AI & RAG

IA y RAG

Antes de que la IA redacte una respuesta, el RAG le aporta la base desde tu conocimiento interno.

El RAG (generación aumentada por recuperación) es un mecanismo por el que la IA busca en tus documentos internos antes de responder y recibe lo que encuentra como base de su respuesta. En Kanata, el conocimiento interno que genera tu trabajo, como actas de reuniones y materiales de formación, se guarda en Library y se gestiona con carpetas y permisos de visualización. El agente de IA responde y realiza tareas a partir de los documentos de Library.

Vídeo: IA y RAG

Presentación de cómo funciona el RAG, por qué fracasan los proyectos de RAG interno y cómo construir un RAG en Kanata.

Las empresas y personas que aparecen son ficticias.

Roles

Cómo se relacionan la IA y el RAG

La IA generativa responde con conocimiento general hasta el momento de su entrenamiento. No conoce tus políticas internas ni las decisiones de la reunión de la semana pasada. El RAG (generación aumentada por recuperación) es un mecanismo por el que la IA busca en tus documentos internos antes de responder y recibe lo que encuentra como base de su respuesta. Estos son los papeles de la IA y el RAG, y cómo los trata Kanata.

ElementoPapelEn Kanata
Modelo de IA (IA generativa)Comprende las preguntas y redacta respuestas y textosElige entre GPT, Claude y Gemini
RAG (generación aumentada por recuperación)Busca en los documentos internos y aporta lo encontrado a la IA como baseConsulta el conocimiento interno almacenado en Library, dentro de los permisos
Conocimiento internoLa información en la que se basan las respuestas y el trabajoActas, materiales de formación, políticas internas y documentos almacenados en Library

IA generativa sola frente a combinada con RAG

AspectoIA generativa solaCombinada con RAG
Base de las respuestasConocimiento general hasta el entrenamientoDocumentos internos y conocimiento general
Información interna más recienteNo se reflejaSe refleja al actualizar los documentos, sin reentrenar el modelo
Mostrar fuentesDifícilPuede mostrar los nombres de los documentos consultados
Reentrenamiento del modelo—No es necesario

Why it fails

Tres motivos por los que fracasa el RAG interno

Documentos dispersos y versiones obsoletas mezcladas

La IA puede responder con información desactualizada.

Permisos de visualización mal diseñados

Puede aparecer en las respuestas contenido de documentos que el usuario no tiene permiso para ver.

Sin mecanismo de mejora

La calidad de las respuestas no mejora y la gente deja de usarlo.

Kanata resuelve estos problemas con la gestión de versiones y fuentes en Library, permisos por proyecto y carpeta, y un mecanismo que acumula en Library las actas y los documentos creados por la IA.

How it works

Cómo se construye el RAG en Kanata

Tu conocimiento interno se convierte en una base de datos que trabaja con la IA automáticamente.

El conocimiento interno que genera tu trabajo, como actas y materiales de formación, se acumula en Library, y defines las carpetas de referencia y el modelo de IA de cada agente. Revisas los resultados de las respuestas y acciones, y actualizas o añades documentos.

01

Recopilar y organizar datos

Collect & Organize

Las actas de Grabación con IA, los materiales de e-Learning y los datos de las aplicaciones de AppStudio se guardan en Library como parte del trabajo diario. Las políticas y los procedimientos internos se crean como documentos y se gestionan con permisos de visualización y versiones por carpeta.

Grabaciones y actas de reunionesVídeos y materiales de formaciónDocumentos y PDFPermisos de visualización y versiones por carpeta

02

Conectar aplicaciones e IA

Connect Apps & AI

Al definir las carpetas que consulta cada agente de IA, su contenido pasa a ser una fuente candidata. El agente de IA responde consultando los documentos dentro de los permisos de visualización del usuario y, tras revisar el plan según el nivel de autonomía, opera las aplicaciones y funciones de Studio que permiten sus permisos de ejecución.

