Busca en el conocimiento de tu empresa con IA: Copilot o Gemini, un producto de búsqueda como Glean o desarrollo propio

Alguien de tu empresa pregunta dónde está la última política de reembolsos. La respuesta está en tres sitios: una página de wiki, un hilo de tickets y un mensaje de chat de la primavera pasada. La búsqueda de conocimiento con IA lee todas esas fuentes y responde con una sola respuesta y enlaces al lugar de donde salió. Tienes tres vías. Puedes usar el asistente de tu suite ofimática, que quizá necesite su propia licencia, comprar un producto de búsqueda empresarial o construir un sistema sobre tus propios datos. La vía adecuada depende sobre todo de cuántas herramientas contienen tu conocimiento y de lo ordenados que estén tus derechos de acceso.

¿Cuándo basta la búsqueda sencilla y cuándo no?

La búsqueda sencilla basta cuando la gente sabe qué herramienta abrir y la página tiene un título claro. Un cuadro de búsqueda de wiki o la búsqueda de una unidad compartida hacen bien ese trabajo y no cuestan nada más.

Deja de bastar en tres casos. La respuesta está repartida entre varias herramientas. La pregunta usa palabras que ningún documento usa. O la persona quiere una única respuesta corta. Antes de comprar nada, pregunta a diez compañeros por su última pregunta que tardó más de diez minutos en responderse. Si la mayoría señala una sola herramienta, arregla primero la búsqueda de esa herramienta.

¿Cómo funciona la recuperación y cómo obtiene una respuesta sus fuentes?

Recuperación significa encontrar los pasajes con más probabilidad de contener la respuesta antes de redactar ninguna respuesta. Un software lee tus documentos y los corta en pasajes. Los guarda en un índice, una estructura de consulta creada de antemano para que una búsqueda no tenga que leer todos los archivos cada vez. Cuando alguien hace una pregunta, el sistema trae los pasajes que mejor coinciden. Después un modelo de lenguaje de gran tamaño, el tipo de programa que hay detrás de ChatGPT, escribe una respuesta a partir de ellos.

RAG, siglas de retrieval-augmented generation (generación aumentada por recuperación), es el nombre del conjunto de estos pasos. AWS abre su explicación con «La generación aumentada por recuperación (RAG) es el proceso de optimizar la salida de un modelo de lenguaje de gran tamaño» y añade: «La salida puede incluir citas o referencias a las fuentes».

Para encontrar coincidencias de significado y no solo de palabras exactas, muchos sistemas convierten cada pasaje en un embedding. Un embedding es una lista de números que representa lo que significa el texto, de modo que los pasajes sobre cosas parecidas quedan cerca entre sí. OpenAI describe los embeddings como una forma de «medir la relación entre cadenas de texto».

Las fuentes que aparecen junto a una respuesta suelen salir de los pasajes entregados al modelo. Un enlace muestra de dónde dice el sistema que viene el texto. No demuestra que el modelo lo haya leído bien, así que abre los enlaces en una muestra de respuestas.

¿Qué cubre el asistente de nuestra suite ofimática y dónde se queda corto?

Un conector es un software que lee una herramienta externa, como Confluence o un CRM, y pasa su contenido al sistema de búsqueda. Microsoft dice que ofrece «más de 100 conectores predefinidos para servicios populares». Por el lado de Google, esa tarea la hace un producto aparte, distinto del asistente Gemini dentro de las aplicaciones de Workspace. Google afirma que «Gemini Enterprise es una plataforma de búsqueda en intranet, asistente de IA y agentes» con «conectores predefinidos para aplicaciones de terceros de uso habitual como Confluence, Jira, Microsoft SharePoint y ServiceNow».

Los límites son prácticos. El asistente de una suite lee mejor lo que ya vive en la suite. Una herramienta sin conector listo necesita uno a medida. La página de Microsoft dice: «Los conectores personalizados ofrecen flexibilidad, pero requieren mantenimiento». La ordenación, el estilo de las respuestas y la gama de modelos son decisiones del proveedor, así que puedes ajustarlos menos que en un sistema que construyes tú.

¿Qué aporta un producto de búsqueda específico y a qué renunciamos?

