ha visto: la diferencia no la marca el modelo.
En una pyme, el contexto tiene nombre y apellido
En una empresa pequeña esto es todavía más extremo. No hay un departamento que documente nada. Lo que sabe la empresa lo sabe la persona que lleva diez años contestando el teléfono.
Ejemplo: una promotora de obra nueva en la costa. Lo que su comercial sabe y no está escrito en ningún sitio podría ser algo así:
- Qué significa cada palabra. «Reservado» en la hoja de disponibilidad quiere decir que hay una señal pagada, no que alguien haya preguntado.
- Qué fuente manda. Si la web y la hoja de precios no coinciden, vale la hoja, porque la web se actualiza una vez al mes.
- Las excepciones. A los compradores que vienen por un agente externo no se les cita directamente: se avisa primero al agente.
- Quién decide. Cualquier cambio en la forma de pago lo aprueba el director, no el comercial.
- Qué funciona. A los compradores extranjeros que piden información en invierno les sirve más una videollamada que un dosier.
Un asistente que conteste a los contactos sin saber esto se equivocará con toda la seguridad del mundo. Dirá que una vivienda «reservada» está disponible, dará el precio de la web y citará directamente al cliente del agente. No porque sea torpe, sino porque nadie se lo ha contado.
Es lo que explicamos en por qué tu asistente de IA suena genérico: sin el contexto de tu negocio, contesta con lo que sabe en general.
Las cuatro preguntas que tiene que poder contestar
El ensayo dice que el registro de una empresa preparada para la IA tiene que responder siempre a cuatro preguntas. Traducidas a una pyme:
¿Qué es verdad ahora mismo?
Precios, disponibilidad, horarios, plazos. Los datos que cambian. Si están en tres sitios distintos y no se sabe cuál está al día, la IA cogerá uno al azar. Lo primero es decidir cuál es la fuente buena de cada dato y quién la mantiene.
¿Qué significa?
Un pequeño diccionario de tu negocio. Qué es un contacto «caliente» aquí, qué cuenta como «presupuesto enviado», qué es «urgente». Parece una tontería hasta que dos personas del mismo equipo dan definiciones distintas.
¿Qué está permitido?
Qué puede hacer el sistema solo, qué tiene que esperar a que alguien lo apruebe y qué no debe hacer nunca. Lo desarrollamos en qué trabajo puede vigilar un asistente y qué debe esperar tu visto bueno.
¿Ha funcionado?
El ensayo lo llama escribir tus propios exámenes: cuáles son los resultados aceptables y cuáles son los errores que no se pueden cometer. Sin eso no hay forma de saber si el asistente lo está haciendo bien o solo lo parece.
Los dos bancos
La parte más útil del ensayo es un ejemplo de dos bancos que alquilan el mismo modelo de IA para ayudar a decidir créditos.
El primero le manda una pregunta, recibe una respuesta y apunta la decisión final. El segundo apunta además qué datos llevaron a esa respuesta, cuándo una persona la corrigió, qué decisiones salieron bien y cuáles mal, y ajusta sus reglas con eso.
Un año después sale un modelo mejor. Los dos lo contratan. Pero solo uno ha construido un banco mejor, porque el modelo nuevo hereda sus definiciones, sus casos revisados y sus excepciones. El otro vuelve a empezar desde la misma pregunta que todo el mundo.
Para una pyme la lección es directa. El modelo lo puede alquilar cualquiera, también tu competencia. Lo que no se puede alquilar son tus correcciones. Cada vez que alguien de tu equipo arregla una respuesta del asistente y eso no queda apuntado, se pierde.
Y hay un efecto secundario: si esas reglas y esos casos los guardas tú, fuera de una herramienta concreta, puedes cambiar de proveedor sin perder lo aprendido. Sobre eso escribimos en cuando te quedas atado a tu proveedor.
Todo el mundo pasa a ser un poco jefe
El ensayo acaba en una idea que conviene tener presente al hablar con el equipo. Dice que el efecto de la IA en el trabajo no es que todo el mundo se vuelva programador. Es que más gente pasa a hacer de jefe: explicar el trabajo, repartirlo, revisar lo que vuelve y mejorar el proceso.
