Tu ChatGPT no conoce tu negocio

Una IA genérica sabe de todo un poco: responde con lo que aprendió de internet durante su entrenamiento, que es exactamente cero por ciento tu catálogo, tus políticas o tus contratos. Cuando le preguntas algo específico de tu negocio, no miente a propósito — improvisa con la mejor generalidad disponible, y suena convincente aunque esté equivocada.

La técnica que corrige eso se llama RAG — Retrieval-Augmented Generation, “generación aumentada por recuperación”. No necesitas saberte el nombre para usarla: en la práctica es dejar que la IA lea tus documentos antes de contestar, en vez de responder solo con lo que ya traía memorizado. Eso ya lo puedes hacer hoy, sin escribir una línea de código, subiendo archivos a una herramienta que ya existe.

Para una pyme esto importa más que para una empresa grande, no menos: un despacho contable, una comercializadora o un taller no tienen un equipo de sistemas que conecte la IA a sus bases de datos internas. Lo que sí tienen es un catálogo en Excel, un contrato tipo en Word y una política de garantías en PDF — y eso es exactamente lo que RAG necesita para empezar a funcionar.

El resto de esta pieza muestra la diferencia con un ejemplo, explica los tres pasos de cómo funciona por dentro, aclara qué no es RAG, y cierra con un diagnóstico para que definas qué documento subir primero.

La misma pregunta, dos respuestas

Imagina un negocio ficticio — “Papelería La Central”, un ejemplo inventado para ilustrar, no datos reales de ninguna empresa — y la misma pregunta hecha dos veces: una vez a una IA genérica, y otra a una IA que ya leyó los documentos internos de ese negocio.

A la pregunta “¿Cuál es nuestra política de garantía en devoluciones?”, la IA genérica responde: “Por lo general las garantías cubren defectos de fábrica dentro de un plazo razonable, típicamente entre 30 y 90 días, pero esto varía según la empresa y el tipo de producto”. La IA con los documentos del negocio responde: “Según tu Política de Garantías v3 (subida el mes pasado): 15 días para cambio directo sin preguntas, 90 días para defecto de fábrica con ticket de servicio. No aplica a productos en oferta final”.

A “¿Cuánto cuesta el paquete Premium para un cliente nuevo?”, la genérica dice: “El precio de un paquete premium depende del mercado, la industria y el valor agregado que ofrezcas. Podrías considerar un rango competitivo basado en tu costo más un margen”. La que ya leyó los documentos contesta: “Según tu Catálogo de Precios 2026: Paquete Premium = $4,800 MXN/mes, incluye 2 revisiones extra. Con el descuento de lanzamiento (vence 31 de julio) queda en $4,080 MXN/mes”.

Y a “¿Qué le prometimos a este cliente sobre tiempos de entrega?”, la genérica: “Los tiempos de entrega suelen prometerse en un rango de días hábiles, comúnmente entre 5 y 15 días dependiendo de la complejidad del servicio contratado”. La que conoce el negocio: “Según el Contrato firmado el 12 de junio (cláusula 4.2): entrega en 10 días hábiles desde el anticipo, con penalización del 2% por semana de atraso”.

La diferencia no es un modelo “mejor”. Es la misma IA, con la misma pregunta — la única variable es si tuvo o no acceso a los documentos reales antes de contestar.

¿Cómo le hace por dentro?

Son tres pasos, y ninguno requiere que tú programes nada — la herramienta los hace sola una vez que subiste los archivos.

Primero, subes tus documentos. Catálogo, políticas, contratos tipo, manual del empleado — lo que sea que quieras que la IA conozca.

Segundo, cuando preguntas algo, primero busca. Antes de responder, la IA busca dentro de tus documentos la parte exacta que tiene que ver con tu pregunta, en vez de partir directo a improvisar.

Tercero, arma la respuesta con eso. Contesta usando lo que encontró en tus archivos — no lo que “recuerda” vagamente de su entrenamiento en internet.

El paso que hace posible “buscar la parte exacta” no es una búsqueda de palabras clave como la de un buscador de texto: la IA compara el sentido de tu pregunta contra el sentido de cada fragmento de tus documentos, así que encuentra la parte relevante aunque no uses las mismas palabras exactas que aparecen en el archivo. Por eso funciona igual si preguntas “¿cuánto tarda una entrega?” que si preguntas “¿en cuántos días me llega mi pedido?”.

Qué no es RAG

No es entrenar un modelo propio. No estás creando una IA nueva ni reentrenando nada — le estás dando a una IA que ya existe algo que leer antes de contestarte a ti. El modelo de fondo (Claude, GPT, Gemini) sigue siendo el mismo para todos los usuarios.

Tampoco es garantía automática de que tus documentos nunca se usen para nada más. Cada herramienta tiene su propia política de datos, y varía según el proveedor y el tipo de cuenta (gratis o de paga). Antes de subir información sensible de clientes o de la empresa, vale la pena leer esa política en la herramienta que vayas a usar — no asumirla.

Y tampoco necesitas un programador para configurarlo. Crear un Proyecto en Claude o en ChatGPT, o un notebook en NotebookLM, y arrastrar un archivo ahí adentro es una tarea de interfaz, no de código — lo mismo que adjuntar un archivo a un correo. La parte de “búsqueda por sentido” que se explicó arriba la resuelve la herramienta sola, por dentro, sin que tú tengas que tocarla.

Tres herramientas que ya lo hacen hoy

Ninguna requiere programar. Las tres existen ya, verificadas al cierre de esta pieza.

Claude Projects, de Anthropic: subes documentos a un Proyecto y Claude usa RAG automáticamente para dar respuestas fundamentadas en tus archivos, no solo en su memoria de entrenamiento.

Proyectos en ChatGPT, de OpenAI: agrupa chats, archivos e instrucciones de un tema en un solo espacio. Disponible globalmente, para cuentas gratis y de paga.

Google NotebookLM: solo responde con base en las fuentes que tú subes, y cita exactamente de qué documento sacó cada dato.

Ninguna de las tres es una herramienta aparte que tengas que salir a comprar: las tres viven dentro de productos de IA que probablemente ya usas — solo hay que subir los documentos al lugar correcto.

Cuándo no te sirve

Si todavía no tienes nada por escrito — ni catálogo, ni políticas, ni un contrato tipo — RAG no tiene qué leer. Ese es el paso previo: primero escribe lo que ya haces de memoria, aunque sea en un documento sencillo.

Si tu información cambia todos los días — inventario en tiempo real, precios que se ajustan por hora — subir un documento estático no alcanza: la IA va a seguir citando la última versión que subiste, aunque ya esté vieja. Ahí se necesita una conexión en vivo a tu sistema, no un archivo cargado una vez.

Y si el documento existe solo en papel o como foto de mala calidad, la IA va a tener que descifrar el texto antes de poder usarlo, y ahí se cuela error — conviene pasar primero ese documento a un archivo de texto o PDF legible.

Qué hacer el lunes

1. Reúne dos o tres documentos (15 min). Catálogo, políticas de garantía, un contrato tipo — lo que ya tengas escrito, aunque sea en Word.

2. Súbelos a un Proyecto (10 min). Abre un Proyecto en Claude o en ChatGPT, o un notebook en NotebookLM, y carga esos archivos ahí.

3. Hazle la pregunta más repetida (5 min). La que más te preguntan clientes o tu equipo sobre ese tema, y compara la respuesta con lo que tú ya sabes que dice el documento.