Glean, Elastic, Coveo, Guru y Atlassian Rovo son ejemplos de productos que se usan para buscar en muchas herramientas. Atlassian dice que «Rovo Search te permite buscar en varias herramientas a la vez sin cambiar de contexto». Lo que ganas varía, así que comprueba tres cosas. ¿Cuántas de tus herramientas tienen un conector listo que mantiene el proveedor? ¿Cómo se ordenan los resultados y el producto usa como señal quién trabaja en qué, por ejemplo el autor de una página? ¿Puedes ver por qué un resultado quedó el primero?

A lo que renuncias es a la sencillez. Un producto de búsqueda suele ser otro contrato y otra consola de administración. Si el proveedor lo aloja e indexa tu contenido, ese proveedor también guarda una copia consultable. Esa copia exige su propia revisión de región, conservación y acceso del proveedor.

¿En qué consiste construir la tuya y quién la opera después?

Son cinco partes. Los conectores leen cada fuente con sus datos de permisos. Un proceso de ingesta corta los documentos en pasajes y los refresca. Un índice admite búsqueda por palabras clave y por embeddings. Un paso de respuesta pasa los mejores pasajes a un modelo y le indica que los cite. Una pantalla de chat o un complemento, con registros y una vista de administración, completa el conjunto. La documentación de Elastic dice: «La seguridad a nivel de documento restringe los documentos a los que los usuarios tienen acceso de lectura». En algunos niveles de suscripción, los conectores propios de Elastic sincronizan esos permisos para fuentes como Confluence y SharePoint Online. Para las demás fuentes, la asignación la escribes tú.

El trabajo posterior al lanzamiento es la parte mayor. Alguien tiene que reparar los conectores cuando cambia una fuente, volver a ejecutar la ingesta, vigilar la factura del modelo, mantener al día las preguntas de prueba y explicar por qué el asistente dijo lo que dijo. Nombra a esas personas antes de empezar.

¿Cómo se trasladan los derechos de acceso y qué es el problema del oversharing?

La mayoría de las fuentes guardan un registro de quién puede abrir cada elemento, a menudo llamado lista de control de acceso, o ACL. Un conector que copia contenido a un índice debería copiar también ese registro. Para esos conectores, Microsoft dice que «cada elemento incluye contenido, metadatos (como el título y la URL) y una lista de control de acceso (ACL) que aplica los permisos». Glean dice que «si un usuario no puede abrir un documento en el sistema de origen, ese documento no puede usarse como contexto, devolverse como resultado de búsqueda ni mostrarse como cita».

La copia es tan buena como cada conector. SharePoint y Google Drive tienen carpetas, grupos y enlaces para compartir. Confluence tiene restricciones por espacio y por página. Slack tiene canales privados y mensajes directos. Un CRM tiene roles y propietarios de registros. Para cada fuente, pregunta cómo lee el proveedor estas reglas, con qué rapidez llega un cambio y qué ocurre cuando una regla no se puede leer. La respuesta segura a la última pregunta es ocultar el elemento.

El oversharing es el problema más antiguo que un asistente deja al descubierto. Supón que una carpeta de nóminas se compartió con toda la empresa hace años. La búsqueda nunca la mostró porque nadie la buscaba, y un asistente sí puede hacerlo. Microsoft afirma que «el contenido compartido en exceso o mal gobernado puede afectar a los resultados de Copilot y aumentar el riesgo». Su informe de permisos de sitios de SharePoint, parte de SharePoint Advanced Management, muestra qué sitios dan acceso a «Everyone except external users», un grupo que «incluye automáticamente a todos los usuarios internos pero excluye a los invitados externos». Revisa con sus responsables los sitios de acceso más amplio antes del lanzamiento y empieza el piloto con un conjunto reducido de fuentes.

¿Qué pasa con los documentos obsoletos, duplicados y contradictorios?

Puede que el asistente no sepa distinguir cuál de dos políticas está vigente. Puede citar ambas, o citar la antigua con seguridad. Nombra un responsable para cada fuente, retira lo que esté desfasado y mantén una única fuente de verdad por tema. Pide al asistente que muestre la fecha y el autor de cada fuente y que avise cuando las fuentes se contradigan.

