Las 3 capas de conocimiento de un Agente de IA: prompt, base de conocimiento e interacciones

El error más común al construir un Agente de IA no es elegir mal el modelo ni el canal. Es ponerlo todo en el mismo lugar.

Pasa siempre: alguien arma un Agente de IA para atención al cliente, y empieza a meter en el prompt principal las políticas de devolución, el catálogo de productos, los flujos de cobranza, el manual de tono, los casos de escalación, la lista de integraciones con el ERP, las preguntas frecuentes históricas y tres versiones distintas de cómo saludar según el canal. El prompt termina con 8.000 palabras. El Agente se vuelve lento, confunde contextos, responde con información que no corresponde al caso, y cuesta el doble en tokens.

La solución no es "escribir mejor el prompt". Es entender que un Agente de IA profesional tiene tres capas de conocimiento bien diferenciadas, y cada tipo de información vive en una capa distinta.

Esta guía explica cuáles son esas tres capas, qué va en cada una, y cómo mapearlas a las herramientas reales que usas en el constructor de bots. Al final vas a poder mirar cualquier bloque de instrucciones y decir con seguridad: "esto va acá".

Tabla de contenidos

• Por qué un Agente de IA no es una enciclopedia
• Capa 1: el prompt oculto — lo que el Agente sabe siempre
• Capa 2: la base de conocimiento — lo que el Agente consulta cuando hace falta
• Capa 3: las interacciones específicas — lo que el Agente carga solo en contexto
• Cómo decidir en qué capa va cada cosa
• Errores comunes al estructurar el conocimiento
• Preguntas frecuentes

Por qué un Agente de IA no es una enciclopedia

Imaginá que contratás a alguien nuevo para atención al cliente. ¿Cómo lo entrenás?

No le tirás encima el manual completo de 500 páginas el primer día. Tampoco le dejás todos los procedimientos impresos sobre el escritorio para que los lea en voz alta en cada llamada. Lo que haces es otra cosa:

1. Le enseñás las reglas básicas de siempre: cómo saludar, el tono de la marca, qué puede y qué no puede prometer, a quién escalar si se queda sin respuesta. Poco texto, alto impacto. Es su manual de inducción, corto y memorable.
2. Le mostrás dónde buscar cuando necesita información específica: la wiki interna, el manual de producto, el tarifario actualizado. No lo memoriza, sabe que existe y lo consulta cuando aparece una pregunta concreta.
3. Le explicás procedimientos específicos cuando aparece el caso: si un cliente pide una devolución, ese día le contás los 12 pasos del flujo de devolución. No le cargás los procedimientos de devolución, cambio, cancelación, reclamo y alta nueva todos juntos antes de empezar a atender.

Un Agente de IA profesional funciona igual. Tiene tres capas de conocimiento que cumplen esas tres funciones distintas. Lo que cambia con respecto a un empleado humano es que en un Agente de IA mal estructurado, la capa 1 termina llena de información que debería estar en la capa 2 o 3. Y ahí empieza el desastre.

Capa 1: el prompt oculto — lo que el Agente sabe siempre

El prompt oculto es el conjunto de instrucciones que el Agente de IA recibe en cada conversación, antes de ver el mensaje del cliente. Se carga siempre, consume tokens en cada turno, y define el marco dentro del cual el Agente va a operar.

Por eso, lo que pongas acá tiene que cumplir dos condiciones:

1. Aplica en todas las conversaciones. Si algo solo aplica a un flujo específico, no va acá.
2. Es compacto y estable. Si cambia seguido, no va acá (te obliga a redeployar).

Qué va en el prompt oculto

• Identidad del Agente: quién es, para quién trabaja, cuál es su rol. "Sos el asistente virtual de [empresa], una [industria] en [país]."
• Tono y lenguaje: formal, informal, con tuteo, con "usted", neutro. Palabras prohibidas. Emojis sí o no.
• Reglas duras de negocio: "nunca prometas fechas exactas de entrega", "no revelás precios de productos sin confirmar disponibilidad", "si el cliente pide hablar con un humano, transferís sin preguntar".
• Criterios de escalación: cuándo transferir a un humano, a qué equipo, con qué contexto.
• Formato de respuesta por defecto: mensajes cortos, uso de viñetas, uso de emojis si aplica.

