Cómo crear una base de conocimiento con IA que tu equipo use de verdad

La IA es la parte fácil de una base de conocimiento con IA. Las respuestas fallan porque los documentos de debajo están desactualizados, duplicados o compartidos con las personas equivocadas, así que arregla tus 50 documentos más usados y tus ajustes de uso compartido antes de comprar nada.

Esto importa ahora porque quizá ya tengas una. Atlassian activa la IA por defecto en todas las apps de sus planes cloud Standard, Premium y Enterprise, Rovo incluido, hasta que un administrador la desactive (Atlassian). ChatGPT Business activa las apps por defecto (OpenAI Help Center). Claude Team y Enterprise incluyen un proyecto de búsqueda “Ask Your Org” que viene activado por defecto y solo espera a que un propietario termine la configuración (Claude Help Center). Es posible que tu gente empiece pronto a preguntarle a una IA por tus archivos sin que nadie haya revisado qué va a encontrar.

Esta guía es para responsables de equipo, ops y personal de IT en empresas de entre 10 y 500 personas, más o menos. Cubre cómo se construyen las respuestas, tres formas de montarlo con precios verificados de 2026, qué hace que las respuestas sean erróneas y un despliegue en 30 días.

Cómo se construye una respuesta de IA a partir del conocimiento de la empresa

Quita el marketing y todos los productos de aquí hacen lo mismo en cuatro pasos. Comprueban quién pregunta. Buscan solo en los documentos que esa persona ya puede abrir. Pasan los fragmentos que mejor encajan a un modelo de lenguaje, que redacta una respuesta a partir de ellos. Y enlazan cada parte de la respuesta con el fragmento del que salió, para que el lector pueda comprobarlo.

El nombre técnico es generación aumentada por recuperación, o RAG. El modelo no se ha memorizado tu wiki. Lee unos pocos fragmentos recuperados en el momento en que alguien pregunta, como un recién llegado que echa un vistazo a tres páginas antes de contestar en Slack. Una respuesta solo puede ser tan actual y correcta como los fragmentos que le han pasado, y un modelo brillante no puede salvar una página equivocada.

Los permisos son el paso que los equipos subestiman. La documentación de Microsoft dice que Microsoft Copilot “solo muestra datos de la organización a los que cada usuario tiene como mínimo permiso de visualización”, y recomienda a los administradores usar el modelo de permisos de SharePoint para que las personas adecuadas tengan el acceso adecuado (Microsoft Learn). Léelo al revés. La IA no le enseñará un archivo a quien no pueda abrirlo. Pero sí sacará todos los archivos que sí pueda abrir, incluida esa hoja de cálculo de revisión salarial que alguien compartió con toda la empresa hace años y olvidó. (Microsoft ha renombrado Microsoft 365 Copilot como Microsoft Copilot, aunque algunas licencias pueden mostrar el nombre antiguo durante la transición.)

El diagrama sigue una pregunta a través de esos pasos. El cuadro ámbar es el que decide qué puede leer la IA.

Fíjate en el bucle de la parte inferior. Cuando alguien marca una respuesta mala, debe llegar a quien es propietario del documento fuente, porque arreglar la página arregla todas las respuestas futuras que la citen. Corregir la respuesta en el chat arregla una sola conversación.

Por dentro hay dos diseños, y fallan de forma distinta. Las herramientas basadas en índice copian de antemano tu contenido y sus ajustes de permisos en un índice propio. Así funcionan el Semantic Index de Microsoft, Rovo, Glean y Gemini Enterprise: es rápido, pero la copia puede ir por detrás de la fuente. Las herramientas de llamada en vivo buscan en tus apps cuando llega la pregunta. La búsqueda empresarial de Claude hace llamadas MCP a los servicios conectados y dice que nada de ellos se indexa en el lado de Anthropic.

