# Base de conocimiento para agentes de IA: cómo crear una que tu agente use de verdad

> Crea una base de conocimiento para agentes de IA que se mantenga actualizada. Qué incluir, archivos frente a RAG, cómo corregir información obsoleta y contradictoria y una prueba de 20 preguntas.

Last updated: 2026-09-28T10:00:00

Canonical URL: https://crevio.co/es/blog/ai-agent-knowledge-base

*Última actualización: septiembre de 2026*

**Una base de conocimiento para agentes de IA rara vez falla porque el agente no encuentra tu política de reembolsos. Falla porque encuentra dos.** En 2024, un tribunal canadiense ordenó a Air Canada compensar a un cliente después de que el chatbot de la aerolínea describiera un reembolso por fallecimiento de un familiar que su propia página de políticas descartaba. El modelo hizo su trabajo. La información en la que se basaba se contradecía.

Esta guía es para propietarios de negocios que quieren que un agente de IA conozca su empresa lo bastante bien como para actuar en consecuencia, ya sea gestionando las operaciones o respondiendo a los clientes. Explica qué incluir en la base de conocimiento, qué dejar fuera, cómo la leen realmente los agentes y cómo probarla antes de que lo haga un cliente.

- **Una base de conocimiento para agentes de IA es el registro escrito del que parte tu agente**: políticas, datos de productos, preguntas frecuentes, procedimientos y lo que el agente ha aprendido sobre ti
- **Clasifica la información según la frecuencia con la que cambia.** Las reglas estables van en archivos. Todo lo que cambie más de una vez al mes (precios, existencias, pedidos) debe consultarse en directo, nunca copiarse en un documento
- **La mayoría de los pequeños negocios no necesitan búsqueda vectorial.** Por debajo de unas 500 páginas, un agente puede abrir directamente los archivos adecuados: es más sencillo y mucho más fácil de corregir
- **Las contradicciones hacen más daño que las lagunas.** Un agente que no encuentra respuesta puede decirlo. Uno que encuentra dos respuestas elige una
- **Haz una prueba con 20 preguntas reales de clientes** en un chat nuevo y corrige el archivo de origen, nunca el chat

## ¿Qué es una base de conocimiento para agentes de IA?

Una base de conocimiento para agentes de IA es el conjunto de información empresarial escrita que un agente consulta antes de actuar: tus políticas, los detalles de tus productos, las respuestas a preguntas habituales, los procedimientos paso a paso y los datos que ha ido recopilando mientras trabaja contigo. Es lo que convierte un modelo de propósito general en algo que conoce *tu* plazo de reembolso, *tu* cliente ideal y *tu* forma de decir que no.

Contiene cuatro tipos de conocimiento, y cada uno se comporta de forma distinta:

| Tipo | Ejemplo | Cómo puede fallar |
|---|---|---|
| **Datos** | «El curso Pro tiene 12 módulos y acceso de por vida» | Queda obsoleto cuando cambia el producto |
| **Reglas** | «Reembolsos durante los 30 días posteriores a la compra, sin preguntas» | Una versión antigua lo contradice en otro lugar |
| **Procedimientos** | «Cómo incorporamos a un nuevo cliente de coaching» | Es demasiado impreciso y el agente improvisa |
| **Memoria** | «Axel prefiere respuestas breves y odia los signos de exclamación» | Se aprende a partir de un mal día y nunca se corrige |

El término abarca dos funciones. Por un lado, un agente que trabaja *para ti*: redacta correos, actualiza productos y prepara informes, por lo que necesita saber cómo funciona tu negocio. Por otro, un agente que responde a *tus clientes* desde una base de conocimiento de soporte. La misma base puede servir para ambas funciones. Lo que está en juego es distinto, porque un cliente actúa basándose en lo que le dice el agente. Más adelante tratamos la parte de soporte en una sección propia.

