El error más común: un documento gigante que mezcla todo
Muchas empresas arrancan su base de conocimiento copiando el manual interno completo, o un PDF de veinte páginas con todas las políticas juntas. Para un humano que lee de arriba a abajo, funciona. Para un sistema de recuperación de información es casi lo peor que se puede hacer: si la respuesta a "¿cuál es el plazo de devolución?" está enterrada en la página 14 de un documento que también habla de envíos, garantías y pagos, el sistema tiene que adivinar dónde cortar, y frecuentemente trae contexto de más o de menos.
Un artículo, un tema
La regla que mejor funciona es simple: cada artículo debería responder una sola pregunta o cubrir un solo tema, de forma autocontenida. "Política de devoluciones" es un artículo. "Cómo cambiar el método de pago" es otro. Esto no es solo prolijidad — es lo que le permite al sistema de búsqueda (una búsqueda híbrida que combina similitud semántica por embeddings con búsqueda por palabras clave) traer exactamente el fragmento que responde la pregunta, sin ruido de temas adyacentes.
Etiquetas y categorías no son metadata decorativa
Cuando cada artículo tiene categoría y etiquetas bien puestas, dos cosas mejoran: la búsqueda se vuelve más precisa y tu equipo puede auditar la cobertura de la base de conocimiento de un vistazo — ver que "Facturación" tiene ocho artículos pero "Envíos internacionales" no tiene ninguno es la clase de gap que después se traduce directamente en preguntas que el asistente no puede responder bien.
Contenido público vs. interno
Una base de conocimiento bien armada distingue entre artículos públicos, que además de alimentar al asistente pueden mostrarse en un centro de ayuda self-service, y artículos internos, que solo el asistente y tu equipo ven — procedimientos de escalamiento, límites de lo que se puede prometer sin autorización, o información sensible que no querés que un cliente lea directamente aunque el asistente sí la necesite para responder bien. Tratar todo como público (o todo como interno) te obliga a elegir entre exponer información que no debería serlo o privar al asistente de contexto.
Mantenimiento: la base de conocimiento no se termina, se cuida
Un asistente entrenado sobre un catálogo de precios de hace seis meses va a responder mal aunque el resto del sistema sea perfecto. La disciplina que separa una base de conocimiento que funciona de una que se degrada es revisar periódicamente qué preguntas el asistente no pudo responder bien y actualizar o crear artículos en consecuencia, en vez de dejar que la brecha se acumule.
Escribir para que lo lea una máquina y un humano a la vez
El mejor artículo es el que un cliente entendería si lo leyera directo en un centro de ayuda: lenguaje claro, sin jerga interna, con la respuesta en las primeras líneas y no al final. Si escribís pensando solo en que "la IA lo va a interpretar igual", terminás con artículos ambiguos que ni el sistema ni un cliente humano pueden aprovechar del todo.