Una línea de la página de ayuda de Anthropic importa para IT. Normalmente cada persona se conecta con sus propias credenciales, así que los resultados se ajustan a su propio acceso. Un conector personalizado configurado con una API key compartida funciona distinto: todos los que lo usan ven lo que pueda ver esa única credencial.

Tres vías de construcción, según cómo esté repartido tu conocimiento

El modelo que hay dentro apenas importa para este trabajo. Notion, por ejemplo, permite a los usuarios de Enterprise Search elegir entre GPT de OpenAI, Claude de Anthropic y Gemini de Google. Lo que distingue a los productos es dónde buscan y lo bien que siguen tus permisos, así que la elección correcta depende de dónde vive ya tu conocimiento.

Hay tres formas realistas de montarlo. Un asistente de equipo es un proyecto o cuaderno compartido para un equipo con un conjunto acotado de documentos, y puede estar funcionando en una tarde. IA en tu wiki significa activar el asistente que ya incluye el proveedor de tu wiki. Una capa de respuestas indexa muchas herramientas detrás de un único buscador y solo compensa cuando el conocimiento está disperso en muchos sistemas.

De izquierda a derecha, cada vía abarca más gente y más herramientas, y hereda más ajustes de permisos que alguien tiene que haber revisado. La tarjeta ámbar del medio es la opción sensata por defecto para la mayoría de las empresas de 10 a 500 personas. Si ya pagas una wiki, su IA es la ruta más barata hacia respuestas citadas, y lo que ahorres puedes invertirlo en limpiar páginas.

¿No sabes cuál es tu caso? El árbol de abajo te hace como mucho dos preguntas.

Si terminas en “Comprar una capa de respuestas”, lee la sección sobre por qué las respuestas fallan antes de firmar nada. Cuanto mayor es el índice, más ajustes de uso compartido olvidados desenterrará.

Vía uno: activa la IA de la wiki que ya tienes

Los proveedores de wikis tienen algo que les falta a las otras vías: funciones para mantener las páginas al día, y varios ya muestran ese estado dentro de las propias respuestas de la IA.

Notion incluye su IA en el plan Business, a $20 por miembro al mes con facturación anual o $24 mensuales. Free y Plus solo tienen una prueba (Notion pricing). Business incluye Enterprise Search en Notion y en herramientas conectadas como Slack, Microsoft Teams y GitHub, con más en beta. Su función más útil aquí es pequeña. Puedes añadir una insignia de verificado a las páginas actualizadas, y Notion dice que la insignia “aparece en los resultados de búsqueda y en las citas de la IA”, de modo que el lector ve si una fuente ha sido revisada.

Confluence es más barato por puesto porque Rovo viene incluido. Standard cuesta $5,42 por usuario al mes y Premium $10,44, con cuotas de Rovo de 25 créditos por usuario al mes en Standard, 70 en Premium y 150 en Enterprise (Atlassian). La documentación de uso de Atlassian añade que los créditos se acumulan a nivel de organización y no se arrastran, y que la facturación por uso adicional empieza a finales de este año, activada por defecto a $10 por cada 1000 créditos salvo que un administrador ponga un límite. Presupuéstalo antes de que el piloto se vuelva popular.

Las herramientas de wiki más pequeñas venden el mantenimiento con más fuerza. Slite Basic cuesta $10 por usuario al mes con facturación anual y responde solo a partir de documentos de Slite, con un tope de 30 preguntas por puesto al mes. Pro, a $20, añade búsqueda en herramientas conectadas y verificación de datos de los documentos con correcciones sugeridas (Slite). Tettra Scaling cuesta $8 por usuario al mes con facturación anual, con un mínimo de 10 usuarios, e incluye informes de páginas obsoletas y de contenido sin propietario (Tettra). Guru no publica precios, pero su paquete incluye flujos de verificación y respuestas con citas que respetan los permisos.

