«Entrenar un agente» no existe. Esto es lo que sí hay que hacer.

En el artículo anterior quedó una promesa a medias. Dijimos que los agentes de WhatsApp se enredan por cómo están montados, no por el modelo, y que un montaje sí se puede exigir por escrito. Lo que no dijimos es qué exigir exactamente.

Esto es eso. Y empieza con una corrección de vocabulario que parece pedantería y no lo es: a los agentes de IA no se los entrena.

Sé que todo el mundo dice «entrenar al agente». Yo mismo lo dije en una reunión hace dos semanas. Pero es el verbo equivocado, y usar el verbo equivocado te va a costar dinero de tres maneras distintas.

Por qué el verbo importa

«Entrenar» describe algo que efectivamente existe en inteligencia artificial: tomar un modelo y modificarlo con millones de ejemplos hasta que aprenda un comportamiento nuevo. Eso cuesta cientos de miles de dólares, se hace en centros de datos, y no es lo que va a pasar con tu empresa. Ningún proveedor serio va a reentrenar un modelo para que aprenda tu catálogo, por la misma razón por la que nadie funde un motor nuevo para cambiarle el aceite al carro.

Lo que sí pasa es otra cosa, y es más simple de entender: el modelo consulta tu información en el momento exacto en que alguien pregunta. No la aprende, no la guarda, no la recuerda. La lee, responde, y la suelta.

Los tres costos de confundirse:

Uno, en el precio. «Entrenar» suena a cosa única. Si le vendes a un cliente que «entrenaremos su agente», él entiende que queda listo para siempre y va a discutir cualquier mensualidad. Si le montas un cerebro que hay que mantener, la mensualidad se explica sola: los precios cambian, el catálogo crece, las políticas se ajustan.

Dos, en las expectativas. Un cliente que cree que el agente «aprendió» se va a sentir estafado el día que el agente no sepa algo que le contaron en una reunión. Un cliente que entiende que el agente consulta sabe exactamente dónde está el problema: falta un documento.

Tres, en la comparación. Si crees que se trata de entrenar, vas a elegir proveedor por quién dice que entrena mejor. Y esa es una carrera de mentiras, porque ninguno entrena nada.

Cómo funciona de verdad, sin tecnicismos

Imagina un empleado nuevo, brillante, con memoria de pez.

Habla perfecto. Entiende cualquier pregunta. Es amable a las seis de la tarde igual que a las nueve de la mañana. Pero no sabe absolutamente nada de tu empresa y olvida todo cada vez que termina una conversación.

Ahora dale un archivo bien organizado y una regla: antes de contestar cualquier cosa, busca en el archivo y responde solo con lo que encuentres ahí.

Eso es un agente de IA. El empleado es el modelo —Claude, GPT o Gemini, da lo mismo por ahora—. El archivo es lo que llamamos cerebro documental. Y la regla de buscar antes de hablar es lo que en la industria se llama recuperación, o RAG por su sigla en inglés.

Tres consecuencias que salen de esa imagen y que conviene tener claras:

El archivo es tuyo, no del modelo. Vive en tu servidor o en el de tu proveedor, no dentro de Claude ni de GPT. Si mañana quieres cambiar de modelo, el archivo no se toca.

El modelo nunca «aprende» a tus clientes. Cada conversación empieza en blanco. Lo que se siente como memoria —«hola de nuevo, veo que compró en marzo»— es información que el sistema le entrega al modelo al inicio, no algo que el modelo recuerde.

Si no está en el archivo, no existe. Esta es la que más duele y la que más discusiones evita. Un agente no puede saber tu política de devoluciones si tu política de devoluciones vive en la cabeza del gerente.

Las ocho piezas del cerebro documental

Aquí está la parte que nadie te da por escrito, y es justamente la que deberías exigir. Un cerebro documental no es una carpeta con PDF. Son ocho entregables, cada uno revisable por separado.

Dos cosas que hay que notar de esta lista, porque son las que la hacen valiosa.

La primera: ninguno de los ocho menciona un modelo. El mismo cerebro funciona con Claude, con GPT, con Gemini, y va a funcionar con el que salga el año entrante. Eso significa que lo que estás comprando es un activo tuyo, no un alquiler. Es la diferencia entre construir una bodega y arrendar una.

La segunda: los ocho se pueden revisar sin saber de tecnología. Un gerente puede leer el guion de voz y decir «así no hablamos nosotros». Puede mirar el árbol de escalamiento y decir «esa clienta no puede esperar dos horas». Puede abrir el banco de preguntas y ver si son las preguntas que de verdad le hacen. Un modelo no se audita; esto sí.

El entregable número seis es el que decide todo

De los ocho, uno separa a los que saben de los que improvisan. Y es el más aburrido.

