Entrenar un agente de IA: guía práctica de base de conocimiento, tono y límites

  • 22
  • noviembre 20, 2026
Documentos de producto y un portátil vistos desde arriba para entrenar un agente de IA

Entrenar un agente de IA consiste en darle tres cosas: una base de conocimiento con la información real de tu empresa, un prompt que defina cómo debe hablar y hasta dónde puede llegar, y un límite claro para derivar a una persona cuando no sabe. No se programa: se alimenta, se prueba y se corrige.

Esa es la parte que casi nadie explica. Hay guías de sobra sobre cómo activar un agente de IA para WhatsApp, pero muy pocas sobre qué cargarle, cómo ordenar esa información y cómo comprobar que dejó de inventar respuestas. Eso es lo que verás aquí, aplicado a conversaciones reales.

¿Qué significa realmente «entrenar» un agente de IA?

No significa reentrenar un modelo de lenguaje. El modelo ya viene entrenado; lo que tú haces es darle contexto propio para que responda con los datos de tu negocio y no con conocimiento genérico de internet.

En la práctica, entrenar un agente son cuatro movimientos:

  1. Cargar documentos con la información que necesita (catálogo, precios, políticas, preguntas frecuentes).
  2. Escribir el prompt que define su rol, su tono y sus prohibiciones.
  3. Probarlo con preguntas reales de clientes.
  4. Corregirlo cuando responde mal, y volver a probar.

Si la diferencia entre esto y un flujo de respuestas predefinidas todavía te resulta borrosa, conviene empezar por entender qué es un agente de IA y en qué se diferencia de un chatbot: un chatbot sigue un árbol que alguien dibujó; un agente interpreta la pregunta y construye la respuesta con lo que le diste.

¿Qué información hay que cargarle a la base de conocimiento?

Archivo de documentos corporativos del que se extrae la información para la base de conocimiento de una IA

La base de conocimiento es la fuente de verdad del agente. Si la información no está ahí, el agente la improvisa, y ahí nacen las respuestas falsas.

Lo que necesita, en orden de importancia:

  • Qué vendes, con detalle: nombres exactos de productos o planes, qué incluye cada uno, para quién es cada uno.
  • Precios y condiciones, con la explicación alrededor. No basta con «Plan Pro: $X». Añade qué justifica ese precio y qué pasa si el cliente quiere algo intermedio.
  • Políticas: envíos, devoluciones, garantías, tiempos de entrega, formas de pago.
  • Preguntas frecuentes reales, tomadas de tus conversaciones, no inventadas en una reunión.
  • Lo que NO haces: zonas donde no entregas, servicios que no prestas, casos que no atiendes. Esta es la carpeta que más se olvida y la que más alucinaciones evita.

Un criterio útil: si un vendedor nuevo necesitaría saberlo en su primera semana, va en la base de conocimiento.

Cómo ordenar los documentos

El formato importa menos que la organización. Un PDF enorme con todo mezclado da peores resultados que cinco documentos cortos y temáticos, cada uno con un título claro y encabezados internos.

Evita los duplicados contradictorios. Si tienes dos documentos con precios distintos porque uno quedó viejo, el agente elegirá uno de los dos y no te avisará cuál.

¿Cómo se define el tono para que suene a tu empresa?

El tono no sale de los documentos: sale del prompt. Ahí defines quién es el agente y cómo habla.

Un prompt útil especifica:

  • Rol: «Eres el asesor comercial de [empresa], atiendes por WhatsApp».
  • Registro: tuteo o usted, frases cortas o explicativas, uso de emojis o no.
  • Qué priorizar: resolver rápido, calificar al cliente, agendar una llamada.
  • Prohibiciones explícitas: no prometer descuentos no autorizados, no dar fechas de entrega que no estén en la política, no opinar sobre competidores.
  • Qué hacer cuando no sabe: la instrucción más importante de todas.

Esa última línea cambia el comportamiento por completo. Sin ella, el modelo tiende a completar el vacío con algo plausible. Con ella, responde que no tiene ese dato y pasa la conversación a una persona.

¿Cómo evitar que el agente invente respuestas?

Las alucinaciones casi nunca son un problema del modelo: son un problema de información faltante o ambigua. Cuatro medidas que funcionan:

  • Instrucción de abstención: indica en el prompt que, si la respuesta no está en la base de conocimiento, debe decirlo y derivar.
  • Cobertura de los vacíos: cada vez que el agente invente algo, no corrijas el prompt primero; revisa si el dato existía en los documentos.
  • Lista de temas vetados: aspectos legales, médicos, financieros o cualquier cosa que no deba responder sin un humano.
  • Escalamiento bien definido: el agente debe saber cuándo soltar la conversación. Tenemos un artículo dedicado a cuándo tu agente de IA debe derivar a una persona, porque un agente que nunca escala hace más daño que uno que responde de menos.

Cómo probar el agente antes de ponerlo frente a clientes

Equipo revisando en una sala de reuniones las respuestas de un agente de IA antes de activarlo

Prueba con conversaciones reales, no con preguntas ideales. Toma veinte chats de los últimos meses y lánzaselos tal cual, con sus faltas de ortografía, sus audios transcritos y sus «cuánto vale?» sin contexto.

Revisa tres cosas en cada respuesta: si el dato es correcto, si el tono encaja con tu marca y si el agente supo parar cuando no sabía. Un fallo de dato se arregla en la base de conocimiento; un fallo de tono, en el prompt; un fallo de límite, en las reglas de escalamiento.

Cuando las respuestas sean estables, el siguiente paso es conectarlo al canal. El proceso completo está en la guía de cómo integrar IA en WhatsApp, con los requisitos técnicos y los errores más comunes.

Mantenimiento: entrenar no termina el día uno

Un agente entrenado y abandonado se vuelve obsoleto en semanas: cambian los precios, se agota un producto, sale una promoción. Revisa la base de conocimiento cada vez que cambie algo comercial y audita una muestra de conversaciones al mes para detectar respuestas flojas antes de que las detecte un cliente.

Ese mantenimiento solo es sostenible si puedes actualizar documentos y prompts sin tocar nada técnico. Es lo que resuelve una plataforma de agentes de IA pensada para que el equipo de atención la maneje sin depender de desarrollo.

Preguntas frecuentes

¿Cuánto tarda en estar listo un agente de IA?
Depende de qué tan ordenada esté tu información. Con documentos ya hechos, la carga y las primeras pruebas toman unas horas. Lo que realmente lleva tiempo es el ciclo de probar y corregir: calcula entre una y dos semanas hasta tener respuestas estables.

¿Se puede entrenar con conversaciones reales de clientes?
Sí, y es una de las mejores fuentes, sobre todo para las preguntas frecuentes y el tono. Anonimiza los datos personales antes de cargarlas y revisa que las respuestas de tus agentes fueran correctas: si cargas malas prácticas, el agente las replica.

¿Cada cuánto hay que actualizar la base de conocimiento?
Cada vez que cambie un precio, una política o el catálogo. Además, una revisión mensual completa para retirar información vencida.

¿Necesito saber programar?
No. Cargar documentos y escribir prompts es trabajo de quien conoce el negocio, no de un desarrollador. La parte técnica aparece solo al conectar el agente con el canal o con otros sistemas.

En resumen

Un agente de IA responde bien cuando tiene información ordenada, un prompt que define tono y límites, y una ruta clara para derivar a un humano. Lo demás es iteración: probar con casos reales, corregir donde falló y mantener los documentos al día.

Si vas a empezar, hazlo por la base de conocimiento: es donde se gana o se pierde la calidad de todas las respuestas que vendrán después.