Una respuesta bien redactada puede ser incorrecta. En la atención de una tienda, ocurre cuando la IA explica una política antigua, afirma que un producto está disponible sin consultar las existencias o describe un pedido que no ha verificado.
El punto de partida es separar las preguntas que pueden responderse con contenido aprobado de las que exigen una consulta actual. Esta decisión define la solución: el modelo ayuda a interpretar la solicitud y redactar la respuesta, mientras los sistemas de la operación aportan los datos necesarios.
Distingue la información general de los datos de una compra
Instrucciones de uso, materiales, medidas y políticas aprobadas pueden formar una base de conocimiento. Ese contenido necesita responsables, versiones y un proceso de actualización. Una página pública antigua o una conversación aislada no deben convertirse automáticamente en una regla de la tienda.
Disponibilidad, precio vigente, plazo calculado y estado del pedido son distintos. Pueden cambiar y depender de una variante, ubicación o compra concreta. Copiarlos a un documento y actualizarlo de vez en cuando puede no ofrecer la precisión necesaria.
Haz una lista de preguntas frecuentes y clasifica cada una: contenido aprobado, consulta al sistema o atención humana. Así podrás elegir un primer caso de uso sin intentar automatizar todas las solicitudes a la vez. También verás qué preguntas todavía carecen de una respuesta fiable dentro del negocio.
Utiliza una fuente identificable para cada respuesta
Para consultar inventario, la solución debe identificar el producto y la variante antes de pedir datos al sistema responsable. Para consultar un pedido, debe localizar la compra correcta y verificar que la persona está autorizada a ver su información. Escribir un número de pedido en el chat no demuestra, por sí solo, esa autorización.
Fundamentar respuestas en fuentes externas se conoce como grounding. Las plataformas de IA documentan consultas a API o servicios de búsqueda para proporcionar información al modelo. Esa conexión, por sí sola, no garantiza que el resultado sea reciente, esté autorizado o se interprete correctamente.
Define qué puede consultar la integración, qué campos devuelve y cómo se utilizan. «En preparación» no significa «enviado»; «registrado en el catálogo» no significa «disponible para comprar». El asistente debe conservar el significado de cada estado, aunque una formulación diferente parezca más tranquilizadora.
Usa ejemplos para delimitar lo que puede responder
En un caso ilustrativo, el cliente pregunta si hay unas zapatillas negras disponibles. Sin la talla, el sistema todavía no sabe qué variante consultar. La siguiente respuesta útil pide ese dato en lugar de afirmar que hay existencias porque otra talla sí está disponible.
En otro ejemplo, una persona pregunta cuándo llegará su pedido. El sistema indica que fue enviado y muestra una fecha estimada. La IA puede explicar esa información y su procedencia, pero no convertir la previsión en una garantía ni inventar una hora de llegada.
Si la consulta falla, la respuesta debe reconocer que no fue posible confirmar el dato en ese momento y ofrecer el siguiente paso. Un mensaje breve y correcto evita crear una promesa que el equipo tendrá que retirar más adelante.
Controla actualización, permisos y datos enviados
Cada información necesita una regla de vigencia. Una política comercial puede ser válida hasta su revisión; la disponibilidad debe respetar la frecuencia de actualización de la operación. Si se usa caché, define cuándo caduca el dato y en qué situaciones hace falta otra consulta.
El acceso también depende del contexto. Un asistente público puede consultar información pública de productos, pero los datos de una compra requieren una verificación adecuada. Separa las funciones de consulta de las que modifican pedidos, registros de clientes o condiciones comerciales.
Envía al modelo solo lo necesario para la tarea. Una pregunta sobre el estado de un pedido normalmente no requiere todo el perfil del cliente. Revisa qué información queda en los registros de conversación y quién puede acceder a ella. Estos controles forman parte del diseño de la atención, junto con la calidad del texto.
Facilita que una persona asuma la conversación
Algunas preguntas exigen análisis, negociación o una decisión de la tienda. Una excepción comercial, una contradicción entre sistemas o una reclamación sin datos suficientes no deberían quedar atrapadas en respuestas repetitivas.
Define los motivos de derivación y entrega al responsable un resumen útil: solicitud del cliente, información verificada, problema encontrado y acción pendiente. Si la persona ya indicó una talla o verificó su compra, no debería tener que repetir todo sin una razón.
La derivación debe funcionar también cuando el cliente pide hablar con una persona. Explica el siguiente paso según el proceso real de la tienda, sin inventar disponibilidad inmediata ni horarios. La IA debe apoyar la operación existente, no crear una operación ficticia.
Comprueba la precisión con preguntas reales
Empieza con conversaciones representativas y define el resultado esperado antes de evaluar el asistente. Incluye preguntas sencillas, solicitudes incompletas y situaciones donde la respuesta correcta es pedir aclaraciones o derivar la atención.
- Producto con varias opciones y una variante no disponible.
- Política vigente junto a contenido antiguo que debe ignorarse.
- Pedido con identificación insuficiente o acceso no autorizado.
- Consulta fallida o información fuera del plazo de actualización.
- Diferencia entre pedido recibido, preparado y enviado.
- Solicitud de excepción y petición explícita de atención humana.
Comprueba los datos de la respuesta y el camino seguido. Un texto fluido no compensa un saldo incorrecto ni revelar información de otra compra. Registra el error con contexto suficiente para corregir la fuente, la integración o la instrucción que lo provocó.
Empieza con un alcance limitado y observa los resultados
Un primer proyecto puede responder dudas sobre una categoría de productos y derivar las consultas que requieren acceso a pedidos. Otro puede recuperar el estado de una compra después de una verificación definida. La elección depende de la demanda real y los sistemas disponibles.
Observa las respuestas incorrectas, consultas fallidas, derivaciones necesarias y preguntas sin resolver. Contar solo las conversaciones automatizadas puede ocultar una atención que responde mucho y soluciona poco.
AGTI desarrolla sistemas e integraciones según los procesos del negocio. Para evaluar la IA en atención al cliente, reúne las preguntas más repetidas e identifica dónde están las respuestas actualmente. Ese análisis permite discutir fuentes de datos, límites y un piloto que el equipo pueda validar. Más información en https://www.agti.eng.br/.
Referencia técnica sobre consultas a fuentes externas: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/grounding/grounding-with-your-search-api.