El banco de preguntas de prueba es una lista de preguntas reales —sacadas de tus conversaciones, no inventadas— cada una con la respuesta que el agente debería dar. Cien, ciento cincuenta. Se corre completa contra el agente y se cuenta cuántas acertó.

Suena obvio. Casi nadie lo hace. Y aquí está por qué importa más de lo que parece.

Poner la información a la vista no garantiza que la use bien

Existe la idea cómoda de que si le das al modelo el documento correcto, ya no puede equivocarse. Es falso, y hay una medición pública que lo demuestra.

Vectara mantiene un banco de pruebas que hace exactamente eso: le entrega al modelo un documento y le pide que lo resuma, luego comprueba si el resumen dice algo que el documento no dice. En noviembre de 2025 publicaron una versión mucho más exigente, con más de 7.700 artículos de hasta 32.000 palabras cada uno, en tecnología, finanzas, derecho, medicina y educación.

Los resultados incomodan a todo el mundo, empezando por nosotros:

Claude Sonnet 4.5 y GPT-5 quedaron por encima del 10 % en la misma prueba; Vectara no publicó su cifra exacta y por eso no la graficamos. Es una prueba de resumen, no de atención al cliente: sirve para mostrar que tener el documento a la vista no basta, no para rankear agentes.

Léelo dos veces, porque dice algo contra la intuición: el modelo más grande y más caro se equivocó cuatro veces más que el más pequeño. Con el documento delante. En una tarea de resumir, que es más fácil que atender a un cliente.

Esto tiene dos lecturas y las dos son útiles para ti.

La primera, contra los vendedores de humo: si alguien te promete que su agente «no alucina porque usa RAG», te está vendiendo algo. Darle la fuente al modelo baja mucho el error, pero no lo lleva a cero. Nadie lo lleva a cero.

La segunda, más importante: por eso se mide en vez de confiar. Si sabes que el error nunca es cero, la pregunta deja de ser «¿es confiable?» —que no tiene respuesta— y pasa a ser «¿cuántas de mis 150 preguntas acertó, y cuáles falló?». Esa sí tiene respuesta, y es un número que le puedes exigir a tu proveedor cada mes.

Y hay un tercer uso, que es el que a la larga te salva. Cuando dentro de tres semanas alguien ajuste una instrucción del agente, vuelves a correr las 150 preguntas. Si pasó de 143 a 118, rompiste algo. Sin el banco, ese daño se descubre cuando lo descubre un cliente.

Cómo llega el cerebro hasta el modelo

Tres niveles, que en la práctica se usan combinados. Vale la pena que los distingas porque determinan el precio y el alcance.

Nivel 1 · Pegado. Si tu información completa cabe en una hoja, se le entrega entera al modelo en cada consulta. Es lo más simple y para muchos negocios es suficiente. Una panadería con horarios, dirección, si hacen tortas por encargo y si domicilian no necesita nada más.

Nivel 2 · Recuperación. El corpus vive en un índice de búsqueda y, por cada pregunta, el sistema trae los cinco o diez fragmentos pertinentes y solo esos. Es el estándar y es lo que permite tener miles de productos sin que el costo se dispare.

Nivel 3 · Herramientas. El agente consulta tu sistema en vivo: existencias hoy, estado de un pedido, si ese cliente ya compró. Aquí el agente deja de solo informar y empieza a hacer.

El salto de precio real no está entre el nivel 1 y el 2. Está entre el 2 y el 3, porque el 3 exige que tus sistemas tengan por dónde ser consultados — y muchas empresas descubren ahí que su inventario vive en un Excel que alguien actualiza los viernes.

Qué pone cada quién

Sobre la opción de Meta, y aquí seamos justos porque es un producto bueno para lo que es. El Meta Business Agent se anunció el 3 de junio de 2026 y está disponible globalmente en WhatsApp Business e Instagram. Según Meta, responde preguntas, recomienda productos de tu catálogo, agenda citas, califica prospectos y puede derivar a una persona — que era justo la pieza que el artículo anterior señalaba como la más cara de todas. Arranca gratis y luego pasa a las suscripciones pagas de WhatsApp Business; las empresas grandes pagan por consumo.

Y ahora lo que hay que decir con el mismo cuidado: Meta no publica una lista de las fuentes que el agente ingiere. Lo buscamos en el anuncio oficial y en su cobertura de prensa del mismo día, y no está. Eso no lo convierte en malo — lo convierte en un producto genérico del que no puedes verificar el techo hasta que lo usas. Es una diferencia real frente a un cerebro documental, donde tú tienes el inventario de fuentes en la mano y sabes exactamente qué sabe y qué no.