## Qué incluir en tu base de conocimiento para agentes de IA

Empieza por lo que ya explicas una y otra vez. En la mayoría de los pequeños negocios, la lista es breve:

1. **Un párrafo sobre el negocio.** Qué vendes, quién lo compra y qué no haces
2. **Políticas de cara al cliente.** Reembolsos, cancelaciones, envíos o entregas, privacidad y horario de soporte, con su redacción actual
3. **Datos de los productos.** Qué incluye cada producto, para quién es y para quién *no* es
4. **Preguntas frecuentes con las palabras de tus clientes.** Copia preguntas reales de tu bandeja de entrada, no la redacción de tu página de ventas
5. **Voz y tono.** Tres respuestas de ejemplo que te hayan gustado valen más que un párrafo lleno de adjetivos
6. **Reglas de escalado.** Qué debe derivarte el agente: amenazas legales, reembolsos por encima de una cantidad determinada o cualquier asunto médico o financiero
7. **Procedimientos repetitivos.** Incorporar a un cliente, lanzar un producto o responder a una devolución de cargo

La decisión más difícil es dónde guardar cada elemento. Clasifícalos según la frecuencia con la que cambian, no por tema:

![Diagrama que muestra tres capas del conocimiento empresarial para un agente de IA: instrucciones permanentes que se leen en cada tarea, archivos de referencia que se abren cuando hace falta y conexiones en directo que se consultan en cada momento](https://crevio.co/vite/assets/where-business-knowledge-belongs-i0z68ico.svg)

### Qué dejar fuera

- **Todo lo que cambie más de una vez al mes.** Los precios, códigos de descuento, existencias, reservas y estados de pedidos deben estar en el sistema que los gestiona. El agente debe consultarlos mediante una integración. Un precio escrito en un documento es una respuesta incorrecta esperando a ocurrir
- **Contraseñas y claves de API.** Los archivos de conocimiento se leen, se citan y se copian en borradores. Las credenciales deben guardarse en un sistema de secretos adecuado
- **Versiones antiguas.** Elimina la política de reembolsos de 2024. Conservarla «como referencia» en la misma carpeta es la forma en que empieza el problema de Air Canada
- **Textos de marketing exagerados.** Si tu página de ventas dice «soporte ilimitado», el agente prometerá soporte ilimitado. No puede distinguir el entusiasmo de una política

## Cómo leen los agentes una base de conocimiento: archivos, búsqueda o RAG

Hay tres formas de que un agente acceda a tus conocimientos, y la adecuada depende sobre todo del tamaño.

| Enfoque | Cómo funciona | Ideal para | Principal desventaja |
|---|---|---|---|
| **Cargarlo todo** | Toda la base de conocimiento se incluye en cada solicitud | Unas pocas páginas de instrucciones esenciales | El coste aumenta y la calidad baja a medida que crece el prompt |
| **Archivos más búsqueda** | Siempre se carga un índice breve; el agente busca y abre los archivos cuando los necesita | La mayoría de los pequeños negocios | El agente debe elegir el archivo adecuado |
| **Búsqueda vectorial (RAG)** | Los documentos se dividen en fragmentos y se recuperan los más similares para cada pregunta | Miles de páginas y grandes bibliotecas de soporte | Los fragmentos pierden contexto y los errores son difíciles de depurar |

Para un pequeño negocio, los números favorecen la opción más sencilla. En su análisis de la recuperación de información, [Anthropic señala](https://www.anthropic.com/engineering/contextual-retrieval) que, si una base de conocimiento tiene menos de 200.000 tokens, «unas 500 páginas de material», puedes darle todo el contenido al modelo «sin necesidad de RAG ni métodos similares». Las políticas, los datos de productos y las preguntas frecuentes de la mayoría de los pequeños negocios caben en unas pocas decenas de páginas.

Eso no significa que debas incluirlo todo en cada solicitud. En su [investigación sobre la degradación del contexto](https://www.trychroma.com/research/context-rot), Chroma probó 18 de los principales modelos y descubrió que «el rendimiento del modelo se deteriora de forma constante a medida que aumenta la longitud de entrada», incluso en tareas sencillas. Por eso, el punto medio más práctico para un pequeño negocio son los archivos más búsqueda: un índice breve que el agente siempre ve y archivos temáticos que abre cuando la tarea lo requiere.