Elige entre estas opciones por las funciones de mantenimiento, no por el modelo. Una insignia de verificado o un informe de páginas obsoletas es lo que mantiene las respuestas correctas seis meses después del lanzamiento, cuando las páginas ya se han desviado. Y si tu wiki es un cementerio de páginas a medio terminar, activar su IA solo le da voz al cementerio.

Vía dos: un asistente compartido para un equipo

A veces el problema de conocimiento es de un solo equipo: las 40 macros de soporte, por ejemplo, o el playbook de ventas. Un proyecto de asistente compartido resuelve un montón acotado como ese en una tarde, sin migrar la wiki.

ChatGPT Business cuesta $25 por usuario al mes, o $20 con plan anual, con un mínimo de dos puestos (OpenAI Help Center). Su plugin Company Knowledge responde a partir de fuentes conectadas, y OpenAI dice que un miembro solo puede recuperar lo que ya tiene permitido consultar. Ojo con la carencia de administración, eso sí. En Business las apps vienen activadas por defecto, mientras que el control por roles de cada app es una función de Enterprise y Edu.

Claude Team cuesta $20 por puesto estándar al mes con facturación anual, o $25 mensuales, para equipos de 2 a 150 personas (Claude pricing). Los proyectos pueden ser públicos para toda la organización o privados para los miembros invitados, con roles de Can view y Can edit. Cuando los archivos de un proyecto se acercan al límite de contexto, Anthropic dice que Claude pasa a usar recuperación por sí solo y puede manejar hasta diez veces más.

Google renombró NotebookLM como Gemini Notebook este año, y dice que lo usan más de 30 millones de personas y más de 600 000 organizaciones. Su modelo de uso compartido es lo que debes entender antes de subir nada. Quien ve un cuaderno compartido “tiene acceso de solo lectura a todos los documentos fuente y notas”, y Chat View, que oculta esos materiales, “no revoca por completo el acceso subyacente de un lector” (Google).

De ahí sale una regla para toda esta vía. Nunca metas en un proyecto o cuaderno compartido un documento que no le entregarías, sin censurar, a cada persona con la que se comparte.

El cuadro comparativo enfrenta estos asistentes con las herramientas de wiki y Microsoft Copilot en cinco aspectos que deciden si las respuestas se mantienen correctas. Empieza por la última columna.

Todas las herramientas citan sus fuentes y respetan los permisos de origen, con Claude un punto por debajo por los conectores con credenciales compartidas. La diferencia está en el mantenimiento. ChatGPT Business y Claude Team no tienen ninguna función para marcar un documento como verificado ni para señalarlo como obsoleto, así que la actualidad depende por completo de quien sea dueño de los archivos. Eso está bien para un equipo de soporte con un solo responsable y unas pocas docenas de documentos. No escala a toda una empresa.

Vía tres: una capa de respuestas sobre todas tus herramientas

Cuando la respuesta a una pregunta rutinaria puede estar en Confluence, en una carpeta de Google Drive, en un hilo de Slack o en un ticket de Jira, la IA de una wiki solo ve una parte. Las capas de respuestas lo indexan todo y aplican los permisos de cada fuente en los resultados. Glean dice que ofrece más de 250 conectores y que “los usuarios solo ven aquello a lo que tienen permitido acceder”. No publica precios.

Las antiguas páginas de Agentspace de Google ahora redirigen a Gemini Enterprise. Su edición Business arranca en $21 por puesto al mes, no requiere configuración de IT, se conecta con Microsoft 365, Google Workspace, HubSpot y Jira, y agrupa 25 GiB de almacenamiento e indexación por puesto. Standard y Plus empiezan en $30 (Google Cloud).

Microsoft 365 Copilot Business es un complemento de un plan Microsoft 365 Business a $21 por usuario al mes pagados anualmente. Los clientes actuales que se den de alta antes de que acabe 2026 obtienen un precio promocional de $18 el primer año (Microsoft). Microsoft describe el Copilot Chat sin coste que viene con los planes elegibles como basado en la web, así que comprueba qué Copilot usa tu gente antes de dar por hecho que las respuestas salen de SharePoint.

