Asistente de IA para empresas: cómo responde con tus datos en lugar de inventar precios

Un asistente de IA: un modelo de lenguaje rodeado de tus datos y reglas

Quien dirige un pequeño negocio suele preguntarse una cosa: si un programa puede atender a los clientes a cualquier hora sin inventarse nada. Un asistente de IA para empresas tiene tres partes. La interfaz: una ventana de chat en la web, en el área de cliente o en una app de mensajería. El modelo de lenguaje, que redacta las respuestas. Y los datos y reglas de la propia empresa, que deciden qué es cierto y qué se puede prometer.

Un bot con guion sigue botones y respuestas escritas de antemano: nunca dice nada que no le hayan dado, pero se pierde si la pregunta llega formulada de otro modo. Un asistente lee texto libre y redacta una respuesta nueva cada vez; ahí están su fuerza y su riesgo. Un agente va más allá y actúa. El OWASP GenAI Security Project describe sistemas basados en LLM con cierto grado de agencia, capaces de llamar funciones u otros sistemas. Este artículo trata del asistente que sugiere.

Por qué un modelo de lenguaje rellena los huecos con precios inventados

El Top 10 de OWASP de 2025 para aplicaciones con grandes modelos de lenguaje incluye la desinformación como LLM09: información falsa o engañosa que parece creíble. Una fuente principal es la alucinación, contenido que parece exacto pero es inventado. La causa: los modelos rellenan los huecos de sus datos de entrenamiento con patrones estadísticos. Un dato que falta no produce silencio, sino una frase verosímil.

En un negocio los huecos están donde los errores salen caros: precio, entrega, stock, garantía. OWASP cita a Air Canada, cuyo chatbot dio información errónea a los viajeros; la aerolínea fue demandada con éxito por ello. Los fabricantes de modelos lo reconocen. La ficha de Gemma 3 de Google dice que los modelos no son bases de conocimiento y pueden generar afirmaciones incorrectas o desactualizadas.

El remedio se llama grounding, o anclaje a fuentes. La documentación de Google Cloud lo define como la capacidad de conectar la salida del modelo con fuentes de información verificables y dice que reduce las alucinaciones. OWASP aconseja lo mismo: recuperar información verificada de bases de datos fiables y mantener supervisión humana en los datos críticos. Así, el asistente busca la respuesta antes de hablar, y algunas preguntas ni llegan al modelo.

Servicio alojado, servidor propio o respuestas fijas: cómo se construye

La primera decisión es dónde corre el modelo. Un servicio alojado recibe cada pregunta por internet: no hay hardware que mantener, pero las preguntas salen de tus sistemas y rigen las condiciones del proveedor. Un modelo propio corre en una máquina tuya; Ollama, herramienta de código abierto con licencia MIT, lo permite en macOS, Windows o Linux. Google describe sus modelos Gemma como modelos abiertos ligeros que caben en un portátil, un ordenador de sobremesa o tu propia nube. Si un modelo pequeño atiende bien a tus clientes hay que comprobarlo, no suponerlo.

La segunda decisión es de dónde salen los datos. La recuperación busca los fragmentos relevantes en tus documentos y se los pasa al modelo con la pregunta. Puede buscar por palabras o por significado: la documentación de la API de Gemini de Google describe los embeddings como representaciones numéricas para la búsqueda semántica, más atentas al contexto que los enfoques basados en palabras clave. Para precio, devoluciones y garantía, una respuesta fija sacada de la lista de precios vale más que cualquier frase generada.

Acceso con cuenta, límite de mensajes e inyección de prompts

A un asistente que lee texto se le puede convencer de cosas. OWASP pone la inyección de prompts en primer lugar, como LLM01:2025: entradas del usuario que alteran el comportamiento o la salida del modelo de forma no prevista. La variante indirecta llega de fuentes externas, como webs o archivos que el asistente lee. Entre las medidas de OWASP están acotar el papel del modelo y marcar con claridad el contenido no fiable para que no pase por instrucciones.

Cada pregunta, además, consume cómputo. El riesgo LLM10:2025, consumo ilimitado, es un uso excesivo y sin control que lleva a la denegación de servicio y a pérdidas económicas; entre las defensas están los límites de peticiones y las cuotas por usuario. Exigir inicio de sesión es la cuota más sencilla: el sistema sabe quién pregunta. La entrada sobre agencia excesiva añade la última regla: una persona aprueba las acciones de alto impacto, así que el asistente sugiere y el cliente pulsa el botón.