La búsqueda vectorial tiene su lugar. Con miles de artículos de ayuda, su complejidad está justificada. También es el punto en el que las bases de conocimiento empiezan a ser difíciles de entender y controlar. En las propias pruebas de Anthropic, una configuración de recuperación estándar no incluyó el pasaje correcto entre sus 20 primeros resultados el 5,7 % de las veces, y fueron necesarias varias técnicas adicionales para reducir la cifra al 1,9 %. Con los archivos, cuando el agente se equivoca puedes ver qué archivo abrió y corregirlo.

## Cómo estructurar una base de conocimiento para que tu agente de IA la use

Una base de conocimiento técnicamente completa puede seguir siendo ignorada. Estas prácticas marcan la diferencia:

- **Mantén un índice.** Una línea por archivo: un enlace y una indicación que explique cuándo abrirlo, como «Política de reembolsos: plazo de 30 días, excepciones para packs». El agente lee primero el índice. Un archivo que no aparece en él es, en la práctica, invisible
- **Un tema por archivo y cada dato en un único lugar.** Si el plazo de reembolso aparece en tres archivos, tarde o temprano dirán tres cosas distintas
- **Escribe las reglas con cifras.** «Reembolsos durante los 30 días posteriores a la compra» es mejor que «aproximadamente un mes». «Escalar reembolsos superiores a 200 $» es mejor que «escalar reembolsos elevados»
- **Incluye el motivo y la excepción.** «No se reembolsan las sesiones de coaching ya realizadas porque el tiempo ya se ha invertido. Excepción: si las cancelamos nosotros». Los agentes gestionan mucho mejor las excepciones cuando conocen el motivo de la regla
- **Indica qué hacer cuando algo no está contemplado.** «Si la respuesta no está aquí, di que lo consultarás y avísame». Sin esta indicación, el agente rellenará el vacío con algo plausible
- **Muestra, no describas.** Dos respuestas reales que te hayan gustado enseñan el tono mejor que «amable pero profesional»
- **Pon fecha a todo lo que tenga vigencia temporal.** «Vigente desde el 1 de septiembre de 2026» permite que tanto el agente como tú detectéis lo que ha quedado desactualizado

Los procedimientos repetitivos merecen su propio formato. Lo explicamos en [cómo escribir skills para agentes de IA](/es/blog/ai-agent-skills): una skill contiene *cómo* hacer una tarea, mientras que la base de conocimiento contiene *qué es verdad*.

## Información obsoleta y contradicciones: cómo fallan las bases de conocimiento

Las lagunas son el fallo para el que todo el mundo se prepara. También son las menos peligrosas, porque un agente que no tiene respuesta puede decir que no lo sabe.

**Las contradicciones son peores.** En las pruebas de Chroma, «incluso una sola distracción reduce el rendimiento». Una distracción es un texto que parece relevante, pero no responde a la pregunta. En un negocio, las peores distracciones también ofrecen una respuesta distinta: la página de precios antigua, las preguntas frecuentes del año pasado o el comentario improvisado de «podemos hacer una excepción» en una nota de hace seis meses. El agente no sabe cuál era tu intención. Elige una.

El caso de Air Canada muestra el coste. El chatbot dijo a un cliente que estaba de luto que podía solicitar una tarifa por fallecimiento después de viajar; la política real de la aerolínea no lo permitía. El tribunal consideró responsable a la aerolínea de lo que había dicho su chatbot y le ordenó pagar la diferencia de precio. La [American Bar Association lo calificó](https://www.americanbar.org/groups/business_law/resources/business-law-today/2024-february/bc-tribunal-confirms-companies-remain-liable-information-provided-ai-chatbot/) como un recordatorio de que las empresas siguen siendo responsables de sus herramientas de IA.

**La obsolescencia es la versión lenta del mismo problema.** Un documento escrito en marzo es correcto en marzo. En septiembre se ha convertido silenciosamente en una de dos respuestas: la antigua del archivo y la nueva que tienes en la cabeza.

