La potencia está expresada en una unidad en la ficha técnica y en otra en una hoja de cálculo. Una compatibilidad figura en un manual, pero nadie sabe si también aplica a la versión actual. Cuando llega una consulta, la respuesta depende de quién recuerde cuál de todas esas fuentes es la buena.
En ese escenario, conectar una IA no ordena el catálogo.
Solo le permite recorrer la confusión más rápido.
El problema no es que falten documentos
Una empresa puede tener catálogos completos, fichas detalladas y años de conocimiento técnico, y aun así no tener un dato de producto fiable.
Un documento responde a una pregunta concreta en un momento concreto. El dato de producto, en cambio, debe conservar significado cuando pasa de una web a una oferta, de una tarifa a un distribuidor o de una ficha a un asistente.
Para que eso ocurra, alguien tiene que poder responder preguntas bastante menos vistosas que “¿qué IA vamos a usar?”:
- ¿Cuál es la referencia que identifica de forma inequívoca cada producto?
- ¿Qué atributos son obligatorios y en qué unidad se expresan?
- ¿Qué compatibilidades están confirmadas y cuáles dependen del proyecto?
- ¿Qué versión está vigente?
- ¿Qué fuente manda cuando dos documentos se contradicen?
- ¿Quién es responsable de corregir un dato?
Si esas respuestas no existen, el problema no es tecnológico. Es de criterio y gobierno.
Una respuesta convincente también puede estar equivocada
Una IA puede redactar una respuesta clara aunque la fuente sea antigua, ambigua o incompleta.
Ese es precisamente el riesgo.
Cuando una persona encuentra dos fichas contradictorias, suele desconfiar. Cuando un asistente mezcla ambas y devuelve una frase segura, la contradicción puede quedar oculta detrás de una buena redacción.
Por eso no basta con “cargar el catálogo”. Antes hay que decidir qué información puede utilizarse, bajo qué condiciones y con qué prioridad.
Una respuesta fiable debería permitir saber:
- qué producto o variante está describiendo;
- qué fuente sostiene cada dato relevante;
- desde cuándo es válida esa información;
- qué dato falta para cerrar la respuesta;
- cuándo debe intervenir una persona.
La IA puede ayudar a localizar, comparar y explicar. No debería inventar la autoridad que el dato todavía no tiene.
Si el problema actual es encontrar respuestas dentro de fichas y manuales, conviene revisar primero cómo convertir la documentación técnica en una herramienta de trabajo.
Los seis elementos que conviene ordenar primero
No hace falta reconstruir todos los sistemas de la empresa para empezar. Sí hace falta controlar una porción suficiente del catálogo.
1. Identidad
Cada producto, variante y accesorio necesita una referencia inequívoca. Los nombres comerciales pueden cambiar según el canal; la identidad no debería depender de cómo alguien lo llama en una conversación.
2. Atributos y unidades
Potencia, dimensiones, materiales, capacidad o rendimiento deben tener una definición y una unidad consistentes. Un valor sin contexto puede ser técnicamente correcto y operativamente inútil.
3. Compatibilidades y exclusiones
Saber que dos elementos “pueden funcionar juntos” no siempre alcanza. Conviene registrar condiciones, excepciones y casos en los que la compatibilidad necesita validación técnica.
4. Versión y vigencia
Una ficha puede seguir circulando después de una actualización. El sistema debe distinguir lo actual de lo histórico y evitar que ambos tengan la misma autoridad.
5. Fuente y responsable
Cada grupo de datos necesita una fuente prioritaria y una persona o área responsable. Si nadie puede corregirlo, el error se convierte en parte del sistema.
6. Límite de la respuesta
Hay consultas que pueden resolverse con información publicada y otras que dependen de stock, precio, cálculo, instalación o condiciones particulares. El asistente debe reconocer esa frontera.
Un ejemplo sencillo: la pregunta comercial que parece fácil
Supongamos que un comercial pregunta:
¿Este modelo es compatible con la configuración que tiene el cliente?
La respuesta no depende solo de encontrar la palabra “compatible”.
Puede depender de la versión del producto, un accesorio concreto, una condición de instalación, el país, la fecha de la ficha o un dato que el cliente todavía no facilitó.
Un asistente responsable no debería elegir la frase más parecida y cerrar el tema. Debería identificar la variante, comprobar la fuente vigente, explicar las condiciones y pedir el dato que falta. Si la decisión requiere cálculo o responsabilidad técnica, debería derivarla.
Eso parece menos espectacular que responder a todo.
También es bastante más útil.
Cuándo la IA todavía no es el siguiente paso
Hay situaciones en las que conviene detenerse antes de construir un asistente:
- nadie puede decir qué fuente está vigente;
- las referencias cambian sin trazabilidad;
- precio o stock viven en sistemas sin integración;
- las compatibilidades dependen siempre de ingeniería;
- no existe un responsable del contenido;
- el catálogo cambia con más velocidad de la que el equipo puede mantenerlo.
En esos casos, el primer resultado útil puede ser un inventario de fuentes, una regla de versiones o una tabla controlada para una familia de producto.
No es retroceder.
Es evitar que una respuesta incorrecta llegue antes y con más seguridad aparente.
Cómo validar el caso con una sola familia de producto
La primera prueba no necesita todo el catálogo. Puede empezar con una familia que concentre consultas repetidas y tenga un responsable identificable.
El trabajo inicial podría ser:
- reunir las fuentes que hoy utiliza el equipo;
- elegir la fuente prioritaria para cada tipo de dato;
- identificar referencias, atributos, unidades y versiones;
- recoger preguntas reales de comercial, soporte o distribuidores;
- definir qué puede responderse y qué debe derivarse;
- probar contradicciones, datos ausentes y casos límite;
- medir si la respuesta resulta más rápida, consistente y verificable.
El objetivo de esa prueba no es demostrar que la IA “sabe mucho”.
Es comprobar si puede ayudar sin esconder las dudas del catálogo.
La calidad del asistente empieza antes del asistente
Un catálogo técnico no se vuelve fiable porque esté dentro de un chatbot.
Se vuelve fiable cuando sus referencias significan lo mismo en todos los canales, los atributos tienen contexto, las versiones se distinguen, las compatibilidades incluyen condiciones y alguien puede corregir lo que está mal.
Después, la IA puede hacer algo valioso: acercar ese conocimiento al equipo comercial, técnico, al distribuidor o al instalador sin obligarlos a recorrer cada fuente manualmente.
Pero el orden importa.
Primero, un dato en el que se pueda confiar.
Después, una forma más rápida de utilizarlo.
Empieza por una familia de producto
En una primera revisión podemos mapear las fuentes, preguntas repetidas, responsables y límites de una familia concreta. El objetivo es comprobar si el dato está preparado y qué tendría que cambiar antes de plantear un asistente.
Consulta cómo trabajamos los asistentes IA para catálogos técnicos.
Analizar un catálogo