Carpetas que consulta la IAOperar aplicaciones y StudioElección entre GPT, Claude y GeminiFuentes limitadas a los permisos de visualización

03

Mejorar los datos

Improve

Comprueba las respuestas y fuentes con las preguntas internas frecuentes, y actualiza los documentos obsoletos y añade los que faltan. Las actas y los documentos creados por el agente de IA también se acumulan en Library.

Comprobar respuestas y fuentesActualizar documentos obsoletos y añadir los que faltanAcumular actas y documentos creados por la IA

Los resultados del uso se convierten en la base de la siguiente respuesta

How to build

Cómo construirlo en Kanata

Los pasos para crear con un agente de IA un asistente que responde a partir del conocimiento interno. Se construye con ajustes en pantalla, sin diseñar bases de datos ni programar.

  1. Registrar documentos
    Crea documentos en Library para registrar tus materiales. Los registros de reuniones se registran desde Grabación con IA y los contenidos de formación desde e-Learning.
  2. Organizar y definir permisos
    Organiza los documentos en carpetas y define quién puede verlos. Las políticas internas pueden gestionarse con versiones como documentos formados por portada, categorías y páginas.
  3. Crear un agente de IA
    Crea un agente de IA y define su nombre, su icono y unas instrucciones personalizadas que describan su papel y su forma de responder.
  4. Definir el alcance de consulta y los permisos de ejecución
    Define las carpetas de referencia, los permisos de ejecución (solo investigar, hasta crear documentos, hasta operar aplicaciones), el nivel de autonomía y el modelo que se usará.
  5. Comprobar y mejorar las respuestas
    Haz en el chat las preguntas internas frecuentes y comprueba las respuestas. Actualiza los documentos obsoletos y sigue acumulando en Library las actas y los documentos creados por la IA.

Reference scope

Definir el alcance de consulta

Define para cada agente de IA en qué puede basar la IA sus respuestas.

AjusteFunciónDónde se configura
Carpetas de referenciaLas carpetas que el agente de IA consulta como base. Todo su contenido es candidato, así que no hace falta seleccionar archivos uno a unoAjustes del agente de IA
Permisos de visualizaciónSolo usa como base los documentos que puede ver el usuario de la conversaciónPermisos de carpeta
Búsqueda webLee páginas externas. Elige si usarla en cada agentePermisos de ejecución del agente de IA
Instrucciones personalizadasIndica cómo responder a preguntas que no cubren los documentos y qué no debe responder (temas prohibidos) (hasta 8.000 caracteres)Ajustes del agente de IA

Settings

Ajustes del agente de IA

Para cada agente de IA, describe su papel y su forma de responder en las instrucciones personalizadas, y define sus carpetas de referencia y sus permisos de ejecución. Puedes crear agentes por departamento, como un "servicio de ayuda administrativa" o "apoyo comercial", y compartirlos en el proyecto.

AjusteQué puedes definir
Nombre e iconoEl nombre y el icono del agente (una combinación de dibujo y color de fondo)
Instrucciones personalizadasDescribe su papel, su forma de responder y las reglas que debe seguir en un solo texto (hasta 8.000 caracteres). Por ejemplo: "Responde como guía de la formación interna", "Muestra siempre los documentos de origen", "No respondas preguntas sobre evaluaciones de desempeño"
Carpetas de referenciaLas carpetas que se consultan como base. Solo se usa lo que puede ver el usuario solicitante
Permisos de ejecuciónSolo investigar, hasta crear documentos, hasta operar aplicaciones o ajustes detallados por herramienta
Nivel de autonomíaSolo sugerir, revisar el plan y ejecutar, o ejecutar automáticamente (solo los administradores del proyecto pueden elegir la ejecución automática)
ModelosEl modelo predeterminado en el chat y los modelos disponibles

Registra las instrucciones que uses a menudo como prompts en Library y compártelas en el proyecto.

Data

Datos que puedes incorporar

TipoEjemplosCómo se registra en Library
DocumentosPolíticas internas, manuales, preguntas frecuentesCrear como documento
ReunionesGrabaciones de Zoom, Google Meet y Microsoft Teams, actasCreado por Grabación con IA
FormaciónVídeos y materiales de formaciónCreado en e-Learning
Datos de aplicacionesRegistros como informes diarios y gestión de oportunidadesIntroducidos en aplicaciones creadas con AppStudio

Los tipos de archivo y los límites de tamaño varían según la función (por ejemplo, vídeos de e-Learning de hasta 2 GB).