Tres reglas evitan la mayoría de estos problemas:

1. **Cambia el dato donde aparece.** No añadas un archivo nuevo que contradiga al anterior. Edita o elimina el original
2. **La información más reciente prevalece, de forma explícita.** Si dos fuentes pueden entrar en conflicto, indica al agente cuál es la autoritativa
3. **Un responsable por archivo.** Alguien debe darse cuenta cuando cambia la política de reembolsos. En un negocio unipersonal eres tú, así que mantén la lista breve

## Cómo mantener actualizada tu base de conocimiento

El mantenimiento es el punto en el que las bases de conocimiento suelen deteriorarse. La solución es vincular las actualizaciones a acontecimientos que ya detectas, no a un recordatorio del calendario que pospondrás una y otra vez.

| Cuando ocurre esto | Actualiza esto |
|---|---|
| Cambias un precio o lanzas un producto | El archivo de datos de productos (y nada más, si los precios se consultan en directo) |
| Cambias una política | Ese archivo de política y, después, elimina cualquier copia antigua |
| Corriges dos veces al agente sobre lo mismo | Añade o corrige el archivo que debería haberlo cubierto |
| Un cliente hace tres veces una pregunta nueva | Añádela a las preguntas frecuentes usando sus palabras |
| Contratas a alguien o cambias quién se encarga de cada tarea | Las reglas de escalado |

Una vez al mes, dedica 15 minutos a pedirle al agente que resuma lo que cree sobre tus reembolsos, tus productos y tus clientes. Las creencias erróneas salen a la luz enseguida cuando las lees en forma de lista.

Si tu agente conserva su propia memoria, trata lo que guarda como las notas de una persona recién incorporada: es útil, suele ser correcto y merece una revisión rápida. La memoria que se escribe sola también necesita que alguien la lea.

## Cómo probar tu base de conocimiento para agentes de IA

Las pruebas son el paso que casi todo el mundo se salta, y se completan en menos de una hora.

![Ciclo de cuatro pasos para probar una base de conocimiento para agentes de IA: recopilar 20 preguntas reales, hacerlas en un chat nuevo, evaluar cada respuesta y corregir el archivo de origen en lugar de la respuesta](https://crevio.co/vite/assets/knowledge-base-test-loop-nlvijmc1.svg)

1. **Recopila 20 preguntas reales** de tu bandeja de entrada, mensajes directos y llamadas de ventas. Añade tres que deba rechazar o escalar, como un reembolso muy fuera de la política
2. **Haz cada pregunta en un chat nuevo.** Las conversaciones anteriores pueden filtrar pistas. Pregunta al agente de dónde ha obtenido la respuesta
3. **Evalúa cada respuesta**: correcta, incorrecta, inventada o «no lo sé». Cuenta «no lo sé» como un aprobado cuando la base de conocimiento realmente no cubra la pregunta
4. **Corrige el origen, no la respuesta.** Corregir al agente en el chat arregla una conversación. Corregir el archivo arregla todas las conversaciones posteriores

Después, haz dos comprobaciones específicas. **La prueba de contradicción:** cambia una política y pregunta por ella. Si el agente cita la versión antigua, hay una copia escondida en algún sitio. **La prueba de lagunas:** pregunta algo que sabes que no está contemplado. La respuesta correcta es un claro «Tendré que consultarlo», no una suposición dicha con seguridad.

Guarda las 20 preguntas. Repítelas después de cada cambio importante. Es lo más parecido que tiene un pequeño negocio a una prueba de regresión.

## Bases de conocimiento de IA para agentes de atención al cliente

Gran parte de lo que se escribe sobre las bases de conocimiento de IA trata sobre soporte: un agente de IA que responde a los clientes desde tu centro de ayuda. Los principios anteriores se aplican igualmente, aunque lo que está en juego es mayor.

La economía es lo que lleva a las empresas a probarlo. El [análisis comparativo de Gartner](https://www.gartner.com/en/documents/5164231) sitúa el coste mediano de un contacto de autoservicio en 1,84 $, frente a 13,50 $ en uno asistido. Ese ahorro solo se mantiene si las respuestas son correctas, porque los clientes actúan basándose en ellas sin comprobarlas.

