Asistente de conocimiento empresarial con RAG
para centralizar el conocimiento corporativo

Los empleados debían consultar diferentes plataformas para localizar documentación técnica, políticas, procedimientos, información de proyectos y conocimiento interno. Esto generaba tiempos elevados de búsqueda, información duplicada o desactualizada, consultas repetitivas a expertos y dificultad para identificar cuál era la fuente oficial.

Además, la distribución del conocimiento ralentizaba los procesos de onboarding y aumentaba el riesgo de exponer información a usuarios sin los permisos correspondientes. La organización necesitaba una interfaz conversacional única que hiciera accesible el conocimiento existente, manteniendo las políticas de seguridad y acceso de las fuentes originales.

Rootstack implementó un asistente de conocimiento empresarial basado en Retrieval-Augmented Generation (RAG), conectado directamente con los repositorios corporativos existentes. En lugar de migrar toda la información a una única base de datos, la solución creó una capa inteligente de recuperación capaz de identificar el contenido más relevante según la pregunta del usuario.

La plataforma integró más de 4 repositorios empresariales, incluyendo Google Drive, Confluence, SharePoint, bases de datos internas y repositorios corporativos de documentación. El contenido fue procesado, normalizado, dividido en fragmentos, enriquecido con metadatos y convertido en embeddings para habilitar búsquedas semánticas mediante una base de datos vectorial.

La arquitectura combinó Claude, RAG, búsqueda vectorial, MCP y conectores empresariales para generar respuestas fundamentadas en el conocimiento interno. Los empleados podían realizar preguntas, resumir documentación, comparar procedimientos, explicar políticas, recibir instrucciones paso a paso e identificar documentos relevantes sin necesidad de conocer dónde estaba almacenada la información.

La seguridad se incorporó directamente en la recuperación. Los metadatos de permisos se mantenían durante la indexación y el sistema validaba la identidad y autorización del usuario antes de recuperar la información, garantizando que cada empleado solo pudiera acceder al contenido correspondiente a sus permisos.

Las respuestas incluían citaciones con el repositorio de origen, nombre del documento, sección relevante y ubicación o URL cuando estaba disponible. Además, la arquitectura utilizaba metadatos como fecha de publicación, última modificación, estado, sistema de origen, departamento y propietario para ayudar a priorizar documentación oficial y actualizada. El índice podía sincronizarse con los cambios realizados en las fuentes existentes, reduciendo el riesgo de entregar información desactualizada.

MCP permitió establecer una conexión controlada entre la capa de IA y las herramientas y sistemas empresariales, evitando otorgar acceso irrestricto al LLM. Cuando el caso de uso y los permisos lo permitían, el asistente podía recuperar información o ejecutar acciones empresariales autorizadas.

El proyecto se desarrolló durante 6 meses y alcanzó una reducción estimada del 70% en el tiempo de búsqueda de información, con 75–85% de las preguntas respondidas automáticamente y una reducción estimada del 60% en consultas internas repetitivas. También se obtuvo una reducción estimada del 50% en el tiempo de búsqueda durante el onboarding, mientras que más del 95% de las respuestas incluían citaciones. La solución estuvo disponible 24/7 y mantuvo los controles de permisos antes de la recuperación.