Si pones los precios de entrada por puesto uno al lado de otro, la diferencia entre las tres vías resulta estrecha.

Seis de los ocho planes están en $20 o $21 por puesto. Tettra cuesta $8 y Confluence Standard $5,42 con créditos de Rovo incluidos. Una empresa de 50 personas a $20 por puesto paga $1000 al mes, o $12 000 al año, y esa es la parte predecible. El coste variable es el tiempo de las personas para limpiar documentos, auditar el uso compartido y revisar respuestas, y es el mismo elijas el proveedor que elijas.

Las ediciones business de Gemini Enterprise y de Copilot se detienen en 300 puestos, así que una empresa de 400 personas tiene que mirar niveles superiores (Gemini Enterprise Standard no tiene tope de puestos). Por debajo de unas 50 personas y con una sola wiki, sáltate esta vía. Pagarías por indexar herramientas donde vive poco de valor y heredarías todos los errores de uso compartido que contienen.

Si quieres un abanico más amplio que los productos citados aquí, el ranking de gestión del conocimiento con IA actualizado ordena la categoría por puntuación ToolRank, y nuestro resumen de herramientas de gestión del conocimiento con IA analiza a los líderes con más detalle.

Por qué las respuestas de la IA fallan

Cuando un piloto decepciona, mira las fuentes antes de culpar al modelo. Los fallos son previsibles y casi todos tienen su origen en el contenido.

Primero, las páginas obsoletas. Un modelo no distingue una política de viajes antigua de la vigente a menos que la página diga cuál es la actual, y si ambas se pueden recuperar, puede citar la equivocada con total aplomo. Los duplicados lo empeoran, porque dos versiones de la misma política pueden producir una respuesta que las mezcla y cita las dos.

El exceso de uso compartido es el que acaba en un informe de incidente. Microsoft creó un control de SharePoint, Restricted Content Discovery, para organizaciones que “necesitan tiempo para revisar sitios de SharePoint, validar permisos e implantar controles de gobernanza” antes de que Copilot haga el contenido ampliamente localizable. Microsoft lo califica de temporal, no cambia los permisos de nadie, y en sitios con más de 500 000 elementos una actualización puede tardar más de una semana. Si el proveedor lanza un parche provisional para archivos sobrecompartidos, da por hecho que tú tienes algunos.

La falta de propietario convierte errores pequeños en permanentes. Si nadie es dueño de la página que cita una respuesta, un error marcado no tiene adónde ir.

El desfase de sincronización pilla a los equipos después del lanzamiento. Notion dice que sus conectores de IA pueden tardar hasta 36 horas en ingerir una app conectada, que el contenido nuevo puede tardar hasta 3 horas en aparecer y que la integración suele retroceder un año desde la configuración (Notion Help). La documentación de Gemini Enterprise de Google dice que una sincronización incremental recoge el contenido añadido y actualizado, pero no los datos de identidad ni las eliminaciones, que esperan a una sincronización completa o de identidad. Así que un documento que borraste o restringiste esta mañana puede seguir saliendo en las respuestas durante un tiempo. Atlassian dice que Rovo detecta los cambios de permisos y actualiza su índice, y ese es el comportamiento por el que debes preguntar a todos los proveedores.

El último fallo es deliberado. El Top 10 de OWASP para aplicaciones LLM describe a un atacante que edita un documento del que se nutre un sistema RAG, de modo que unas instrucciones plantadas cambian lo que la IA le dice a la siguiente persona que pregunta. Cualquiera con permiso de edición sobre una fuente puede dirigir las respuestas, así que mantén los permisos de edición más estrechos que los de lectura.

Un despliegue de 30 días que empieza por tus 50 documentos clave

Treinta días bastan para un piloto honesto si las dos primeras semanas se dedican a los documentos y no al software. Cincuenta es un número de trabajo, no mágico, y es lo bastante pequeño como para terminarlo en quince días.

