Para dirección general, RRHH, calidad y jefes de área que ven cada día a su equipo perder tiempo buscando información en una documentación interna dispersa entre SharePoint, carpetas de red, Teams, Outlook y Wikis. Un asistente conversacional que responde en segundos con cita del documento fuente, embebido en Microsoft Teams y desde navegador.
En la mayoría de pymes la documentación interna existe, pero está repartida. Manuales de producto en SharePoint, procedimientos de calidad en una carpeta compartida del servidor, contratos con proveedores en una carpeta del director de operaciones, precedentes de proyectos en hilos de Teams de hace dos años, FAQ no escritas que solo están en la cabeza de tres personas, decisiones tomadas hace seis meses que se discutieron por correo y nadie recuerda dónde. La información está, pero no se encuentra.
Los empleados nuevos hacen lo razonable: preguntan a los séniors. Cada sénior dedica entre treinta y sesenta minutos al día respondiendo a preguntas cuya respuesta ya está documentada en algún sitio del corpus corporativo. Es tiempo de gente cara contestando lo mismo varias veces a la semana. Para el sénior es frustrante; para el nuevo es lento; para la dirección es invisible hasta que se mide.
El problema estructural es la dependencia de personas concretas. Si un responsable de área se va, parte de la operativa se va con él. Si el técnico veterano coge vacaciones, hay dudas que no se resuelven hasta que vuelve. El conocimiento operativo de la empresa, sin querer, está alojado en cabezas, no en documentos consultables. Eso convierte cada onboarding en una carrera lenta y costosa, y cada salida en un riesgo silencioso.
El cuarto frente es la calidad uniforme de la respuesta. Cuando la consulta depende del sénior disponible, cada respuesta varía: el criterio cambia, la memoria del precedente cambia, la paciencia del día cambia. La dirección no puede garantizar que dos empleados que hacen la misma pregunta a personas distintas reciban respuestas equivalentes. Ese ruido, multiplicado por toda la operativa, tiene coste real en cumplimiento, en formación y en calidad de servicio al cliente final.
El núcleo del caso es un asistente conversacional RAG (Retrieval-Augmented Generation) entrenado sobre la documentación corporativa del cliente. El empleado pregunta en lenguaje natural ("¿Cuál es el procedimiento para dar de alta un proveedor nuevo?", "¿Qué dijo el contrato con el proveedor Y sobre las garantías?", "¿Cómo gestionamos las retenciones de obra en Andalucía?") y obtiene una respuesta inmediata, redactada en el mismo idioma de la pregunta, con citas explícitas a los documentos fuente.
Técnicamente, cada documento del corpus corporativo se trocea, se vectoriza con embeddings de Azure OpenAI y se indexa en Azure AI Search. Cuando llega una pregunta, el motor recupera los pasajes más relevantes por similitud semántica (no solo por palabras clave: entiende sinónimos, paráfrasis y contexto), los pasa a un modelo de lenguaje junto con la pregunta, y este genera una respuesta sintética basada exclusivamente en lo que dice la documentación. Si la información no está en el corpus, el asistente lo dice: no inventa.
El acceso al asistente es donde está el usuario. La integración principal es como app de Microsoft Teams: el empleado pregunta desde el chat habitual, sin abrir herramientas nuevas, sin formación previa. También está disponible desde navegador web (para invitados o empleados sin Teams) y, opcionalmente, desde Outlook como complemento para resolver dudas mientras se redacta un correo o se prepara una respuesta a cliente.
Cada respuesta del asistente incluye las citas de los documentos fuente, con enlace directo al fichero original en SharePoint. Eso es clave para la confianza: el empleado puede verificar la respuesta antes de aplicarla, especialmente en consultas críticas (contratos, procedimientos legales, normativa interna). Y para la dirección es trazabilidad: queda registrado qué se preguntó, qué se respondió y qué fuentes se usaron, sin almacenar datos sensibles fuera del tenant.
Opcionalmente, conectamos el asistente con datos transaccionales de Business Central a través de la integración nativa del AI Studio. En ese modo extendido, el asistente no solo responde sobre documentación estática ("¿Cómo se gestiona X?") sino que también puede consultar datos vivos del ERP ("¿Cuál es el saldo pendiente del cliente Y?", "¿Qué proyectos tiene abiertos la delegación de Sevilla?"). Es opcional porque añade complejidad y se recomienda solo después de que el RAG documental esté estabilizado.
