IA con documentos de empresa: fuentes, permisos y pruebas
Un asistente documental no se vuelve fiable por conectar una carpeta y añadir un modelo. Debe recuperar la fuente adecuada para esa persona, distinguir versiones, citar evidencia y abstenerse cuando el repositorio no permite responder. La aceptación empieza en los documentos y permisos, no en la fluidez del chat.
Lo esencial, antes de empezar
- RAG recupera contexto; no garantiza que la respuesta sea correcta ni completa.
- El filtrado de seguridad debe aplicarse antes o durante la recuperación, no solo en la interfaz.
- Cada documento necesita propietario, vigencia, audiencia, versión y regla de retirada.
- La prueba debe incluir usuarios con permisos distintos, fuentes contradictorias y preguntas sin respuesta.
La respuesta corta: acepta evidencia, no una demo convincente
Define quién puede preguntar qué, qué documentos pueden responder, cómo se muestra la cita y qué debe decir el sistema cuando no sabe. Después prueba esos contratos con perfiles reales y documentos preparados.
La arquitectura conocida como recuperación aumentada por generación busca contenido relevante y lo aporta al modelo como contexto. La introducción de Microsoft a RAG separa recuperación, enriquecimiento y generación. Esa separación ayuda a diagnosticar: una respuesta puede fallar porque no se indexó el archivo, se recuperó un fragmento equivocado o el modelo interpretó mal una fuente correcta.
No empieces con todos los repositorios. Escoge un proceso limitado, una audiencia concreta y una colección cuyo propietario pueda validar vigencia. Un piloto de políticas internas es distinto de un asistente para expedientes de clientes. Mezclarlos amplía permisos, criterios de calidad y consecuencias antes de saber si la recuperación básica funciona.
Construye un inventario documental antes del índice
| Campo | Pregunta operativa |
|---|---|
| Propietario | ¿Quién corrige y retira la fuente? |
| Audiencia | ¿Qué roles pueden verla completa? |
| Vigencia | ¿Desde cuándo y hasta cuándo aplica? |
| Versión | ¿Cuál sustituye a cuál? |
| Sensibilidad | ¿Contiene datos personales, secretos o información de cliente? |
| Unidad de acceso | ¿El permiso se aplica al archivo, expediente, sección o registro? |
| Origen | ¿Es fuente autorizada, borrador o copia? |
| Retirada | ¿Qué evento obliga a eliminarla del índice? |
Incluye PDF, páginas, hojas, tickets y bases solo cuando el formato y la responsabilidad estén claros. Un archivo llamado final_v7 no constituye control de versiones. Si dos políticas vigentes se contradicen, el asistente debe mostrar ambas o escalar; no debe elegir silenciosamente la que produce la respuesta más cómoda.
La automatización documental puede comenzar antes con tareas deterministas. Por ejemplo, la guía de OCR de facturas con validación separa extracción y aceptación. Un RAG puede explicar una política de revisión, pero no convierte automáticamente un dato extraído en aprobado.
Aplica permisos en la recuperación
Ocultar un enlace en la interfaz no basta si el buscador recupera el fragmento y lo entrega al modelo. La documentación de security trimming en Azure AI Search describe un patrón de filtros basado en identidades o grupos. La implementación concreta puede variar, pero la propiedad esencial es la misma: un usuario no debe recuperar contenido que no puede abrir en el sistema fuente.
- Propaga una identidad verificable desde la aplicación hasta la búsqueda; no confíes en un rol enviado libremente por el navegador.
- Sincroniza altas, bajas y cambios de grupo con un retraso conocido y probado.
- Evita indexar fragmentos con permisos más amplios que el documento o expediente de origen.
- Registra documento y versión usados sin guardar innecesariamente la pregunta completa o datos sensibles.
- Prueba denegaciones: buscar títulos, pedir un resumen, solicitar comparaciones y reformular no debe revelar una fuente restringida.
- Decide qué ocurre si el servicio de permisos no responde: para contenido sensible, el fallo seguro suele ser no recuperar.
Haz que cada respuesta pueda comprobarse
Una cita útil abre el documento, identifica la versión y lleva al pasaje que sustenta la afirmación. Un listado de archivos al pie no permite saber qué frase procede de cuál. Conserva metadatos durante la fragmentación y evita trozos tan pequeños que pierdan condiciones o excepciones. También evita fragmentos enormes que diluyan la señal relevante.
Google explica en su guía para optimizar la recuperación RAG que la calidad depende de decisiones de recuperación y evaluación, no solo del modelo generativo. Prepara preguntas conocidas, documentos relevantes y distractores. Mide si se recupera la fuente adecuada antes de evaluar el estilo de la respuesta.
Prueba con dos perfiles, contradicciones y borrados
| Caso | Resultado esperado |
|---|---|
| Usuario A puede ver; B no | A recibe respuesta citada; B no recibe contenido ni indicios sensibles |
| Política sustituida | Solo la vigente responde y la cita muestra su versión |
| Dos fuentes contradictorias | El asistente muestra el conflicto o escala |
| Pregunta sin fuente | Se abstiene y no completa con una invención |
| Documento retirado | Deja de recuperarse dentro del plazo acordado |
| Instrucción maliciosa dentro de un archivo | Se trata como contenido, no como una orden del sistema |
| Consulta ambigua | Pide contexto antes de elegir una interpretación |
Evalúa recuperación y respuesta por separado. Marca si apareció el documento correcto, si faltó uno necesario, si se filtró una fuente indebida, si cada afirmación está respaldada y si la abstención fue apropiada. Añade revisión humana de una muestra y conserva errores representativos para regresión cuando cambien índice, permisos, modelo o instrucciones.
Define actualización, borrado y responsable operativo
- 01
Publicación
Solo una fuente autorizada entra en la colección y conserva propietario, versión y permisos.
- 02
Actualización
La nueva versión sustituye o convive según una regla explícita; el índice informa cuándo terminó la sincronización.
- 03
Observación
Se revisan abstenciones, fuentes fallidas, accesos denegados y respuestas impugnadas sin convertir logs en otro repositorio sensible.
- 04
Retirada
Borrar en origen activa retirada de índice, cachés y copias aplicables dentro de un plazo comprobable.
- 05
Salida
La empresa puede exportar inventario, pruebas y configuración necesaria para evaluar una migración.
Antes de desplegar, delimita qué decisiones siguen siendo humanas. La guía sobre qué automatizar primero ayuda a separar tareas estables de excepciones. Para convertir un caso documental acotado en requisitos, pruebas y operación, consulta el servicio de automatización con IA. El resultado también puede ser no usar generación y mejorar primero búsqueda, permisos o gobierno documental.
Convierte el acceso documental en una matriz verificable
Antes de conectar el asistente, define qué puede consultar cada función y prueba usuarios con acceso completo, limitado y revocado. La guía para diseñar una matriz de roles y permisos ayuda a traducir esa política en casos de aceptación y evita que el asistente amplíe el alcance de los documentos.
Fuentes y referencias
Documentación oficial y referencias de mercado consultadas para verificar los puntos que cambian con el tiempo.
