Cómo montar una base de conocimiento de empresa que sus agentes de IA puedan usar de verdad

Para montar una base de conocimiento de empresa en 2026, llene una carpeta de archivos markdown simples que su equipo y sus agentes de IA puedan leer, en un orden específico: primero los documentos de referencia, luego los procedimientos operativos, los registros de decisiones y los mapas de responsabilidad. Elija el software al final, una vez que exista el contenido.

Usted ya ha hecho el experimento que demuestra que el orden importa: pregúntele a su asistente de IA por su propia política de reembolsos y observe cómo responde con información de internet.

Toda empresa de menos de 200 personas almacena el conocimiento de la misma manera: carpetas de Drive, un wiki medio abandonado, hilos de correo electrónico y dos personas clave que lo saben todo de memoria. Esta guía cubre qué recopilar, el formato de archivo que Google estandarizó en junio de 2026, el orden de implementación que uso en producción y cuánto cuesta montarla. Los datos provienen de una base de conocimiento que los agentes han mantenido durante 3 meses: 490 páginas, 880 commits y una puerta de lint con 20 comprobaciones.

• El contenido antes que las herramientas. Recopile documentos de referencia, procedimientos operativos, registros de decisiones y mapas de responsabilidad antes de comparar cualquier software.
• Los archivos son el formato. El Open Knowledge Format de Google (junio de 2026) estandarizó lo que cuatro laboratorios de IA ya habían adoptado por separado: archivos markdown con frontmatter YAML, versionados en git.
• Prescinda al principio de la base de datos vectorial. Por debajo de unas 10.000 páginas, la búsqueda por palabras clave junto con un archivo índice mantenido al día es suficiente, y sigue siendo fácil de depurar.
• La responsabilidad decide la supervivencia. Las personas son responsables de la estrategia, los precios y las decisiones; los agentes son responsables de las páginas compiladas. Sin esa división, la base queda obsoleta en un trimestre.
• Presupueste entre 2.500 $ y una cifra baja de cinco dígitos. Las implementaciones de alcance fijo se entregan en una semana; una implementación basada primero en una auditoría, con un prototipo funcional, lleva de 2 a 4 semanas.

Recopile estas ocho cosas antes de comparar herramientas

El éxito o el fracaso de una base de conocimiento depende de lo que se introduce en ella, y la mayoría de los equipos pasan directamente a la demo del software. webvise guía a los clientes por la misma lista de recopilación cada vez: ocho categorías, ordenadas según la frecuencia con la que los agentes las necesitan.

Recopilar todo esto es la parte lenta, y es la parte que una auditoría de ingeniería adelanta. El sprint de consultoría de IA de webvise mapea un flujo de trabajo de principio a fin, con documentos, excepciones y puntos de revisión incluidos, y termina en un prototipo funcional en lugar de una presentación. Si sus procedimientos solo existen en la cabeza de las personas, un agente de IA puede entrevistar al equipo y redactarlos primero.

Use el formato de archivo que Google estandarizó en junio de 2026

El 12 de junio de 2026, Google Cloud publicó el Open Knowledge Format, una especificación abierta para este tipo de artefacto: un directorio de archivos markdown con frontmatter YAML tipado, versionado en git, sin herramientas obligatorias. La especificación es deliberadamente reducida. Markdown que cualquier editor renderiza, archivos que cualquier repositorio aloja, un único campo de frontmatter obligatorio.

La especificación formalizó una estructura a la que cuatro equipos de IA ya habían llegado por separado. La encuesta de wikis para agentes de Mem0 de julio de 2026 encontró que DeepWiki de Cognition, AutoWiki de Factory, OpenWiki de LangChain y GBrain de Garry Tan construyeron, cada uno, las mismas tres capas con meses de diferencia entre sí: fuentes en bruto, un wiki en markdown escrito por un LLM y un único archivo de esquema que contiene las reglas. Cuando cuatro laboratorios y Google coinciden en archivos simples en git, la cuestión del formato queda zanjada.

La consecuencia práctica a la hora de comprar: juzgue cualquier herramienta de conocimiento por si su contenido se puede exportar a archivos simples. Notion, Confluence y SharePoint guardan texto al que un agente puede acceder mediante una API. Una carpeta de markdown tipado en git es la forma que resulta más barata de leer para los agentes, más limpia de comparar con diff, y la que se conserva al cambiar de proveedor.

