Base de conocimiento (IA)
En las aplicaciones de IA, una base de conocimiento (knowledge base) es la colección de documentos y datos en la que busca un asistente o un agente para responder preguntas, como artículos de ayuda, políticas o documentación de producto, separada del propio modelo.
También llamado: knowledge base, KB
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
El conocimiento integrado de un modelo queda fijado en el entrenamiento y no incluye tu material privado. Una base de conocimiento es donde pones ese material para que el sistema pueda consultarlo. En la práctica son los archivos de origen más el índice procesado y consultable construido a partir de ellos.
Qué contiene
Un pipeline de base de conocimiento suele abarcar la ingesta desde fuentes como una wiki, Google Drive o un sistema de soporte, el análisis de documentos, el chunking, los embeddings y el almacenamiento en una base de datos vectorial o un índice de búsqueda. En el momento de la consulta, recupera los fragmentos relevantes para la generación aumentada por recuperación. Servicios gestionados como Amazon Bedrock Knowledge Bases empaquetan estos pasos.
Ejemplo
Un asistente interno de recursos humanos tiene una base de conocimiento con el manual del empleado, los PDF de beneficios y los calendarios de vacaciones. Cuando alguien pregunta por el permiso parental, recupera la sección relevante del manual y responde a partir de ella, con una cita.
Mantenerla útil
La parte difícil no es la búsqueda, es el contenido. Los documentos desfasados o duplicados producen respuestas erróneas que parecen seguras. Necesitas un proceso de sincronización para que los cambios y los borrados lleguen al índice, y reglas de acceso para que las personas solo recuperen lo que pueden ver, a menudo mediante filtrado por metadatos.
Términos relacionados
Un grafo de conocimiento es una forma de estructurar una base de conocimiento, como entidades enlazadas en lugar de fragmentos de texto. La memoria del agente es parecida, pero la escribe el agente durante el uso, no se prepara de antemano.
Términos relacionados
- Generación aumentada por recuperación
- La generación aumentada por recuperación (RAG, retrieval-augmented generation) es un patrón en el que un sistema busca primero en una colección de documentos los pasajes relevantes para una pregunta y luego se los da a un modelo de lenguaje para que su respuesta se base en ellos.
- Base de datos vectorial
- Una base de datos vectorial (vector database) guarda embeddings junto a sus registros de origen y encuentra los vectores guardados más cercanos a un vector de consulta, normalmente con un índice aproximado para que la búsqueda siga siendo rápida con millones de elementos.
- Grafo de conocimiento
- Un grafo de conocimiento (knowledge graph) guarda la información como entidades (personas, productos, lugares, conceptos) conectadas por relaciones con nombre, para que el software pueda seguir los enlaces entre datos en lugar de buscar en texto suelto.
- Memoria del agente
- La memoria del agente es el conjunto de técnicas que permiten a un agente de IA conservar información más allá de una sola ventana de contexto, como datos sobre un usuario o trabajo anterior, guardándola fuera del modelo y volviendo a cargarla cuando hace falta.
- Análisis de documentos
- El análisis de documentos (document parsing) convierte archivos como PDF, escaneos, presentaciones y hojas de cálculo en texto estructurado que el software puede usar, conservando títulos, orden de lectura, tablas e imágenes en lugar de un flujo plano de caracteres.
- Chunking
- El chunking (fragmentación) es el paso que divide documentos largos en pasajes más pequeños antes de convertirlos en embeddings e indexarlos, para que un sistema de recuperación pueda encontrar y devolver solo las partes de un documento que responden a una consulta.