Cómo darle a la IA los datos de tu empresa: contexto y herramientas

La primera vez que un directivo abre ChatGPT y le pregunta por sus propias ventas, se lleva una decepción: la IA no tiene ni idea de su empresa. Y hace bien en no tenerla. Un modelo de IA generativa no sabe absolutamente nada de tu negocio. Lo único que conoce en cada conversación es lo que tú le pones delante. Eso es el contexto, y entenderlo resuelve la mitad de las dudas que un decisor tiene sobre esta tecnología.

En este artículo explico, sin jerga, qué sabe de verdad la IA de tu empresa, por qué no recuerda lo de ayer, y las tres formas reales de darle tus datos. Ninguna es magia, y cada una tiene su coste y su riesgo.

¿Qué sabe realmente la IA de tu empresa?

Nada. Un modelo de lenguaje (LLM, por sus siglas en inglés: el motor detrás de ChatGPT, Gemini o Claude) se entrena leyendo una cantidad enorme de texto público de internet. Aprende a escribir bien, a razonar, a resumir. Pero tus márgenes, tus clientes o el correo que mandó ayer tu comercial nunca estuvieron en ese texto público, así que el modelo no los ha visto jamás.

Hay además un límite temporal que conviene conocer: la fecha de corte. Es el momento hasta el que el modelo leyó datos durante su entrenamiento. Todo lo que pasó después, el modelo lo ignora. Si preguntas por una noticia reciente o por un producto que lanzaste el mes pasado, no lo conoce, aunque hable con total seguridad. Esa seguridad sin conocimiento es justo una de las razones por las que la IA se equivoca.

La conclusión práctica: si quieres que la IA trabaje con tus datos, tienes que dárselos tú. No los va a adivinar.

¿Qué es el contexto y por qué es lo único que importa?

El contexto es toda la información que el modelo tiene delante en el momento de responder. Es su mesa de trabajo. Lo que esté encima de la mesa, lo usa. Lo que no esté, para el modelo no existe.

Piensa en un empleado nuevo con una amnesia peculiar: es brillante y sabe de casi todo, pero cada mañana llega sin recordar nada de lo que hablasteis ayer. Para que haga bien una tarea, cada día le dejas en la mesa la carpeta con lo que necesita: el pedido, las condiciones del cliente, la política de devoluciones. Con esa carpeta delante, trabaja de maravilla. Sin ella, improvisa. La IA funciona igual. El contexto es esa carpeta.

Esto explica por qué la misma herramienta da resultados excelentes en una empresa y decepcionantes en otra. No depende tanto del modelo como de lo que le pongas delante. Un buen contexto convierte una respuesta genérica en una respuesta útil para tu caso. Si quieres el fundamento de por debajo, lo cuento en la guía de cómo funciona la IA generativa.

¿Por qué no recuerda lo que le dije ayer?

Por defecto, la IA no guarda memoria entre conversaciones. Cada chat nuevo empieza de cero, con la mesa vacía. Le explicaste ayer con detalle cómo funciona tu negocio, y hoy no se acuerda de nada.

Esto sorprende a mucha gente y tiene consecuencias de negocio reales. Significa que no puedes “entrenar” a la IA a base de charlar con ella un rato: en cuanto cierras la conversación, ese conocimiento se pierde. Algunos productos añaden una capa de memoria por encima que va apuntando cosas y te las vuelve a poner en la mesa la próxima vez, pero eso es una función añadida del producto, no del modelo. Cuando alguien te venda una IA que “aprende de tu empresa”, pregunta exactamente qué guarda, dónde y quién puede verlo. Muchas veces la respuesta es más simple y más frágil de lo que promete el discurso.

Las tres formas de darle tus datos

Hay tres maneras de meter la información de tu empresa en esa mesa de trabajo. Van de menos a más automáticas, y de menos a más esfuerzo de montaje.

Pegarla a mano. Copias el documento, el correo o la tabla en la conversación y le pides que trabaje con eso. Es inmediato y no requiere montar nada. Sirve para tareas puntuales. El problema es que cabe poco (la mesa tiene un tamaño límite) y no se sostiene si lo tienes que hacer veinte veces al día.

Dejar que busque en tus documentos. Conectas la IA a un archivo de documentos (contratos, manuales, fichas de producto) y, cuando preguntas, el sistema busca primero los fragmentos relevantes y se los pone al modelo en la mesa antes de responder. Esto es RAG, que en llano significa “buscar antes de responder”. Es lo que hace que un asistente pueda contestar sobre tus manuales sin que tú pegues nada. Requiere montaje y mantenimiento, pero escala bien.

Darle herramientas. En lugar de solo texto, le das a la IA permiso para usar herramientas: buscar en tu web, leer un sistema, consultar una base de datos, mandar un correo. Cuando una IA puede usar herramientas para actuar, deja de ser un chat y se convierte en un agente. Es lo más potente y también lo más delicado, porque ya no solo lee: hace cosas.