El asistente del área VITON ID: primero el catálogo, el modelo al final

El estudio VITON13 construyó un asistente así para su propia web. Es un producto propio del estudio, no un encargo de un cliente: la pestaña VIT LIVE del área personal VITON ID, con un panel titulado VIT ASSISTENT. Quien inicia sesión debe recibir artículos reales con precios reales en su idioma, no una conjetura del modelo. Una versión anterior solo daba al modelo resultados de la búsqueda del sitio, es decir, títulos y rutas, y al preguntarle cuánto cuesta una web, se iba por las ramas o inventaba una cifra.

El asistente actual prueba tres capas en orden fijo y responde la primera que encaja. Primero, el catálogo: 84 artículos por idioma, 32 productos de Old Money, RISE, ANIRI y VITON XIII y 52 paquetes del estudio de 13 páginas de servicios. Si la pregunta trata de comprar, productos, servicios, la tienda o la cesta, un buscador por palabras clave responde con hasta seis tarjetas, cada una con su precio, marcadas VITON13 CATALOG, sin llamar al modelo. Después, las respuestas fijas, exactas sobre precios, pedidos, descuentos, bonificaciones y plazos de respuesta, tomadas de las escalas de precios de los servicios y de las reglas de bonificación. El modelo propio va al final.

Qué ve el modelo en el asistente de VITON ID y qué tiene prohibido

El modelo lo sirve Ollama, por defecto en el mismo servidor que la web; el código indica gemma3:4b como modelo por defecto y deja que el entorno del servidor elija otro. Recibe la pregunta, los dos mensajes anteriores y una hoja de datos generada en ese momento con los datos de precios y pedidos del sitio. Si la pregunta es sobre la web, se añaden hasta ocho resultados de la búsqueda por palabras clave del sitio. Si es sobre noticias, el tiempo o los tipos de cambio, hasta dos resultados web, pasados como evidencia no fiable y nunca como instrucciones, que el panel muestra como fuentes.

Debe responder solo en el idioma del usuario, en una a tres frases, y si la hoja no tiene la cifra, decir que el precio se confirma tras el brief en vez de adivinar. La temperatura es 0,1; la documentación de Ollama da 0,8 por defecto y explica que subirla hace las respuestas más creativas. Las respuestas se limitan por defecto a 180 tokens, cuando Ollama por defecto no pone límite. El texto aparece en el panel a medida que se escribe.

Cada petición comprueba que haya una sesión iniciada: el 19 de septiembre de 2026 la ruta en producción rechazó a un visitante sin sesión con 401 REGISTRATION_REQUIRED, como estaba previsto. Cada usuario puede enviar 8 mensajes en 5 minutos. En una tarjeta, el usuario la elige, revisa las opciones y solo entonces la añade a la cesta; el asistente nunca añade nada por su cuenta. Once pruebas automáticas, de la llamada al modelo y su error con el servidor caído, la hoja de datos, las reglas de la búsqueda web y las respuestas fijas, pasaron todas el 19 de septiembre de 2026.

Lo que el caso VITON ID no demuestra sobre los asistentes de IA

Aquí termina la evidencia. No es un widget de chat público: solo lo usan quienes han iniciado sesión en VITON ID, y no hay cifras de uso ni de conversión. No acepta pedidos ni pasa solicitudes al estudio; eso va por los formularios de las páginas de servicios. Tampoco muestra el modelo funcionando en producción ni juzga la calidad de sus respuestas.

La búsqueda funciona por palabras clave, no por significado: no hay embeddings ni almacén vectorial. Las listas de palabras tienen huecos y cambian entre idiomas, así que algunas preguntas, incluidas varias sugerencias del propio panel, no encuentran las tarjetas correctas. El catálogo tiene 3 de las 5 fragancias de VITON XIII y ningún producto de VIT MARKET, y las respuestas fijas sobre precios y pedidos solo están en ruso e inglés. A otro negocio se traslada el orden de los pasos, no una promesa sobre el modelo.

Preguntas, precios y personas: qué preparar antes de lanzar el asistente

Tres cosas deciden el resultado más que el modelo. La primera, las preguntas reales de los clientes, sacadas del correo, los chats y las llamadas, marcando las que exigen respuesta exacta. La segunda, una sola hoja de precios y condiciones como única fuente de verdad, que una persona concreta mantiene al día. La tercera, quién toma el relevo cuando el asistente no puede ayudar. Un asistente de IA para empresas sin estas tres cosas repite los viejos problemas, solo que más rápido.

Un chatbot prefabricado basta cuando las preguntas son pocas, se repiten y casi no cambian: horario, dirección, unas preguntas frecuentes. Un asistente a medida merece la pena cuando las respuestas dependen de un catálogo vivo, los precios deben ser exactos en varios idiomas, el acceso va ligado a cuentas de clientes o hay que leer tus propios sistemas. El estudio VITON13 hace este tipo de trabajo. La guía enlazada explica cuánto cuesta un chatbot de IA para una web, y la página del caso muestra el asistente de VITON ID en detalle.