La actualización tiene una segunda cara: la rapidez con que un cambio llega al índice. Microsoft dice que «los documentos nuevos que se añaden a sitios de SharePoint Online accesibles, por herencia del sitio, para dos o más usuarios se indexan a diario». Para un documento ya indexado, dice que «los cambios se indexan de inmediato». Pide a cada proveedor por escrito ambos plazos.

¿Cómo probamos la calidad de las respuestas con nuestras propias preguntas antes del lanzamiento?

Reúne preguntas reales de los empleados, cada una con la respuesta correcta y el documento del que debería salir. Ejecuta el mismo conjunto en cada candidato. Puntúa cuatro cosas: el documento correcto entre las fuentes, una respuesta correcta, el reconocimiento honesto de que ningún documento ayuda y el respeto de los derechos de acceso.

La prueba de acceso necesita dos inicios de sesión. Haz una pregunta cuya respuesta esté en una carpeta que solo una persona puede abrir. La otra persona no debe obtener ni rastro de ella, ni siquiera el título de una fuente. Repite el conjunto después de cada cambio. Nuestro artículo sobre las notas de corte, enlazado más arriba, trata los umbrales.

¿Qué registra el asistente de IA y quién puede ver lo que la gente preguntó?

Las preguntas pueden ser delicadas, como una sobre el procedimiento disciplinario de un compañero. Microsoft dice que sus registros de auditoría «contienen detalles sobre qué usuario interactuó con Copilot, cuándo tuvo lugar la interacción y dónde se produjo». Por separado, dice que los datos que almacena «incluyen la indicación del usuario y la respuesta de Copilot», y añade: «Para ver y gestionar estos datos almacenados, los administradores pueden usar la búsqueda de contenido o Microsoft Purview». En cada vía, pregunta quién puede leer el texto de las preguntas, por qué motivo y durante cuánto tiempo.

¿Qué significan para el índice los roles del RGPD, la región, la conservación y el borrado?

El RGPD es la ley de protección de datos de la UE. Cuando un proveedor trata datos personales por ti, normalmente tú eres el responsable del tratamiento, que decide por qué y cómo se usan los datos. El proveedor es el encargado del tratamiento, que actúa por cuenta tuya. Las directrices del Comité Europeo de Protección de Datos dicen que «el encargado no irá más allá de lo que le indique el responsable». Añaden que «las instrucciones del responsable deben documentarse». Un encargado no puede recurrir a otro «sin la autorización previa, específica o general, por escrito del responsable». Pide a tu propio asesor jurídico que lea cada contrato.

Pregunta a cada proveedor por la región directamente. Microsoft dice que «el tráfico de la UE permanece dentro del Límite de Datos de la UE, mientras que el tráfico mundial puede enviarse a la UE y a otros países o regiones para el procesamiento de LLM». Una nota en la misma página añade que «los modelos proporcionados por Anthropic como subencargado están actualmente excluidos del Límite de Datos de la UE». Microsoft dice que esos modelos están desactivados por defecto para los clientes dentro de ese límite, así que revisa el ajuste de administración. Sobre su índice, dice que «para los clientes dentro del Límite de Datos de la Unión Europea (EUDB), el índice se almacena en un centro de datos situado en la UE o en la AELC». Microsoft también dice que «las indicaciones, las respuestas y los datos a los que se accede mediante Microsoft Graph no se utilizan para entrenar LLM de base».

El índice es una copia de tus documentos, así que los datos personales de un documento también están en el índice y a menudo en los registros. La guía del Comité para pequeñas empresas dice «Responde siempre a una solicitud de un interesado en el plazo de un mes». Permite «dos meses más» para una solicitud compleja, si se informa a la persona durante el primer mes. Pregunta cuánto tarda un documento eliminado en salir del índice, si las copias de seguridad y los registros conservan su texto y cómo se pueden borrar las preguntas de una persona.

¿En qué se diferencia el precio por puesto del precio por uso?

El precio por puesto cobra una cantidad fija por cada usuario nominal, busque o no esa persona. El precio por uso cobra por lo que hace el sistema, como el texto que procesa. Los proveedores usan uno u otro, o una mezcla. Pide el precio actual por escrito, con los mínimos de puestos, los complementos y las tarifas de conectores, y pregunta quién necesita una licencia.