Forma	Qué es	Cuándo tiene sentido	Riesgo principal
Pegar a mano	Copias tú la información en el chat	Tareas puntuales, sin montaje	Cabe poco; no escala
Búsqueda automática (RAG)	El sistema busca en tus documentos y se los da al modelo	Consultas repetidas sobre documentación propia	Si busca mal, responde mal
Agente con herramientas	La IA usa herramientas para leer sistemas y actuar	Automatizar tareas que tocan varios sistemas	Acceso mal acotado, acciones no deseadas

Un “agente” sin humo

Un agente es simplemente una IA con permiso para usar herramientas. Nada más. Le das las llaves de ciertas puertas (tu catálogo, tu calendario, tu sistema de pedidos) y ella decide cuándo abrirlas para completar lo que le pides. La palabra suena a ciencia ficción, pero la idea es esa: modelo más permisos.

Aquí está el matiz que no te cuentan en la demo. En la demostración todo sale perfecto porque el escenario está preparado. En tu empresa, con datos reales y casos raros, el agente a veces se equivocará de puerta o hará algo que no esperabas. Darle acceso a un sistema donde solo lee es muy distinto de darle acceso a un sistema donde puede modificar o borrar. Una demo impecable no es una garantía de producción, y confundir las dos cosas sale caro.

Decidir a qué accede es seguridad, no técnica

El momento en que conectas la IA a tus sistemas deja de ser una decisión técnica y pasa a ser una decisión de seguridad. La pregunta ya no es “¿puede la IA leer esto?”, sino “¿quién queda expuesto si lo lee, lo copia o lo comparte donde no debe?”.

La regla sensata es la de mínimo acceso: la IA solo debe poder ver y tocar lo estrictamente necesario para la tarea, y nada más. Si un agente que responde dudas de clientes tiene también acceso a nóminas, tienes un problema esperando a ocurrir, aunque hoy funcione. Además, cuando esos datos incluyen información personal de clientes o empleados, entra en juego el RGPD, el reglamento europeo de protección de datos. Enviar datos personales a un modelo, sobre todo si es de un proveedor externo, tiene implicaciones legales que conviene revisar antes, no después. Qué pasa exactamente con los datos que mandas a un modelo de terceros lo desarrollo en datos a terceros y modelos de IA. Esto no es asesoramiento jurídico: consúltalo con quien lleve la protección de datos en tu organización.

Este criterio (qué datos entran, quién accede, qué puede hacer el agente) es exactamente el tipo de decisión que trabajamos con calma en el curso de IA sin hype, para que sepas qué preguntar antes de firmar nada.

Un concepto nuevo cada semana

Suscribirme

Qué pedir a quien te lo implemente

Cuando alguien te proponga “conectar la IA a los datos de tu empresa”, estas preguntas separan una propuesta seria de una venta de humo:

• ¿De qué forma le dais los datos: pegados, buscados en documentos, o con herramientas?
• ¿A qué sistemas accede exactamente el agente, y solo puede leer o también modificar?
• ¿Qué datos personales se envían al modelo y bajo qué base legal (RGPD)?
• ¿El proveedor del modelo guarda o reutiliza lo que enviamos?
• ¿Qué pasa cuando la IA se equivoca, y quién lo revisa antes de que llegue al cliente?
• ¿Lo que funciona en la demo está probado con nuestros datos reales?

Si a alguna de estas la respuesta es vaga, todavía no tienes una propuesta lista para producción.

Preguntas frecuentes

¿La IA se queda con mis datos?

Depende del proveedor y del plan que contrates. Algunos servicios usan lo que envías para mejorar sus modelos salvo que lo desactives; otros, sobre todo los planes de empresa, se comprometen a no hacerlo. No es un detalle menor: antes de mandar información sensible, lee las condiciones concretas del servicio y, si hay datos personales, revisa el encaje con el RGPD.

¿La IA aprende de lo que le doy en el chat?

No de forma permanente. Dentro de una misma conversación usa lo que le has dado, pero al cerrarla no lo retiene por defecto. No puedes “enseñarle” tu negocio a base de charlar. Para que trabaje siempre con tus datos hace falta montar una de las tres formas descritas arriba, no repetírselo cada día.

¿Necesito un modelo de IA propio para usar mis datos?

Casi nunca. La inmensa mayoría de empresas trabaja con modelos de proveedores existentes y les da contexto con sus datos, sin entrenar nada propio. Montar un modelo a medida es caro y rara vez compensa. El trabajo de verdad no está en el modelo, sino en darle buen contexto y acotar bien a qué accede.

¿Qué es la fecha de corte del modelo?

Es la fecha hasta la que el modelo leyó información durante su entrenamiento. No conoce nada posterior a ese momento ni nada que fuera privado. Por eso, para datos actuales o internos de tu empresa, siempre hay que dárselos tú en el contexto: el modelo por sí solo no los tiene.

¿Dar contexto a la IA cumple el RGPD?

Puede cumplirlo, pero no automáticamente. En cuanto envías datos personales de clientes o empleados a un modelo, aplican las reglas de protección de datos: minimizar lo que mandas, tener una base legal y saber dónde acaban esos datos. No es un obstáculo insalvable, pero sí una decisión que hay que tomar con conocimiento y, si hace falta, con asesoramiento legal.