Qué NO va en el prompt oculto

• Catálogos completos de productos.
• Políticas extensas (privacidad, devoluciones, términos legales).
• Procedimientos paso a paso que solo aplican a casos puntuales.
• Listas de precios cambiantes.
• FAQs largas.

Regla práctica: si tu prompt oculto pasa las 1.000 palabras, algo está mal

Un prompt oculto bien pensado para atención al cliente no debería pasar las 500 a 800 palabras. Si el tuyo tiene 3.000, casi seguro estás mezclando capa 1 con capa 2 y capa 3. El modelo se distrae, la calidad baja, y el costo sube.

En AsisteGPT, el prompt oculto se configura por bot y es editable desde la interfaz. No necesitas tocar código.

Capa 2: la base de conocimiento — lo que el Agente consulta cuando hace falta

La base de conocimiento es el conjunto de documentos, políticas, manuales, catálogos y FAQs que el Agente puede consultar bajo demanda. La diferencia clave con la capa 1 es que esto no se carga en cada conversación. El Agente consulta la base de conocimiento solo cuando detecta que necesita información de ahí para responder.

La tecnología que hace esto posible se llama RAG (Retrieval-Augmented Generation, o "generación aumentada por recuperación"). En la práctica, funciona así:

1. Subís tus documentos a la base de conocimiento del Agente.
2. La plataforma los parte en fragmentos y los indexa con búsqueda semántica.
3. Cuando el cliente pregunta algo, el Agente busca fragmentos relevantes y los usa para construir la respuesta.
4. Opcionalmente, el Agente puede citar de dónde sacó la información.

Qué va en la base de conocimiento

• Políticas completas: devoluciones, cambios, garantías, privacidad, términos y condiciones.
• Catálogos de productos o servicios: fichas técnicas, precios, especificaciones.
• Manuales y guías de uso del producto.
• FAQs extensas: las 200 preguntas más comunes con sus respuestas oficiales.
• Contenido del sitio web: las páginas clave que describen qué haces y cómo.
• Registros de conversaciones anteriores que la plataforma usa como referencia para responder igual que un humano capacitado.

Qué NO va en la base de conocimiento

• Procedimientos estrictos paso a paso (van en capa 3). Si un cliente pide iniciar una devolución, no quieres que el Agente busque entre fragmentos sueltos del manual — quieres que siga el procedimiento exacto, en orden.
• Reglas duras de negocio (van en capa 1). "Nunca prometas fechas" no puede depender de que el Agente encuentre el fragmento correcto; tiene que saberlo siempre.
• Documentos desactualizados o contradictorios. Si subís dos PDFs que dicen cosas distintas sobre el mismo tema, el Agente va a citar el que encuentre primero y la calidad de la respuesta se vuelve impredecible.

Regla práctica: curar importa más que volumen

Tres manuales actualizados y limpios rinden más que 100 PDFs viejos, mal escaneados y con información superpuesta. La base de conocimiento es un activo que se mantiene, no un depósito donde se tira lo que sobra.

Capa 3: las interacciones específicas — lo que el Agente carga solo en contexto

Acá está la capa más subestimada — y la que marca la diferencia entre un Agente de IA amateur y uno profesional.

Hay un tipo de conocimiento que no es genérico (no va en capa 1) ni buscable (no va en capa 2): son procedimientos específicos que solo tienen sentido cuando aparece un caso puntual.

Ejemplos:

• El flujo de devolución de un producto: 12 pasos estrictos en orden, con preguntas obligatorias, validaciones y bifurcaciones.
• El proceso de cobranza para una mora de 30 días: tono específico, opciones de plan de pago, escalación al área legal si no hay acuerdo.
• El agendamiento de un turno médico: preguntar obra social, especialidad, sede, ofrecer horarios disponibles, confirmar datos, generar recordatorio.
• El procedimiento de reclamo formal: registrar número de caso, generar ticket, asignar a equipo, ofrecer plazo de respuesta.