No hace falta tener a nadie a cargo para eso. La persona que contesta a los clientes deja de escribir cada respuesta desde cero y pasa a revisar, corregir y decidir los casos difíciles. Según el ensayo, cuando la IA abarata la ejecución rutinaria, sube el valor del criterio que la dirige.
Dicho de otra forma: la persona que lleva diez años en tu empresa no sobra. Es exactamente la que sabe lo que la IA no sabe. Lo que cambia es que ese conocimiento tiene que salir de su cabeza.
Tres errores al intentarlo
Cuando una empresa pequeña intenta poner esto por escrito, hay tres tropiezos fáciles de prever:
- Escribir cómo debería funcionar, no cómo funciona. El documento bonito que describe el proceso ideal no le sirve a nadie. Lo útil son los apaños y las excepciones reales, aunque den un poco de vergüenza.
- Hacerlo una vez y olvidarlo. Los precios cambian, una persona se va, entra un producto nuevo. Un contexto que nadie revisa se queda viejo en meses y la IA sigue usándolo como si fuera verdad.
- Pedírselo a quien no hace el trabajo. Quien dirige sabe cómo debería ser; quien contesta cada día sabe cómo es. Hacen falta los dos, pero el segundo es el que no se puede saltar.
Qué hacer el lunes
Sin comprar nada, con un solo proceso:
- Elige uno. El que más se repite y más duele cuando sale mal. Por ejemplo, contestar a los contactos nuevos.
- Siéntate media hora con quien mejor lo hace, con diez casos reales delante, y pídele que explique en voz alta qué haría en cada uno y por qué.
- Apunta cuatro listas: las palabras que usa y qué significan, de dónde saca cada dato, las excepciones y quién decide cada cosa.
- Escribe el examen: cinco respuestas que estarían bien y tres errores que no se pueden cometer nunca.
- Abre un registro de correcciones. Cada vez que alguien corrija una respuesta, una línea: qué se dijo, qué debía decirse y por qué.
Ese documento sirve aunque nunca pongas una IA a trabajar. Es lo que necesitaría una persona nueva el primer día. Y si un día la pones, será lo que separe un asistente que se inventa cosas de uno que contesta como tu mejor empleado.
Fuentes
- Databricks & the Future of the Firm — a16z, octubre de 2026.
Preguntas frecuentes
¿Por qué el asistente de IA de mi empresa contesta cosas que no son verdad?
Muchas veces no es que el modelo sea malo, sino que contesta con lo que sabe en general y no con lo que sabe tu empresa: tus precios de este mes, tus excepciones o lo que significa cada palabra en tu negocio. Si eso no está escrito y al día, el asistente lo rellena con algo que suena bien.
¿Hace falta un gran sistema de datos para darle contexto a la IA?
No para empezar. Lo que describe el ensayo es para empresas enormes. En una pyme, lo primero es un documento por proceso con las palabras, las reglas, las excepciones y quién decide, y una lista de casos bien y mal resueltos. La herramienta viene después.
Lo importante es que ese documento tenga dueño y fecha de revisión: un contexto que caduca es casi peor que no tenerlo.
¿Por dónde empiezo si nunca hemos escrito nada de cómo trabajamos?
Por el proceso que más se repite y más duele cuando sale mal, por ejemplo contestar a los contactos nuevos. Pide a la persona que mejor lo hace que lo cuente en voz alta con casos reales delante, apúntalo y conviértelo en reglas cortas.
Si cambio de proveedor de IA, ¿pierdo todo ese trabajo?
No, si lo guardas tú. Las reglas, las definiciones y los casos corregidos son tuyos y sirven para cualquier modelo. Lo que se pierde es lo que solo vive en la configuración de una herramienta concreta, y por eso conviene tenerlo también fuera de ella.
El diagnóstico gratuito es media hora mirando un proceso concreto de tu empresa, normalmente cómo se contesta a quien te escribe, y lo que sabe tu equipo de él que no está escrito en ningún sitio. De ahí sale qué se puede automatizar ya, qué hay que dejar por escrito antes y qué debe seguir en manos de una persona.
Cómo trabajamos la IA aplicada a procesos reales está en la página de IA para empresas: primero el contexto y las reglas, después el sistema, y siempre con una persona que decide en los casos que importan. Sin tarifa publicada: el alcance y el importe se cierran por escrito después del diagnóstico.