La IA no corrige una política contradictoria. La calidad empieza en la fuente, la revisión y el camino de escalamiento.
El conocimiento es parte de la operación
Una carpeta con PDF no es automáticamente una base de conocimiento. Atención debe encontrar la respuesta correcta, entender dónde aplica y saber qué hacer cuando la fuente no cubre una excepción. Las prácticas KCS recomiendan capturar conocimiento en el trabajo, estructurarlo para reutilizarlo y cuidar la salud del contenido.
La IA aumenta la exigencia: una respuesta fluida puede ocultar una fuente ausente o antigua. El perfil de IA generativa de NIST trata procedencia, medición y gestión continua del riesgo como componentes del sistema.
El registro mínimo de cada artículo
| Campo | Propósito |
|---|---|
| Título y pregunta | Facilitan búsqueda y correspondencia de intención. |
| Respuesta aprobada | Define qué se puede comunicar. |
| Fuente y versión | Permiten rastrear y corregir. |
| Alcance y público | Evitan aplicar una regla al cliente equivocado. |
| Excepciones | Muestran cuándo detenerse y transferir. |
| Responsable y revisión | Evitan contenido huérfano. |
Construye en tres pasadas
- Inventario: lista motivos frecuentes, fuentes y contradicciones.
- Normalización: escribe una respuesta directa por intención.
- Validación: prueba preguntas reales, variaciones, datos ausentes y casos fuera de alcance.
- Cada respuesta tiene fuente y responsable
- Los documentos duplicados fueron conciliados
- Fechas, precios y políticas tienen revisión
- Los datos personales se excluyen si no son necesarios
- Las excepciones llegan a una persona con contexto
- Las correcciones vuelven al proceso editorial
Mantén viva la base
Revisa preguntas sin respuesta, fuentes poco usadas, correcciones y nuevos contactos. No publiques todo de una vez: valida un dominio y amplía. Usa la guía sobre qué automatizar, aplica el scorecard de conversaciones y sigue las métricas de resolución. Una buena base reduce incertidumbre; no elimina supervisión.
Convierte esta guía en una rutina operativa
Empieza con un piloto pequeño y observable para aplicar “Base de conocimiento para atención: checklist antes de usar IA”. Elige un equipo, un canal y un período definido. Registra la situación inicial: volumen, edad de la cola, responsables, excepciones y reclamos relacionados con el proceso. Después escribe una regla breve, indica quién decide en los casos ambiguos y documenta cómo volver al flujo anterior si algo falla. Este diseño evita una implementación amplia sin medición y permite una comparación justa entre el antes y el después.
- Objetivo operativo expresado en una frase verificable
- Responsable de ejecución y supervisor de la revisión
- Muestra de conversaciones con casos normales y excepciones
- Fecha de inicio, duración y regla de contingencia
- Métrica principal, indicador de seguridad y fuentes de eventos
- Decisión final: mantener, ajustar, ampliar o retirar
Durante el piloto, revisa conversaciones reales en lugar de confiar solo en el tablero. Confirma que estado, responsable, historial y próxima acción coincidan con la experiencia del cliente. Separa falla de proceso, limitación de herramienta, problema de integración y error de ejecución; cada causa necesita una corrección distinta. Al finalizar, publica la regla aprobada donde trabaja el equipo, retira instrucciones antiguas y programa una nueva revisión. El resultado esperado no es únicamente un número mejor, sino una operación capaz de explicar por qué cambió y de reproducir la mejora sin depender de una persona específica.