Si metés los 4 procedimientos en el prompt oculto, el prompt crece a 5.000 palabras y el Agente se pierde. Si los dejás en la base de conocimiento, el Agente los consulta de forma incompleta (RAG funciona mal con instrucciones en orden, porque parte el documento en chunks y mezcla pasos).

La solución correcta es cargar el procedimiento completo solo cuando aparece el caso. Y la herramienta para hacerlo es la IA Tool.

Cómo se implementa esto en la práctica: IA Tools

En el módulo AsisteGPT, además del prompt oculto y la base de conocimiento, el Agente de IA puede tener IA Tools: capacidades que el propio Agente decide invocar cuando detecta que el caso lo amerita.

Una IA Tool no es un nodo de flujo rígido. Es una acción que el Agente sabe que existe (porque la ve listada con su descripción) y que ejecuta cuando el contexto de la conversación lo justifica. Cuando la ejecuta, la tool responde con un bloque de texto que se inyecta como contexto, y el Agente redacta la respuesta al cliente usando esa información.

Hay dos formas de usar IA Tools para resolver la capa 3:

Opción A: IA Tool mono-skill (la más simple)

Una tool por procedimiento. Ejemplos:

• Tool "iniciar_devolucion" → cuando el Agente detecta que el cliente quiere devolver algo, invoca esta tool. La tool responde con los 12 pasos del procedimiento de devolución. El Agente sigue esos pasos en la conversación.
• Tool "consultar_plan_pago" → cuando el cliente pide opciones de pago, la tool devuelve los tramos disponibles, criterios y scripts sugeridos.
• Tool "agendar_turno" → cuando el cliente quiere un turno, la tool devuelve el procedimiento de captura de datos y la consulta a la agenda.

Ventaja: simple, claro, cada tool hace una cosa. El Agente decide cuándo usar cada una por su descripción.

Desventaja: si tienes muchos procedimientos, se te llena la lista de tools y el contexto base crece (aunque sea de a poco, cada descripción ocupa espacio).

Opción B: IA Tool dispatcher (una sola tool con parámetro clasificador)

Una sola tool, por ejemplo "cargar_procedimiento", que recibe un parámetro tipo Bot Pregunta que clasifica qué procedimiento traer. El parámetro tiene un enum con las opciones disponibles ("devolucion", "cambio", "cobranza", "cancelacion", "alta_nueva", etc.).

Cuando el Agente detecta un caso que requiere un procedimiento específico, invoca la tool con el valor correcto del parámetro, la tool responde con el prompt del procedimiento correspondiente, y el Agente sigue ese procedimiento.

Ventaja: escala a muchos procedimientos sin llenar la lista de tools. Una sola tool, muchos destinos.

Desventaja: requiere pensar bien el parámetro clasificador y su enum. Si las opciones no están bien definidas, el Agente puede invocar con el valor equivocado.

Cuál elegir

• Hasta 5 procedimientos: mono-skill. Es más transparente y más fácil de iterar.
• Más de 5 procedimientos: dispatcher con parámetro clasificador. Escala mejor.
• Mezcla: puedes tener algunas tools mono-skill para los procedimientos más críticos (donde quieres control fino de cuándo se activan) y una tool dispatcher para el resto.

Qué va en las interacciones específicas (sea mono-skill o dispatcher)

• Flujos operativos largos con pasos en orden estricto.
• Procedimientos con preguntas obligatorias y validaciones.
• Flujos con bifurcaciones condicionales ("si el monto es mayor a X, ofrece plan de pago; si no, solicita pago único").
• Procesos que requieren llamadas a APIs externas (ERP, CRM, agenda) como parte del flujo — en este caso, la tool puede además de devolver texto, disparar la llamada API.
• Conocimiento denso que solo tiene sentido en un contexto puntual.

Regla práctica: un procedimiento = una tool (o una opción del dispatcher)

Si algo se puede describir como "cuando el cliente pide X, hago Y, Z, W en orden", es candidato a capa 3. No lo metas en el prompt oculto. Armá una IA Tool (mono-skill o dispatcher) para ese caso.

