Descubra dónde vive realmente el conocimiento
El primer paso no consiste en elegir modelo, sino en inventariar documentos, wikis, incidencias y bases que el personal consulta hoy. Anote dueño, formato, idioma, forma de actualización y reglas de acceso de cada fuente. Distinga un procedimiento aprobado y vigente de una nota antigua que nadie mantiene. Si se mezclan sin etiquetas, el buscador puede devolver instrucciones convincentes pero obsoletas. Pregunte al equipo cómo reconoce ahora la versión correcta y cuándo prefiere consultar a un compañero.
Delimite también el proyecto. Puede cubrir manuales públicos, procedimientos internos o una sola actividad. Cada categoría adicional trae propietarios y normas diferentes. Para el piloto seleccione un conjunto menor de documentos importantes y mantenidos. No fabrique contenido que parezca autorizado cuando falta una respuesta. Registre el vacío y nombre a quien puede completarlo. La búsqueda no arregla la ausencia de decisiones sobre la propiedad de los conocimientos.
Palabras clave, búsqueda híbrida y RAG sirven a necesidades diferentes
Un nombre exacto de producto, número de incidencia o código suele encontrarse mejor por palabras clave. Una pregunta formulada de otra manera puede aprovechar la recuperación semántica. Microsoft define una consulta híbrida como combinación de búsqueda por términos y vectores en una solicitud. No elija tecnología por unas pocas demostraciones atractivas. Compare resultados con preguntas reales, incluidas frases breves, incompletas y en varios idiomas. Las personas también necesitan entender por qué un documento aparece primero.
RAG añade una respuesta generada a pasajes recuperados. Puede ahorrar tiempo si el lector necesita combinar fuentes, pero crea otro lugar donde fallar. Para una consulta sencilla, ofrecer tres documentos relevantes puede ser mejor que generar un párrafo. Para una pregunta compleja, distinga hechos documentados del resumen del modelo. En el piloto mida por separado recuperación de pasajes y calidad de respuesta. Una frase final pulida no demuestra que se encontró la fuente correcta.
Prepare fuentes para resultados rastreables
Divida documentos en fragmentos con contexto suficiente y referencia estable al original. Un fragmento demasiado corto pierde condiciones y excepciones; uno excesivamente largo oculta la respuesta. Conserve título, versión, fecha de modificación, dueño y permisos. Tablas, anexos e imágenes pueden contener información vital que una extracción sencilla de texto omite. Decida si puede procesarlos con fidelidad. Si no, muestre vínculo al documento original y explique la limitación del índice.
Una cita debe resultar útil al lector. Un enlace a la portada de un manual largo no suele bastar; conviene una sección o identificador de pasaje. En procedimientos sensibles muestre fecha de vigencia y estado del documento. Cuando una fuente desaparece o se sustituye, actualice índice y caché. La respuesta no debe seguir apuntando a una referencia inexistente o prohibida. Conecte la indexación con el ciclo habitual de documentos, en lugar de depender de una importación manual ocasional.
Los permisos se aplican antes y después de buscar
Un índice interno suele unir material con derechos distintos. El usuario no debe ver siquiera título, extracto o vecino semántico de un documento que no puede leer. Microsoft describe filtros de seguridad y otros controles por documento en Azure AI Search. La tecnología concreta puede variar, pero el principio es el mismo: compruebe identidad y grupos en cada consulta, sincronice permisos de origen con el índice y filtre antes de entregar resultados al modelo o a la pantalla.
Pruebe cambios de función y salida de empleados. Cuando un documento pasa a una categoría restringida, un índice antiguo puede devolver todavía el resultado previo. Defina una demora aceptable de sincronización y considere verificar de nuevo el acceso en lecturas críticas. La caché de respuestas debe respetar contexto del usuario, no solo texto de búsqueda. Audite lecturas sensibles y minimice datos personales en registros. Los permisos son un requisito arquitectónico, no un filtro opcional añadido al final de RAG.
Evaluar exige preguntas y fuentes esperadas
Reúna consultas reales de quienes usan los documentos. Para cada una identifique fuentes que deberían aparecer, si existe respuesta definitiva y cuándo corresponde reconocer falta de pruebas. La guía de evaluación de bases de conocimiento de Amazon Bedrock utiliza textos y respuestas esperados como referencia. El mismo principio se puede aplicar localmente sin ese servicio. Incluya nombres conocidos, paráfrasis, documentos parecidos, versiones antiguas y preguntas fuera del alcance elegido.
Mida recuperación de pasajes relevantes, orden de resultados, fidelidad de la respuesta al texto citado, rechazo correcto y tiempo necesario para verificar. No dependa de una media única. Filtrar un documento sin autorización o recomendar un procedimiento revocado puede importar más que decenas de fallos menores de estilo. Repita los casos tras cambiar indexación, fragmentación, modelo o permisos. Permita que usuarios señalen fuentes erróneas y envíe la corrección al responsable del contenido.
El piloto muestra si basta con buscar
Empiece con una actividad y un grupo pequeño. Registre tiempo actual de búsqueda, consultas que acaban preguntando a un compañero y documentos ausentes con mayor frecuencia. Compare búsqueda por términos, recuperación híbrida y quizá RAG sobre las mismas preguntas. Observe si las personas abren las citas, las entienden y confían en el resultado en la medida adecuada. El volumen de consultas por sí solo no demuestra valor; también puede indicar respuestas poco claras.
Antes de ampliar, asigne quién actualiza fuentes, quién resuelve malos resultados y cómo se apaga la generación si no es segura. Esta página no afirma que EXCOIN tenga un buscador propietario ni resultados medidos de instalaciones de clientes. Primeros productos útiles son mapa de fuentes y permisos, conjunto de pruebas, comparación de métodos y plan de mantenimiento. Si una búsqueda fiable por palabras resuelve el problema central, añadir un modelo solo por el efecto visual de la demostración aumenta costes sin beneficio claro.
Incluya preguntas deliberadamente engañosas. El usuario puede creer que una norma sigue vigente cuando fue revocada. El sistema debe hallar pruebas o reconocer que no las tiene. Compruebe cuánto tarda una fuente corregida en llegar al índice, quién puede avisar de una respuesta equivocada y cómo se revisa antes de repetir el error.