¿RAG propio o la base de conocimiento de tu CRM?

Para que ventas y soporte reciban respuestas de una IA con los documentos de tu empresa, casi nunca hace falta armar un RAG propio: si tu CRM ya trae una base de conocimiento con búsqueda y fuentes, empieza por ahí. Construirlo tiene sentido cuando la respuesta debe llegar directo a tus clientes, cuando sale de sistemas que el CRM no guarda o cuando va dentro de un producto tuyo.

La conversación suele empezar igual. En una consultora, soporte pregunta lo mismo todas las semanas y un comercial cotiza con una política que cambió hace meses. Alguien propone conectar la API de un modelo de IA al CRM y armar un RAG. La demostración sale bien en una tarde, con tres PDF de prueba, y la decisión parece tomada. El costo aparece después, cuando hay que mantenerlo con los documentos reales.

Qué es un RAG y qué falta después de la demostración

RAG son las siglas en inglés de generación aumentada con recuperación. Antes de responder, el sistema busca en tus documentos los pasajes relacionados con la pregunta y se los pasa al modelo para que redacte con ellos. El modelo recibe esos pasajes en cada pregunta; nadie lo vuelve a entrenar con tus datos.

Para una demostración basta con eso. Para que un equipo lo use a diario, alguien tiene que resolver y mantener lo siguiente:

• leer PDF y Word, y avisar cuando un archivo falla o no tiene texto;
• volver a procesar un documento cuando cambia;
• sacar de las respuestas la política que ya no está vigente;
• respetar quién puede consultar qué;
• mostrar de qué documento salió cada respuesta;
• admitir que no sabe cuando ningún documento cubre la pregunta.

Si nadie en tu empresa va a ser responsable de esa lista dentro de un año, ya tienes buena parte de la respuesta. El mismo problema aparece al armar tu propio CRM con IA: lo caro es el mantenimiento.

Documentos y registros se consultan de forma distinta

La frase «que la IA responda con los datos del CRM» mezcla dos cosas. Una política de descuentos es texto: se busca el pasaje y se redacta con él. El saldo de un cliente es un registro que cambia cada vez que tu equipo anota un pago, y buscar pasajes parecidos no sirve para eso. Hay que leer el dato vigente, con los permisos de quien pregunta.

AgentticCRM las separa en dos lugares. El Chat de conocimiento consulta solo documentos. Para preguntar por clientes, facturas o proyectos está el Asistente, que trabaja con tu rol y tus permisos, contesta con el enlace al registro y te propone cada cambio para que lo apruebes. Si conectas tu ChatGPT o tu Claude, también trabaja con tu rol y busca en la base de conocimiento solo lo que tú puedes leer.

Lo que ya resuelve la base de conocimiento de AgentticCRM

Casi toda la lista anterior viene hecha en la base de conocimiento. Subes PDF, Word (.docx), Markdown o texto plano, de hasta 25 MB cada archivo. El sistema extrae el texto, lo divide en pasajes buscables y marca cada documento como indexado, o te dice por qué falló. Puedes abrir el documento y revisar el texto que leyó. Cuando una política deja de valer, la archivas: sigue en la lista, pero sale de las búsquedas y de las respuestas.

La búsqueda funciona por significado, así que encuentra el pasaje aunque uses otras palabras, y no envía tus documentos a ningún servicio externo. El chat redacta la respuesta y enlaza las fuentes que usó. Para eso manda los pasajes encontrados al proveedor de IA que conectó tu organización, con su propia clave: OpenAI, Anthropic, Google Gemini y otros de la lista. Si los documentos no cubren la pregunta, te lo dice y te sugiere subir uno relacionado. Ver, subir, editar, eliminar y usar el chat son permisos separados en el rol de cada persona.

La misma base se usa en otras pantallas. El análisis de un ticket consulta tus procedimientos y queda como nota interna en los tickets de soporte. En la bandeja de WhatsApp, cada número puede usar una colección para preparar borradores de respuesta, y tu equipo decide si los envía. Para ordenar qué subir primero, sirve la guía sobre una base de conocimiento interna.

Cuándo sí conviene armar tu propio RAG

Hay casos que una base de conocimiento interna no cubre. Conviene construir cuando:

• la respuesta debe llegar al cliente sin que una persona la revise, como un asistente público en tu sitio web. La base de AgentticCRM es para tu equipo: tus clientes no la ven;
• el conocimiento vive en sistemas de los que no puedes sacar archivos, o en PDF escaneados como imagen, que aquí necesitan una versión con texto;
• las respuestas van dentro de un producto que le vendes a tus clientes;
• tienes un equipo técnico que va a medir la calidad de las respuestas y ajustar cómo se divide y se busca el texto.

En cualquiera de estos casos, presupuesta el proyecto como un sistema con responsable y mantenimiento. Y define quién va a revisar lo que el sistema les dijo a tus clientes.

Una prueba para decidir con tus propias preguntas

Junta veinte preguntas reales de ventas y soporte, sacadas del chat del equipo o de los tickets. Sube a una colección los documentos que deberían responderlas y hazlas todas en el chat. Después clasifica cada resultado:

• Si la respuesta es correcta y la fuente también, ya tienes lo que buscabas.
• Si falta el documento, hay que escribirlo, y un RAG propio tampoco lo habría encontrado.
• Si la pregunta pide un dato de un cliente o una factura, corresponde al Asistente.
• Si la respuesta tiene que llegarle al cliente sin revisión, esa parte es el proyecto que tendrías que construir.

Con esa lista sabes qué pedirle a un desarrollador, si todavía hace falta uno, y qué preguntas puede contestar tu equipo desde ya.

Preguntas frecuentes

¿Puedo usar la API de Anthropic o de OpenAI con la base de conocimiento?

En AgentticCRM, sí: tu organización conecta su proveedor en Ajustes, en Modelo del asistente, y el chat redacta con esa cuenta. Si usas otro CRM, como HubSpot, revisa en su documentación qué permite conectar, porque cada producto lo resuelve a su manera.

¿Mis documentos salen de AgentticCRM?

La búsqueda funciona dentro de AgentticCRM y no los envía afuera. Cuando usas el chat, se envían los pasajes encontrados para esa pregunta al proveedor de IA que conectó tu organización.

¿Necesito un proveedor de IA para empezar?

Para buscar, no: la búsqueda de la biblioteca funciona desde el primer documento. Solo lo necesitas para que el chat redacte respuestas.