Qué cambia en un agente de cara al cliente:

- **Escribe pensando en la pregunta, no en la página del producto.** Los clientes preguntan «¿puedo recuperar mi dinero si todavía no he empezado el curso?», no «política de reembolsos»
- **Las reglas de escalado se convierten en el archivo más importante.** Decide de antemano qué no debe prometer nunca el agente: reembolsos fuera de la política, fechas de entrega o asesoramiento legal o médico
- **Revisa semanalmente las conversaciones sin resolver.** Cada pregunta que el agente no pudo responder es un archivo que falta
- **Haz que redacte antes de enviar mientras generas confianza.** En todo lo relacionado con dinero, haz que el agente prepare un borrador y que una persona lo apruebe. Explicamos qué acciones merecen ese control en [agentes de IA con supervisión humana](/es/blog/human-in-the-loop-ai-agents)

Si recibes un gran volumen de preguntas de clientes, herramientas de soporte especializadas como [Intercom's Fin](https://fin.ai/) y [Zendesk](https://www.zendesk.com/) están diseñadas exactamente para esta tarea, con sincronización con el centro de ayuda e informes de resolución.

## Cómo almacena Crevio el conocimiento empresarial de su agente

[Crevio](https://crevio.co/) es un [constructor de negocios con IA](/es/blog/ai-business-builder): describes qué quieres vender y su agente crea la tienda, gestiona los pagos, redacta el marketing y sigue trabajando contigo en el negocio. Todo lo anterior ha influido en la forma en que ese agente conserva lo que sabe sobre tu empresa.

![Página de inicio de Crevio: IA que crea tu tienda, procesa tus pagos, redacta tu marketing y aumenta tus ventas](https://crevio.co/vite/assets/crevio-homepage-k3m1mvi1.png)

Así funciona actualmente:

- **La memoria son archivos de texto sin formato, con dos ámbitos.** La memoria empresarial (cómo funciona el negocio) se comparte con todo el equipo. La memoria personal (tus preferencias) solo está disponible para ti. Cada una tiene un índice breve que se incluye en todos los chats, con un límite de 6.000 caracteres para la memoria empresarial y 2.000 para las notas personales. Los archivos temáticos solo se abren cuando una tarea los necesita
- **Guarda información cuando corresponde.** El agente guarda un recuerdo cuando le pides que recuerde algo, cuando lo corriges o cuando indicas un dato permanente, como una política, una cifra o una regla. No guarda contraseñas ni copia información que Crevio ya registra
- **Los datos en directo se mantienen actualizados.** Los productos, pedidos, clientes y tu sitio web se consultan directamente, no se memorizan, así que un cambio de precio nunca deja una copia obsoleta
- **Se organiza solo.** Periódicamente, como máximo una vez al día, un proceso de limpieza combina recuerdos duplicados, resuelve las contradicciones a favor del dato más reciente y elimina lo que ha quedado obsoleto. Antes crea una instantánea
- **No utiliza búsqueda vectorial.** El agente busca por su cuenta en los archivos de su ordenador y en tus chats anteriores como texto sin formato, y después lee lo que encuentra. Puedes adjuntar archivos a un chat para proporcionarle documentos con los que trabajar

También puedes definir el conocimiento directamente. Cada bot que creas tiene un campo Persona que se añade a sus instrucciones, el lugar adecuado para establecer el tono y las reglas permanentes:

![Configuración de un bot de Crevio con los campos Name, Handle, Role y Persona, que se añade a las instrucciones del bot](https://crevio.co/vite/assets/crevio-bot-persona-field-d2jyuuyk.png)

Los procedimientos van en las skills, que puedes instalar, subir o dejar que el agente redacte a partir de su experiencia. Y si el agente ha aprendido algo incorrecto, en Settings → Advanced hay una opción para restablecerlo:

![Configuración de conocimiento de AI Workspace de Crevio, con un botón Reset AI knowledge que elimina las notas acumuladas sin tocar la tienda](https://crevio.co/vite/assets/crevio-reset-ai-knowledge-nkms8zwb.png)

Las salvedades, sin adornos: todavía no hay una página específica para consultar y editar la memoria, así que debes revisarla preguntando al agente en el chat qué sabe. El restablecimiento lo borra todo. Además, Crevio no es un bot de soporte de cara al cliente: su agente trabaja para ti, no en un widget de ayuda de tu sitio. Crevio tiene un plan gratuito con 20 créditos de IA al mes, así que hoy puedes decirle cuál es tu política de reembolsos y comprobar la semana que viene si todavía la recuerda.