Cómo decidir en qué capa va cada cosa

Cuando tengas una instrucción o un contenido y no sepas dónde ponerlo, aplicá este árbol de decisión:

Ejemplos prácticos

Caso 1: "Nuestro horario de atención es de 9 a 18 de lunes a viernes."
→ Capa 1. Es información corta, inmutable, aplica siempre. El prompt oculto puede mencionarla para que el Agente responda de inmediato sin consultar nada.

Caso 2: "Tenemos 340 productos en el catálogo con sus precios y stock."
→ Capa 2. Es volumen alto, el Agente solo consulta cuando el cliente pregunta por un producto específico.

Caso 3: "El proceso para dar de baja una suscripción tiene 8 pasos obligatorios y requiere validar la identidad del titular."
→ Capa 3. Es un procedimiento estricto, solo aplica cuando el cliente expresa la intención de darse de baja.

Caso 4: "Nuestra política de devolución permite 30 días desde la compra si el producto no está abierto."
→ Capa 2. Es parte de la política, el Agente la consulta cuando el cliente pregunta por devoluciones. Si el cliente además quiere iniciar una devolución, eso dispara un flujo de capa 3.

Caso 5: "Nunca ofrezcas descuentos por iniciativa propia."
→ Capa 1. Es una regla dura de negocio, aplica siempre.

Errores comunes al estructurar el conocimiento

Error 1: meter el catálogo completo en el prompt oculto

El caso típico: un e-commerce con 500 productos carga todo en el prompt general "para que el bot sepa". Resultado: tokens inflados, respuestas más lentas, y el Agente igual se confunde porque no distingue entre el producto que preguntan y los 499 que no. Dónde va: capa 2. Sube el catálogo como documento estructurado a la base de conocimiento.

Error 2: escribir cada procedimiento dentro del prompt oculto

Ejemplo: "Si el cliente pide devolución, preguntá número de pedido, validá fecha, ofrece nota de crédito o reembolso...". Si tienes 10 procedimientos así, tu prompt oculto explota. Dónde va: capa 3. Cada procedimiento es su propia IA Tool (mono-skill) o una opción de una tool dispatcher.

Error 3: subir cualquier PDF a la base de conocimiento sin curar

Manuales escaneados con OCR malo, documentos duplicados, versiones viejas que contradicen las nuevas. El Agente cita lo que encuentra primero y la calidad de las respuestas se vuelve impredecible. Cómo arreglarlo: curá la base como si fuera un manual público. Menos cantidad, más calidad.

Error 4: descripciones de IA Tool vagas

Armás una tool de devolución perfecta, pero su descripción dice "gestiona devoluciones". El cliente escribe "quiero devolver el celular" y el Agente no la invoca porque no le quedó claro cuándo hacerlo. Cómo arreglarlo: la descripción de cada IA Tool debe explicar con precisión cuándo se debe invocar, con ejemplos. Ej: "Invocar cuando el cliente pide devolver, regresar, reembolsar o cambiar un producto comprado. Palabras clave típicas: devolución, reembolso, no me sirvió, quiero cambiar". Si usas un dispatcher, aplica lo mismo al parámetro clasificador.

Error 5: mezclar tono entre capas

El prompt oculto dice "tono formal con tuteo", pero la base de conocimiento tiene documentos escritos en "usted". El Agente copia el tono del documento que cita y suena inconsistente. Cómo arreglarlo: el tono es responsabilidad de la capa 1 y debe sobreescribir lo que venga de capa 2. Instruí explícitamente al Agente: "Responde siempre en tuteo, aunque los documentos de referencia usen usted".

Error 6: no auditar el prompt después de agregar funcionalidades

Cada vez que se suma un caso nuevo, alguien agrega una línea al prompt general. Al cabo de seis meses, el prompt tiene 40 reglas que se contradicen entre sí. Cómo arreglarlo: revisión trimestral del prompt oculto. Mover a capa 2 o 3 todo lo que no sea imprescindible, e ir deprecando reglas obsoletas.