En el plan de abajo, la limpieza empieza el primer día y la IA no toca ninguna fuente hasta la semana 3.

Semana 1: reúne preguntas reales y averigua qué documentos las responden

Saca 50 preguntas que la gente haya hecho hace poco en canales de Slack, tickets del help desk y reuniones de seguimiento con recién llegados. Conserva su redacción, erratas incluidas, porque así es como se las harán a la IA. Para cada pregunta, encuentra el documento que debería responderla. Esa lista es tu top 50.

De cada documento, anota quién es su propietario y cuándo lo revisó alguien por última vez. Después audita quién puede verlo. En los drives y wikis que piensas conectar, busca el uso compartido con “cualquiera que tenga el enlace” y el acceso para toda la organización en carpetas de RR. HH., finanzas o legal. Los espacios cuyos dueños ya dejaron la empresa van en esa misma lista.

Semana 2: limpia los 50 documentos

Archiva o elimina los duplicados para que cada pregunta tenga una sola respuesta vigente, y haz que las páginas sustituidas apunten a su reemplazo. Dale a cada página un propietario con nombre y una fecha de revisión. Luego reescribe pensando en la recuperación. La IA lee fragmentos, no páginas enteras, así que un párrafo que dice “el límite ahora es de $50” no significa nada una vez separado de su encabezado. Nombra la política, el equipo, la región y el año dentro del propio fragmento. Anthropic recomienda nombres de archivo claros y descriptivos para los proyectos de Claude, y los títulos funcionan igual.

Pasa cada uno de los 50 documentos por esta tarjeta antes de acercarlo a un conector.

El último punto depende de tu herramienta. Notion y Slite tienen verificación integrada, y Tettra informa de las páginas obsoletas y sin propietario. En un proyecto de ChatGPT o Claude, una fecha de revisión en el nombre del archivo o en la primera línea es el sustituto viable.

Semanas 3 y 4: conecta, haz el piloto y puntúa

Conecta dos o tres fuentes, no todo. Deja fuera de la primera pasada los espacios de RR. HH., finanzas y legal aunque sus permisos parezcan correctos. Elige entre 10 y 20 usuarios piloto de distintos equipos y haz que usen la IA en trabajo real (nuestro plan de la primera semana con IA en el trabajo ayuda a quienes empiezan). Lanza tus 50 preguntas al final de la semana 3 y otra vez en la semana 4, y puntúalas así:

1. 1Califica cada respuesta como correcta, parcialmente correcta o incorrecta.
2. 2Abre las citas. Una respuesta correcta que cita una página desactualizada es un fallo a punto de ocurrir.
3. 3Cuenta las preguntas que no supo responder. Una tasa alta de “sin respuesta” suele apuntar a un documento que falta, no a una herramienta débil.
4. 4Envía cada respuesta incorrecta al propietario de la página citada y mide cuántas se corrigen en una semana.
5. 5Amplía solo cuando los resultados superen un listón que hayas fijado de antemano, como 45 buenas respuestas de 50.

Antes de conectar nada, puntúa dónde estás. Los puntos de dos puntos son las carencias que producen las peores respuestas.

Por debajo de 6 puntos, sigue limpiando. Conectar ahora sacaría a la luz archivos obsoletos y sobrecompartidos más rápido de lo que la gente puede corregirlos. Desde 6 puedes hacer un piloto con un grupo pequeño, y desde 10 tus fuentes están en forma suficiente para ampliar por etapas.

Gobernanza para que las respuestas sigan siendo correctas

Un buen despliegue te lleva hasta el día del lanzamiento. Mantener las respuestas correctas después exige unos cuantos hábitos aburridos.