## Lo que nadie te cuenta

**Escribirla deja al descubierto tus propias contradicciones.** El primer borrador de una política de reembolsos para un agente suele revelar que has estado gestionando los reembolsos de tres formas distintas. Es un problema del negocio que el agente ha sacado a la luz, no un problema de IA.

**Los agentes siguen las reglas escritas de forma más literal que el personal.** Una persona lee «no hay reembolsos después de 30 días» y aun así hace una excepción para un cliente al que se le ha cobrado dos veces. Un agente necesita que la excepción esté escrita.

**Eliminar es la edición que más valor aporta.** La mayoría de las mejoras de una base de conocimiento después del primer mes consisten en eliminar cosas: las preguntas frecuentes antiguas, la política duplicada o la nota que ya no es cierta. Menos texto sin contradicciones es mejor que más texto con algunas.

**La base de conocimiento es lo que diferencia a un agente de un asistente.** Una corrección que sigue siendo válida un mes después, tras haber realizado otros trabajos, es la prueba que usamos en [empleado de IA frente a agente de IA](/es/blog/ai-employee-vs-ai-agent). Sin conocimiento duradero, cada sesión empieza desde cero.

## Preguntas frecuentes sobre las bases de conocimiento para agentes de IA

### ¿Qué es una base de conocimiento para agentes de IA?

Una base de conocimiento para agentes de IA es la información empresarial escrita que un agente consulta antes de actuar: políticas, datos de productos, preguntas frecuentes, procedimientos y preferencias recordadas. Permite que un modelo de IA general responda y actúe como lo haría tu negocio, en lugar de adivinar basándose en conocimientos generales.

### ¿Necesito RAG o una base de datos vectorial para mi agente de IA?

Probablemente no, si tienes un pequeño negocio. Anthropic sugiere que el conocimiento de unas 500 páginas o menos puede proporcionarse directamente al modelo. Un índice breve y archivos temáticos que el agente abre cuando los necesita son más sencillos, baratos y fáciles de corregir. RAG tiene sentido cuando manejas miles de documentos.

### ¿Cuál es la diferencia entre la memoria de un agente y una base de conocimiento?

Una base de conocimiento es lo que escribes deliberadamente: políticas, datos de productos y procedimientos. La memoria es lo que el agente aprende mientras trabaja contigo, como preferencias y correcciones. Ambos elementos requieren el mismo cuidado: un dato en un único lugar y las versiones antiguas eliminadas.

### ¿Con qué frecuencia debo actualizar mi base de conocimiento para agentes de IA?

Actualízala cuando algo cambie, no siguiendo un calendario: un precio nuevo, una política modificada o una corrección que hayas tenido que hacer dos veces. Añade una revisión mensual de 15 minutos en la que pidas al agente que resuma lo que cree sobre tus productos y políticas.

## En resumen

Una base de conocimiento para agentes de IA solo es tan buena como su archivo menos preciso. Mantenla pequeña, coloca cada dato en un único lugar, deja que los sistemas en directo respondan a las preguntas en directo y pruébala con las preguntas que realmente hacen tus clientes. El agente seguirá lo que hayas escrito, así que asegúrate de que siga siendo cierto.

## Artículos relacionados

- [Skills para agentes de IA: qué son y cómo escribir una que funcione](/es/blog/ai-agent-skills)
- [Agentes de IA con supervisión humana: qué aprobar y qué dejar funcionar](/es/blog/human-in-the-loop-ai-agents)
- [Empleado de IA frente a agente de IA: la diferencia que realmente importa](/es/blog/ai-employee-vs-ai-agent)
- [Agentes de IA para pequeños negocios: qué tareas delegar primero](/es/blog/ai-agents-for-small-business)