Preguntas frecuentes

¿Cuánto debe medir mi prompt oculto?

Entre 200 y 800 palabras es saludable para la mayoría de los casos de atención al cliente. Si pasa de 1.000, es señal de que hay cosas que deberían estar en capa 2 o capa 3. Más largo no es mejor: el modelo distribuye atención sobre todo lo que lee, y un prompt inflado diluye las reglas importantes.

¿Qué documentos conviene subir a la base de conocimiento?

Prioridad alta: políticas oficiales, manuales de producto actualizados, FAQs extensas, fichas técnicas, contenido del sitio web. Prioridad baja: presentaciones comerciales, documentos internos sin formato público, contratos (a menos que sea un Agente legal). Regla general: solo sube lo que le darías a un cliente nuevo para que entienda cómo trabajás.

¿Cuándo armo una IA Tool en vez de agregarlo al prompt oculto?

Cuando cumple dos condiciones: (1) tiene más de 4 o 5 pasos en orden, y (2) solo aplica cuando el cliente expresa una intención puntual. Si cumple una sola, revisa: si es corto y siempre aplica, va en capa 1. Si es largo pero consultable por fragmentos, va en capa 2. Si es largo y se activa por contexto de la conversación, es capa 3.

¿Cómo sé si mi Agente de IA está mal estructurado?

Cuatro señales: (1) el prompt oculto pasa las 1.500 palabras, (2) las respuestas tardan más de lo esperado, (3) el Agente mezcla contextos (responde sobre devoluciones cuando le preguntan por horarios), (4) el costo por conversación es más alto de lo proyectado. Si ves dos o más de estas señales, es momento de redistribuir el conocimiento entre las tres capas.

¿Puedo mover conocimiento de una capa a otra después?

Sí, y deberías hacerlo cada vez que el Agente crece. Lo típico: arrancas con todo en capa 1 porque es rápido de iterar. Cuando pasas cierto tamaño, migrás los documentos a capa 2 y los procedimientos largos a capa 3 como IA Tools. No es refactor, es madurez del producto. El prompt oculto debería achicarse con el tiempo, no crecer.

¿Cómo decide el Agente cuándo invocar una IA Tool?

A partir de la descripción que vos le pongas a cada tool (o a cada opción del parámetro dispatcher) y del contexto de la conversación. Es el propio Agente el que decide, en tiempo real, si el caso amerita invocar la tool. Por eso la descripción es crítica: tiene que describir con precisión cuándo se debe usar. Un buen formato: "Invocar cuando [situación específica]. Palabras clave: [lista]. Ejemplos: [2-3 frases típicas del cliente]".

Conclusión

Un Agente de IA no es un cerebro al que le tirás información hasta que aprende. Es un sistema con capas bien diferenciadas, y el bot builder que entiende esto construye Agentes que escalan. El que no lo entiende construye prompts gigantes que nadie puede mantener.

La regla simple: prompt oculto para lo que siempre aplica, base de conocimiento para lo que se consulta, IA Tools para lo que se activa por contexto. Si tu Agente respeta esa separación, vas a poder seguir agregando funcionalidad sin que cada nueva regla rompa las anteriores.

Si quieres medir el impacto de estructurar bien tu Agente, armamos una guía para calcular el ROI de un chatbot con números reales. Y si estás armando un Agente de IA desde cero o quieres llevar el tuyo al siguiente nivel, puedes ver cómo se configura el prompt oculto, la base de conocimiento y las IA Tools en el módulo AsisteGPT.

Sigue leyendo

• Prompt engineering para chatbots: 7 técnicas para que tu bot de IA responda como un experto — para profundizar en cómo escribir mejor la Capa 1
• Cómo medir el ROI de un chatbot (con la fórmula que usan las empresas que renuevan) — para cuantificar el impacto de un Agente bien estructurado
• GPT-5.4 mini vs nano vs default: cómo elegir el modelo para tu Agente de IA — para combinar las 3 capas con el modelo adecuado