Tips

Consejos de uso para mejorar la precisión del RAG

  1. Un tema por documento
    Dividir los documentos largos en capítulos facilita que la IA encuentre lo que necesita.
  2. Elimina las versiones obsoletas
    Gestiona las políticas internas con versiones de documento y deja clara cuál es la última.
  3. Acota las carpetas de referencia de cada agente
    Cuantos más documentos no relacionados haya, más tienden a variar las respuestas.
  4. Indica la forma de responder en las instrucciones personalizadas
    Define para cada agente cómo responder a preguntas que no cubren los documentos y el formato de las respuestas.
  5. Prueba con preguntas frecuentes
    Comprueba respuestas y fuentes con consultas reales y añade los documentos que falten.
  6. Elige el modelo según la tarea
    Usa un modelo ligero para las preguntas cotidianas y uno de alto rendimiento para los análisis importantes. Puedes ver el multiplicador de consumo de créditos al elegir.

Security

Seguridad y permisos

Use cases

Dónde se usa el RAG

Consultas de RR. HH. y administración

Da una primera respuesta basada en el reglamento y las políticas internas; las preguntas sin base las atiende el personal.

Guía de procedimientos de TI

Guía en la configuración y las solicitudes según el manual de procedimientos de cada sistema.

Preparación de propuestas comerciales

Organiza el esquema y los puntos a confirmar de una propuesta a partir de propuestas anteriores y actas de reuniones comerciales.

Atención al cliente

Redacta borradores de respuesta basados en las preguntas frecuentes y la documentación del producto, que el personal revisa antes de enviar.

FAQ

Preguntas frecuentes

Q¿Qué diferencia hay entre la IA generativa y el RAG?

La IA generativa (modelos de lenguaje de gran tamaño) es la IA que comprende las preguntas y redacta respuestas y textos. El RAG es un mecanismo por el que la IA busca en los documentos internos antes de responder y recibe lo encontrado como base. En Kanata, el RAG busca dentro de los permisos en el conocimiento interno almacenado en Library, y el modelo de IA que elijas entre GPT, Claude y Gemini responde a partir de él.

Q¿Qué diferencia hay entre el RAG y el ajuste fino?

El ajuste fino añade entrenamiento al propio modelo de IA. El RAG deja el modelo como está y busca en los documentos internos en el momento de responder para usarlos como base. Como las actualizaciones de documentos se reflejan en las respuestas sin reentrenar el modelo y se pueden mostrar los nombres de los documentos como fuentes, el RAG es muy adecuado para aprovechar el conocimiento interno. Kanata aprovecha el conocimiento interno con el enfoque RAG.

Q¿Podemos usar nuestras actas y documentos existentes?

Sí. Los materiales existentes se pueden crear como documentos y registrar en Library. Las actas creadas con Grabación con IA sirven directamente de base para el agente de IA.

Q¿Podemos separar qué documentos consulta el agente de cada departamento?

Define permisos por proyecto y carpeta, y las carpetas de referencia de cada agente de IA. Por ejemplo, un agente de RR. HH. puede consultar solo las políticas de RR. HH., y un agente comercial solo las propuestas y las actas.

Q¿Qué modelos de IA están disponibles?

Puedes elegir entre GPT de OpenAI, Claude de Anthropic y Gemini de Google. Incluso con el mismo agente, puedes cambiar de modelo en cada pregunta desde el campo de entrada de los mensajes directos, entre los modelos permitidos para ese agente.

Q¿Es seguro registrar documentos confidenciales?

Kanata no usa los datos que introduces para entrenar modelos de IA. Los permisos de visualización de los documentos y el alcance que consulta la IA se separan mediante los permisos de carpeta y los ajustes de los agentes. Para más información, consulta Seguridad.

Última actualización: