El punto de partida: los SOP mueren en el disco compartido
Un parque logístico tenía más de 200 SOPs acumulados, cogiendo polvo en un disco compartido. Los nuevos empleados necesitaban dos semanas de formación antes de trabajar por su cuenta; las excepciones del turno de noche implicaban sacar al supervisor de la cama. Sus palabras: «Respondo las mismas preguntas 300 veces al año». Una base de conocimiento con LLM no resuelve la cuestión de «¿tenemos documentación?» — resuelve el último kilómetro entre el conocimiento y las personas.
El marco central: cuatro puntos
1. Preparación del corpus: primero estandarizar, después alimentar al modelo
El rendimiento de RAG es 70% calidad del corpus. Cuatro pasos de preparación: recopilar (SOPs, manuales de equipos, registros históricos de excepciones, estándares de control de calidad) → deduplicar (¿varias versiones de un mismo proceso? declara primero una única versión válida) → trocear (500–800 palabras por fragmento, un procedimiento completo por fragmento) → etiquetar (por etapa del proceso, equipo, tipo de excepción).
La lección dura: basura dentro, basura fuera. Si los SOP se contradicen entre sí, el modelo simplemente empaqueta las contradicciones como respuestas seguras. Operaciones debe firmar que el corpus es «la única versión válida» antes del lanzamiento.
2. Arquitectura RAG: cada respuesta cita su fuente — nunca inventar
RAG estándar: recuperación vectorial más generación con LLM. Tres reglas de hierro: cada respuesta cita su fuente (nombre del documento más sección); cuando la recuperación no encuentra nada relevante, el bot dice «esto no está en la base de conocimiento — se escala a un humano» y nunca inventa; las respuestas sobre seguridad o mercancías peligrosas requieren verificación humana antes de contar.
«No inventar» es la línea de vida o muerte en las operaciones de almacén. Una instrucción inventada sobre almacenamiento de mercancías peligrosas no cuesta puntos — provoca incidentes.
3. Cubrir primero las 5 preguntas más frecuentes
| Puesto | Pregunta frecuente | Valor |
|---|---|---|
| 1 | Cómo tratar artículos dañados/excepciones | Reduce un 40% las llamadas del turno de noche |
| 2 | Qué significan los códigos de alarma de los equipos | Acorta las esperas por paradas |
| 3 | Proceso de devoluciones/cambios | Donde más se atascan los nuevos |
| 4 | Requisitos de almacenamiento de mercancías peligrosas | Línea roja de cumplimiento |
| 5 | Lista de verificación de entrega de turno | Menos entregas olvidadas |
Lleva estas cinco al 95% de precisión antes de ampliar a la cola larga. Lanzar 500 preguntas de una vez baja la precisión al 70% — dos respuestas decepcionantes y los trabajadores no vuelven nunca.
4. Métricas operativas: revisar semanalmente las «preguntas sin respuesta»
El lanzamiento es la línea de salida, no la meta. Sigue cuatro métricas: tasa de resolución (objetivo 80%+), tiempo medio de respuesta (<5 segundos), tasa de escalado a humanos y la lista semanal de preguntas sin respuesta. Esta última es la más importante — es un informe de salud gratuito de tu corpus. Parchea el corpus semanalmente y la base de conocimiento se vuelve más inteligente con el uso.
Caso de campo: tiempo hasta la productividad, de 14 días a 7
Un parque logístico, seis meses después del lanzamiento de su base de conocimiento: los nuevos empleados alcanzaban la autonomía en 7 días en lugar de 14, las llamadas por excepciones del turno de noche cayeron un 60% y el supervisor por fin duerme toda la noche. La inversión fue sobre todo mano de obra de limpieza del corpus (dos personas, un mes) más costes de API del modelo — menos de $150K al año.
Errores que hay que evitar
- Límites de permisos. La nómina y los precios a clientes nunca deben entrar en la base de conocimiento pública. Clasifica los documentos antes de la ingesta; los documentos sensibles van a un índice separado con autorización separada.
- Sincronizar el corpus con los cambios de SOP. ¿Cambió el proceso pero no el documento? El bot enseña el procedimiento equivocado. Regla: las revisiones de SOP deben llegar a la base de conocimiento en 48 horas.
- No esperar que sustituya la formación. Es un entrenador de bolsillo, no un entrenador sustituto. La técnica práctica y el instinto de seguridad siguen viniendo de la tutoría.
Adopción: conseguir que los trabajadores lo usen de verdad
Un sistema que nadie usa es un sistema que no existe. Cuatro jugadas de adopción:
- Códigos QR en cada puesto de trabajo. Las zonas de picking y los muelles de recepción reciben un código QR a la base de conocimiento — escanea y pregunta, 10x más rápido que hurgar en los SOP.
- Supervisores promotores. Que 2–3 jefes de turno lo usen primero; los éxitos del turno de noche se propagan de boca en boca más rápido que cualquier presentación de formación.
- Premios mensuales a la «respuesta más útil». Las preguntas y respuestas más votadas entran en el boletín mensual, creando un círculo virtuoso.
- Integrarlo en las herramientas existentes. No hagas que los trabajadores instalen otra app — conéctalo a WeChat Work, DingTalk o la app de push-to-talk para que las preguntas y respuestas vivan dentro del flujo de trabajo.
Métrica de adopción: usuarios activos que preguntan a diario ÷ plantilla de primera línea, objetivo 60% en 3 meses. Por debajo del 40%, algo falla en el punto de entrada o en la precisión — vuelve atrás y revisa.
Mantenimiento del corpus: la base de conocimiento caduca
El peor enemigo de una base de conocimiento es la obsolescencia. En el momento en que cambia un SOP, el bot que enseña el proceso antiguo es peor que ningún bot. Tres reglas de mantenimiento:
- Actualizaciones por cambio: las revisiones de SOP deben llegar al corpus en las 48 horas siguientes a su aprobación. Escríbelo en la política de gobernanza de SOP — el incumplimiento se señala en las revisiones.
- Revisión mensual: las 20 preguntas sin respuesta principales reciben nuevas entradas de corpus; las respuestas con baja valoración se corrigen.
- Versionado: marca cada actualización del corpus con su versión para que una mala respuesta se rastree hasta exactamente qué versión del documento la enseñó — diagnóstico de causa raíz 10x más rápido.
Asigna un administrador de la base de conocimiento (a tiempo parcial sirve) — el rol más barato y a la vez más crítico de todo el proyecto. Una base de conocimiento sin responsable se convierte en un cementerio de respuestas caducadas en seis meses.
La conclusión
La fórmula de campo de una base de conocimiento con LLM: primero estandariza el corpus, cita fuentes y prohíbe inventar, conquista primero las 5 preguntas principales y retroalimenta semanalmente las «preguntas sin respuesta». Bien hecha, es el veterano más paciente de la planta — en línea 24/7, nunca se toma un día libre.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
