Chatbot con datos propios — base de conocimientos y RAG

Un chatbot con datos propios no responde solo desde conocimientos lingüísticos generales, sino que utiliza los contenidos que usted proporciona de forma dirigida al tenant. En Zentor App existen tres vías: entradas manuales de conocimiento, crawl del sitio web y carga de archivos. Son adecuados, por ejemplo, preguntas frecuentes, información de productos, procesos de servicio, aprobaciones internas, PDF, documentos HTML o de texto y exportaciones de WordPress. Para cargas de archivos se aplica un máximo de 100 MB. El crawl procesa hasta 300 páginas por ejecución, respeta `robots.txt`, está limitado a ocho minutos y puede ejecutarse nuevamente cada 24 horas.

Después de la incorporación, los contenidos se procesan en la base de conocimientos del tenant correspondiente. La separación se realiza en el servidor; los datos de otro tenant no deben aparecer como fuente. Ante una consulta, el chatbot busca contenidos adecuados y utiliza solo los resultados encontrados como contexto técnico. RAG está desactivado por defecto y debe activarse para el tenant correspondiente. Esto es importante porque disponer de contenidos no significa que el bot ya los use activamente para responder.

Para obtener buenos resultados, los contenidos deben ser claros, actuales y no contradictorios. Una descripción de producto no debería indicar simultáneamente dos precios o plazos de entrega distintos. Documentos repetidos, obsoletos o solo parcialmente válidos empeoran la selección de fuentes. Antes de publicar se recomienda probar con preguntas realistas de clientes: preguntas simples, preguntas de detalle y casos cuya respuesta no esté expresamente en la base. El bot no debería inventar información faltante, sino limitarse a los contenidos disponibles o activar un handover.

La base de conocimientos no sustituye automáticamente el mantenimiento editorial. Tras cambios en productos, contratos o procesos, las entradas afectadas deben actualizarse o volver a importarse. Compruebe además el estado de procesamiento después de un crawl o una carga. Un documento subido correctamente solo es utilizable cuando finaliza el procesamiento. Para Starter e Individual (Individuell) están confirmados 1.000 MB de almacenamiento y 100 entradas de conocimiento como valores de paquete. No deben suponerse ampliaciones mientras no se hayan acordado expresamente.

Para el mantenimiento continuo, cada fuente debería tener un responsable claro y una fecha de revisión. Especialmente en precios, condiciones de entrega o procesos legales, una fuente obsoleta es problemática. Tras una corrección no solo debe sustituirse la entrada, sino también comprobarse si versiones antiguas del crawl o archivos subidos siguen conteniendo la misma afirmación.