Cada fuente necesita un propietario con nombre, una persona y no un alias de equipo. Cuando alguien se va, sus páginas se reasignan en la misma lista de baja que recoge su portátil. Las páginas sin propietario deben salir de las fuentes de la IA hasta que alguien las reclame.

Fija las fechas de revisión según la rapidez con que cambia el contenido. Noventa días van bien para las políticas. Los precios, los detalles de los planes y los pasos de un proceso necesitan una revisión cada 30 días. Una página que pasa su fecha se revisa o se archiva, y en una herramienta con verificación, se vuelve a verificar o pierde la insignia.

Comparte con grupos, no con individuos, para que el acceso siga los cambios de rol. Revisa el uso compartido antes de conectar una fuente, que es lo que Atlassian les dice a los clientes de Rovo que hagan con cada app de terceros. Y prefiere los conectores en los que cada persona inicia sesión con su propia cuenta, porque una credencial compartida da a todos la misma vista.

Hay material que nunca debería estar en ningún sitio al que llegue la IA, por muy ajustados que parezcan los permisos:

• Contraseñas, API keys y otras credenciales.
• Salarios, datos de salud y detalles de casos individuales de RR. HH.
• Datos personales de clientes más allá de lo que un equipo necesita para atender a ese cliente.
• Material protegido por privilegio legal, incluido cualquier cosa sujeta a una retención por litigio.
• Borradores sin revisar que parecen políticas.

Comprueba qué hace cada proveedor con tus datos. OpenAI dice que por defecto no entrena con los datos del espacio de trabajo de ChatGPT Business, Claude Team indica que por defecto no entrena modelos con tu contenido, y Microsoft dice que los datos a los que se accede mediante Microsoft Graph no se usan para entrenar modelos fundacionales. La retención varía más: Notion indica 30 días de retención con sus proveedores de LLM en los planes inferiores y retención cero en Enterprise. Nuestro marco de privacidad para herramientas de IA recoge las preguntas que conviene hacer.

Después, mantén en marcha el bucle de retroalimentación. Da a la gente una forma rápida de marcar una respuesta incorrecta, dirige la marca al propietario de la página y revisa las marcas cada mes. El bucle del primer diagrama solo funciona si alguien lo cierra.

Preguntas frecuentes

¿Necesitamos una herramienta nueva o nos basta con la IA de nuestra wiki?

Empieza con la IA de la wiki y sus conectores. Añade una capa de respuestas solo cuando las preguntas sin respuesta de tu piloto resulten vivir en herramientas que la wiki no alcanza.

¿Puede la IA enseñar a alguien un documento que no debería ver?

No uno que esa persona no pueda abrir ya, en los productos que cubrimos aquí. El riesgo son los archivos que puede abrir pero no debería, como una carpeta compartida con toda la empresa por error, además de todo lo accesible mediante un conector con credenciales compartidas.

¿Cuánto cuesta una base de conocimiento con IA para un equipo de 50 personas?

A precio de lista, unos $1000 al mes en cualquiera de los planes de $20: Notion Business, Slite Pro, ChatGPT Business o Claude Team, todos con facturación anual. Confluence Standard sale a $271 al mes con su cuota de Rovo, y Tettra Scaling a $400. Presupuesta además el tiempo de las personas para la limpieza.

¿Sigue disponible NotebookLM?

Sí, con otro nombre. Google lo renombró Gemini Notebook este año y dice que sigue siendo un producto independiente. La antigua dirección notebooklm.google ahora redirige a notebook.google, y la edición Business de Gemini Enterprise incluye Gemini Notebook para empresas.

¿Deberíamos construir nuestro propio sistema RAG?

Para la mayoría de las empresas de 10 a 500 personas, no. Las herramientas listas para usar ya resuelven la sincronización de permisos y las citas, que son la parte difícil. Construirlo tiene sentido cuando las respuestas deben vivir dentro de tu propio producto o apoyarse en datos que ningún proveedor conecta, y el ranking de bases de datos vectoriales y recuperación es un buen punto de partida.