Conectar un agente de IA a Drive y Slack no es el problema difícil

Cualquiera puede tomar un modelo de lenguaje y apuntarlo a una carpeta de Drive o a un canal de Slack. Hay librerías para eso, tutoriales, plantillas. En una tarde tenés un chatbot que responde preguntas sobre tus documentos. El problema es que ese chatbot va a responder con la misma confianza si el documento que encontró tiene tres años y ya nadie lo usa, que si es el procedimiento vigente aprobado ayer.

Ese es el problema que realmente hay que resolver, y no es un problema de modelo: es un problema de gobierno de datos. ¿Quién aprobó este documento? ¿Qué versión es la vigente? ¿Qué hacemos cuando dos fuentes se contradicen? ¿Qué pasa cuando la pregunta no tiene respuesta en ningún lado — el agente inventa algo verosímil, o avisa que no sabe?

En Base resolvimos esto separando dos capas. Una capa de ingesta, donde la IA arma un borrador de cada proceso a partir de los documentos que encuentra — eso sí es rápido y el modelo lo hace bien. Y una capa de aprobación, donde una persona con conocimiento del área revisa ese borrador antes de que quede disponible para que el resto de la empresa lo consulte. El agente nunca responde con algo que nadie de la empresa haya validado.

El otro efecto que no anticipamos al diseñarlo: cada pregunta que el agente no puede responder queda registrada y agrupada por tema. Con el tiempo, eso se convierte en un mapa de lo que la gente realmente necesita saber y todavía no está documentado — que es información que ninguna encuesta de clima laboral te va a dar.

La conclusión que nos llevamos: la parte de IA de un proyecto de IA suele ser la más fácil. La parte difícil es la misma que era difícil antes de que existiera la IA — quién es responsable de qué información, y cómo se mantiene esa responsabilidad al día.