| Aspecto del proceso | Antes (sin asistente) | Después (con RAG IA) |
|---|---|---|
| Tiempo de respuesta a duda interna | El empleado pregunta a un sénior, espera horas o días según disponibilidad. A veces no pregunta y resuelve mal. | Respuesta en segundos desde Teams o navegador, con cita del documento fuente para verificar. |
| Dependencia de personas clave | Si se va el responsable de área o el técnico veterano, parte del conocimiento se va con él. | El conocimiento queda en el corpus indexado. Las personas siguen siendo importantes; ya no son únicas. |
| Onboarding de nuevos miembros | Dos o tres meses de preguntas constantes a los séniors para entender procedimientos y precedentes. | El nuevo pregunta al asistente lo básico desde el día 1. Los séniors atienden solo lo complejo. |
| Calidad de respuesta uniforme | Cada sénior responde según su criterio, su memoria y su nivel de paciencia ese día. | Mismo procedimiento, misma respuesta. La interpretación humana queda para los casos límite. |
| Trazabilidad de la consulta | No hay registro de qué se preguntó, a quién, ni con qué respuesta. Se repite la misma duda mil veces. | Cada conversación queda registrada con cita de fuentes. Se detecta qué documentos no se entienden. |
| Conocimiento estructurado | Documentos dispersos entre SharePoint, carpetas, Teams, Outlook, Wikis. Nadie sabe dónde está nada. | Un único punto de entrada conversacional. La estructura física de los archivos deja de importar. |
| Carga sobre los séniors | Entre 30 y 60 minutos al día atendiendo dudas que ya están documentadas. | Ese tiempo recuperado para trabajo de fondo. Los séniors atienden solo la duda que escala. |
Auditoría de las fuentes documentales (SharePoint, carpetas de red, Teams, Wikis), mapa de áreas de consulta más frecuentes, identificación de duplicidades y documentación obsoleta, propuesta de curación mínima viable y dimensionado del corpus inicial.
Despliegue de Azure AI Search y Azure OpenAI en el tenant, indexación inicial del corpus piloto, configuración del agente con Copilot Studio, integración como app de Teams, formación de un grupo piloto, ajuste de prompts y umbrales con feedback real.
Ampliación a más áreas y más documentación, integración opcional con datos vivos de Business Central, complemento Outlook, monitorización de calidad de respuesta, reentrenamiento incremental con el feedback de los usuarios.
Hay escenarios donde el caso no compensa o no es viable. Lo decimos directamente.
RAG sectorial para construcción: certificaciones, retenciones, partidas críticas a pie de obra.
Caso IAUna nota mensual redactada por IA sobre el comportamiento financiero, con desviaciones explicadas.
Caso IACopiloto técnico para vuestro equipo IT que diagnostica incidencias BC y propone customizaciones.
Extensión BCVisor documental sobre BC. Cuando el RAG necesita conectar con documentación gestionada en el ERP.
Sector IACasos IA específicos para gestoras patrimoniales: cierre, anomalías, consulta documental.
HubCatálogo completo de casos, sectores, método y discovery del AI Studio.
No es bloqueante, pero condiciona el alcance. El motor RAG aprende a buscar en lo que hay; si la documentación está dispersa, duplicada o desactualizada, las respuestas heredan ese ruido. En el discovery auditamos las fuentes (SharePoint, carpetas de red, Teams, Wikis), detectamos solapamientos y proponemos una curación mínima viable antes del piloto: marcado de versión vigente, retirada de borradores, etiquetado por área. No es reescribir todo: es ordenar lo justo para que el asistente sea fiable desde el primer día.
No. El despliegue va sobre Azure OpenAI Service y Azure AI Search dentro de vuestra suscripción Azure, con los índices vectoriales alojados en vuestro tenant. Ni los documentos ni los embeddings se envían a OpenAI público, ni se usan para entrenar modelos de terceros. Las respuestas del asistente se generan con los pasajes recuperados de vuestros documentos y se devuelven con cita explícita al fichero fuente, para que el usuario pueda verificar.
La indexación inicial de un corpus típico de pyme (unos cientos a unos pocos miles de documentos entre SharePoint y carpetas de red) lleva entre uno y tres días. Cada vez que se sube un documento nuevo o se modifica uno existente, el índice se actualiza automáticamente en minutos. No hay entrenamiento de modelo: el motor RAG no aprende los documentos a memoria, los consulta en vivo a través del índice vectorial. Eso permite que cualquier cambio en la documentación impacte de inmediato en las respuestas.
Sí, son las dos integraciones nativas principales. SharePoint actúa como fuente primaria de documentos (indexación automática de bibliotecas seleccionadas, respetando los permisos del usuario que pregunta). Teams aloja el asistente como app conversacional, accesible desde el chat habitual del empleado, sin instalar nada. También está disponible desde navegador web y, opcionalmente, como complemento de Outlook para resolver dudas mientras se redacta un correo.
El asistente entiende y responde en castellano, catalán, gallego, euskera, inglés, francés, alemán, portugués e italiano sin configuración adicional. La documentación puede estar en cualquier idioma soportado por Azure OpenAI: el usuario pregunta en su idioma, el motor recupera en el idioma original del documento y traduce la respuesta. Útil cuando hay procedimientos heredados en inglés o contratos en varias lenguas.
Os enmarcamos el asistente dentro de vuestra relación actual con el tenant Microsoft y la documentación que ya gestionamos. Vuestro asesor habitual coordina con el AI Studio.
Habla con el equipo →Empezamos por el discovery de 5 días. Auditamos el estado real de vuestra documentación, dimensionamos el corpus piloto y os entregamos un plan de curación mínima viable.
Solicita Discovery IA →