Como ejemplo de precios por uso, la página de precios de OpenAI indica para su modelo text-embedding-3-small 0,02 dólares por millón de tokens, y para text-embedding-3-large 0,13 dólares. Un token es un pequeño fragmento de texto que los proveedores cuentan y facturan. El coste de almacenar el índice, ejecutar el modelo y pagar a las personas se suma a eso. Toma un archivo inventado de 50 000 documentos de unos 2000 tokens cada uno, es decir, 100 millones de tokens. Convertirlo en embeddings una sola vez cuesta 2 dólares con el modelo pequeño y 13 dólares con el grande. El tamaño del archivo es una suposición y los precios de lista pueden cambiar.

¿Cómo se manifiesta la dependencia del proveedor y qué debemos conservar para poder irnos?

La dependencia está donde se fue tu esfuerzo: conectores configurados en la consola de un proveedor, reglas de ordenación en su formato, asignaciones de permisos que solo él conserva. El índice se puede reconstruir a partir de tus fuentes, así que es lo que menos importa. Conserva tus preguntas de prueba con las respuestas esperadas, un mapa escrito de cómo se leen los permisos, las instrucciones dadas al modelo y cualquier código de conector a medida. Pide una exportación de los registros. Acuerda en el contrato las condiciones de exportación y eliminación.

¿Cuándo está justificado desarrollar tu propia búsqueda de conocimiento?

Construir está justificado cuando la búsqueda forma parte del producto que vendes, porque entonces los usuarios son tus clientes y ninguna licencia para empleados los cubre. También lo está cuando una norma de datos excluye todos los productos, incluso los que se ejecutan en tu propia nube. Solo para la búsqueda interna es difícil de justificar, porque asumirías conectores, control de acceso, registros y guardias.

¿Qué preguntar a un proveedor o a una empresa que lo construiría?

Para un proveedor o una suite:

• ¿Cuáles de nuestras fuentes tienen conectores listos y quién los mantiene?
• ¿Cómo leéis los permisos de cada fuente y qué ocurre cuando no se puede leer una regla?
• ¿Cuánto tarda un cambio o una eliminación en llegar al índice?
• ¿Dónde se procesan el índice, las preguntas y los registros, y quién puede leer las preguntas?
• ¿Cuánto cuesta un mes de nuestro uso real y qué podemos exportar si nos vamos?

Para una empresa que lo construiría:

• ¿Qué partes escribiréis vosotros y cuáles tomaréis de productos existentes?
• ¿Funcionará en nuestra cuenta de nube, y quién guarda las claves?
• ¿Cómo vais a probar las respuestas y los derechos de acceso, y quién da el visto bueno por nuestra parte?
• ¿Quién lo opera tras el lanzamiento, y cuánto cuesta cada mes?

¿Dónde encaja amBrain?

amBrain publica este blog. Sobre su propio producto, dice: «Nuestro propio producto, aigo, funciona con agentes de IA que investigan, escriben, revisan y miden a partir de una memoria compartida de datos de la empresa. Una persona aprueba todo lo que sale».

Este artículo no es un caso práctico y no describe trabajo para ningún cliente. No afirma que amBrain haya construido un sistema de búsqueda de conocimiento para ningún cliente. La línea anterior trata del propio producto de amBrain y los ejemplos son generales.

Las empresas, productos y organismos públicos mencionados aquí se citan a partir de sus páginas publicadas, leídas el 11 de noviembre de 2026. El artículo no afirma ninguna relación entre amBrain y ninguno de ellos y no da precios ni plazos de amBrain.

amBrain desarrolla software desde 2019. Sobre cómo trabaja con sus clientes, dice: «Tres formatos: entrega completa, un equipo dedicado o ingenieros integrados en tu equipo». Sobre la propiedad, su frase es: «El cliente conserva la propiedad completa del producto y del código, salvo nuestros componentes reutilizables». Pide la lista de esos componentes, nombre por nombre, antes de firmar.

Si amBrain está en tu lista corta, hazle las mismas preguntas que a cualquier otra empresa.