La recuperación de información necesita menos maquinaria de la que promete el discurso de RAG. Por debajo de unas 10.000 páginas, la búsqueda por palabras clave sobre un archivo índice mantenido al día encuentra lo que los agentes necesitan, y cruzar ese umbral cuesta unos 10 $ de embeddings por cada 100.000 páginas, según los precios actuales de OpenAI. El argumento completo, con cifras de tokens, está en La mayoría de las bases de conocimiento empresarial no necesitan RAG.

Impleméntela en este orden

Cada paso siguiente abarata el próximo, y el software solo aparece en el paso 5. Los equipos que empiezan por el paso 5 suelen volver al paso 1 antes de que termine el trimestre.

• 1. Audite lo que ya existe. Enumere todos los lugares donde vive el conocimiento: Drive, el wiki, las bandejas de entrada, el CRM, la cabeza de las personas. La mayoría de las empresas encuentra entre 5 y 8 sistemas dispersos.
• 2. Cree un único árbol de carpetas con un índice. Un archivo índice de nivel superior que indique qué vive dónde es el sistema de recuperación. Los agentes empiezan ahí y solo abren las páginas que necesitan.
• 3. Escriba el archivo de esquema. Un único AGENTS.md que defina los tipos de página, la nomenclatura y las reglas de actualización. Este archivo hace más trabajo que cualquier elección de herramienta que vaya a tomar.
• 4. Incorpore las ocho categorías. Una página por tema, cada una con un responsable y una fecha de actualización. Empiece por las 20 páginas que la gente realmente consulta, y omita la migración masiva de una sola vez.
• 5. Conecte sus agentes. Apunte Claude, o lo que su equipo utilice, hacia el índice mediante un único comando de carga, de modo que cada sesión parta del mismo contexto.
• 6. Cierre el ciclo. Cuando alguien corrige la respuesta de un agente, la corrección pasa a la página, y la página prevalece la próxima vez.

Esta estructura la utilizo en producción. La base alcanzó 490 páginas y 880 commits en 3 meses de mantenimiento por agentes, y se sostiene porque una puerta de lint con 20 comprobaciones bloquea cada commit que rompe una regla, desde enlaces rotos hasta plazos vencidos. El informe de funcionamiento, fallos incluidos, está en el informe de los 3 meses.

Decida quién es responsable de qué, o véala pudrirse

La obsolescencia mata más bases de conocimiento que cualquier error de herramienta. La encuesta de Mem0 considera que un wiki incorrecto es peor que no tener wiki, porque los errores llegan con la apariencia de hechos. La defensa es una división de responsabilidades, decidida desde el primer día.

• Las personas son responsables de las páginas ancla. Posicionamiento, precios, tono, permisos, registros de decisiones. Los agentes las leen antes de producir cualquier cosa y nunca las reescriben.
• Los agentes son responsables de la capa compilada. Páginas de referencia, enlaces cruzados, índices, resúmenes. El mantenimiento es el trabajo que las personas siempre acaban abandonando, y el que los agentes nunca se cansan de hacer.
• Cada página lleva un responsable y una fecha de actualización. Una página sin responsable es una página en la que nadie confía.

Los registros de decisiones son la categoría que nadie recopila y la primera en dar resultado. Qué cambió, por qué, quién decidió, qué alternativas se rechazaron: cuatro campos que evitan que una nueva incorporación o un nuevo agente reabran cuestiones ya resueltas el trimestre pasado. En mi propia base, la mitad de los hallazgos del lint son alertas de obsolescencia, un plazo vencido o un precio cambiado, detectados antes de que un agente pudiera repetirlos.

Cuánto cuesta una base de conocimiento de empresa en 2026

Tres rutas realistas, con precios según lo que cobra el mercado a mediados de 2026.

El mercado ha convertido en producto el extremo más pequeño: a mediados de 2026 aparecieron ofertas de implementación a precio fijo de unos 2.500 $ con entrega en 7 días, normalmente una auditoría de 60 minutos más un flujo de trabajo conectado. Ese formato funciona cuando sus procesos ya están documentados. Cuando están desordenados, la auditoría es el producto: la consultoría de IA de webvise dura de 2 a 4 semanas porque mapear excepciones y puntos de revisión es la mayor parte del trabajo, y el prototipo final indica si vale la pena financiar una construcción en producción.

Una base de conocimiento es la primera pieza de infraestructura de IA que vale la pena construir, porque cada agente que despliegue después la hereda. Para la versión con auditoría previa, con sus flujos de trabajo mapeados y un prototipo que lee sus propias páginas, póngase en contacto con webvise.