La regla para elegir, que no depende de con quién hables:

El agente genérico gana cuando la respuesta correcta cabe en una página. Horarios, ubicación, catálogo estable, precios que no dependen de nada.

El cerebro a la medida gana cuando la respuesta correcta depende de algo que solo tu empresa sabe. Compatibilidad entre referencias, existencias, garantía con condiciones, historial del cliente, precio que cambia según volumen.

Si tu negocio es el primer caso y alguien te vende el segundo, te está cobrando una avioneta para ir a la esquina.

Cuánto se demora esto de verdad

Aquí hay que ser incómodo, porque es donde las propuestas comerciales mienten más.

Reunir la documentación es lo lento, y el reloj lo pone el cliente. Semanas, no días. No por complejidad técnica: por resistencia interna. El contador que no manda la lista de precios, el gerente que tiene la política de garantía en la cabeza, el catálogo que existe en tres versiones distintas y nadie sabe cuál es la buena. Ese es el cuello de botella real, y ningún proveedor lo puede acelerar solo.

El cableado técnico son días. Conectar el corpus, montar la recuperación, definir el escalamiento, conectar el número. Es la parte que se ve difícil y es la más predecible.

Cambiar de modelo es una tarde. Y esto conviene que lo sepas antes de angustiarte eligiendo entre Claude, GPT y Gemini: es una línea de configuración. El cerebro no se toca, el banco de preguntas no se toca, el guion de voz no se toca. Corres las 150 preguntas con el modelo nuevo, comparas el puntaje, y te quedas con el mejor.

Por eso la elección del modelo es la última decisión, no la primera — y es la única del proyecto que es reversible sin costo.

¿Y el playground?

Sí, existe. Los tres proveedores tienen una consola donde puedes pegar instrucciones y documentos y conversar con el agente antes de soltarlo: Anthropic Console, OpenAI Playground, Google AI Studio. Sirve, y es lo primero que uno hace.

Pero conviene saber qué tipo de respuesta te da. Un playground te dice «suena bien», que es una impresión. El banco de preguntas te dice «acertó 143 de 150 y estas siete fallaron», que es un hecho.

La diferencia se nota el segundo mes. Una impresión no se puede repetir para comparar; un puntaje sí. Y lo que no se puede comparar contra su propia versión anterior, no se puede mantener — solo se puede esperar que siga funcionando.

Es la misma disciplina de siempre, aplicada aquí: lo que importa se mide, y el verificador se rompe a propósito antes de confiar en él. Nosotros metemos en el banco preguntas que el agente no debe poder responder, para comprobar que dice «no sé» en vez de inventar. Un agente que acierta 150 de 150 preguntas fáciles y se inventa la respuesta a la número 151 es peor que uno que acierta 140 y sabe cuándo callarse.

Lo que deberías exigir por escrito

Si vas a contratar esto —con nosotros o con cualquiera—, esto es lo que pedirías si supieras qué pedir:

1. El inventario de fuentes, antes de firmar el montaje completo. Es barato, es rápido, y te dice si tu empresa está lista.
2. El banco de preguntas, con el puntaje inicial y el compromiso de volver a correrlo cada mes.
3. El árbol de escalamiento, con nombres y tiempos, no con la palabra «escalamiento».
4. El registro de «no sé», que es la prueba de que alguien pensó en cómo falla y no solo en cómo luce.
5. A quién le pertenece el corpus si mañana te cambias de proveedor. Si la respuesta es ambigua, ya tienes la respuesta.
6. El calendario de mantenimiento, con quién actualiza qué. Un cerebro sin mantenimiento se vuelve falso en seis meses, y un agente que cita precios viejos con total seguridad hace más daño que uno que no responde.

Si el proveedor se incomoda con la lista, acabas de ahorrarte el proyecto — igual que en el artículo anterior, y por la misma razón.

Una última cosa, que es la honesta

Nada de esto te sirve si tus respuestas caben en una página.

Hay negocios cuyo WhatsApp es horarios, dirección y «¿tienen domicilio?». Para esos, el agente genérico de Meta se configura en una tarde, sale gratis, y es la decisión correcta. Montarles un cerebro documental sería cobrarles por un problema que no tienen.

La pregunta que separa los dos casos es una sola, y la puedes responder tú mismo esta noche: ¿cuántas de tus respuestas dependen de algo que solo tú sabes? Si son pocas, ya tienes tu solución. Si son muchas, ya sabes qué pedir y en qué orden.

Empieza por lo barato. Abre tu WhatsApp, lee las últimas cincuenta conversaciones y marca cuáles respuestas están hoy escritas en algún lado y cuáles vivían en la cabeza de alguien. Esa proporción —no una cotización— es el verdadero estado de tu cerebro documental, y hacerla te cuesta veinte minutos.