--- title: "Datos y contexto para agentes de IA | Atiende" description: "Clientes, documentos, solicitudes y tareas forman un sistema de relaciones. Parte de la plataforma de agentes de IA de Atiende, con supervisión humana." url: https://useatiende.ai/es/producto/datos-contexto lang: es alternates: es: https://useatiende.ai/es/producto/datos-contexto en: https://useatiende.ai/en/producto/datos-contexto updated: 2026-10-06 --- # La información conectada a lo que significa para tu negocio. Clientes, documentos, solicitudes y tareas forman un sistema de relaciones. Diseñamos esa estructura para que cada respuesta y acción se apoye en la entidad correcta, su estado y sus permisos. ## Definir los objetos del negocio Un cliente puede tener varias sucursales, reservas o expedientes; un documento puede pertenecer a una solicitud y a una versión concreta. Modelar esas relaciones permite usar información con precisión. No se trata de cambiar el vocabulario de la empresa, sino de hacerlo explícito para que personas, interfaces y automatizaciones hablen del mismo objeto. ## Identidad y fuente de verdad Nombres similares no son identificadores suficientes. Se acuerda cómo relacionar registros entre sistemas y qué fuente gobierna cada atributo. Cuando hay discrepancias, el diseño conserva la diferencia y activa una revisión. Así se evita que un dato copiado o una conversación antigua reemplace silenciosamente al registro oficial. ## Contexto permitido para cada usuario La recuperación de información depende del rol, la organización y el propósito de la consulta. Los permisos se aplican antes de construir una respuesta, no después de haber mezclado fuentes. También se define qué datos son necesarios para una tarea y cuáles deben permanecer fuera de los resúmenes y del historial operativo. ## Tiempo, versiones y cambios Una política puede haber cambiado y una reserva puede haber sido cancelada desde el último mensaje. El contexto incluye cuándo se consultó un dato y si necesita refrescarse antes de actuar. Versiones, estados y procedencia permiten reconstruir por qué una respuesta fue razonable con la información disponible en ese momento. ## Cómo se evalúa el contexto de datos en un piloto Se prueba si el sistema identifica la entidad correcta ante entradas imperfectas: un nombre escrito de otra forma, un cliente con varias sucursales o un documento con dos versiones. Se arman pares de casos casi idénticos para ver si se mezclan. Después se verifica que cada respuesta cite la fuente, la fecha de consulta y el permiso que la permitió. El resultado se contrasta con lo que una persona con experiencia concluiría revisando los mismos registros. - Resolución correcta de entidades parecidas sin confundirlas. - Discrepancias entre sistemas detectadas y enviadas a revisión. - Rechazo de consultas que cruzarían datos de otro cliente u área. - Refresco del dato cuando la información consultada ya pudo cambiar. ## Qué conviene preparar antes El trabajo de contexto depende de acuerdos que no son técnicos. Hay que decidir qué identificador es el oficial para cada tipo de objeto, quién corrige un registro duplicado y qué sistema manda cuando dos datos no coinciden. Conviene reunir un muestreo de registros reales con sus defectos, porque la calidad de los datos fija el techo de lo que cualquier agente podrá hacer. También se listan los datos que, por su sensibilidad, deben quedar fuera de resúmenes. - Catálogo de objetos del negocio y sus identificadores oficiales. - Responsable de la calidad de cada fuente principal. - Muestra de registros duplicados, incompletos o contradictorios. - Clasificación de datos sensibles y reglas de retención. ## Límites y supervisión humana Ordenar el contexto no vuelve correctos los datos de origen. Si una fuente está desactualizada, el sistema solo puede señalarlo, no corregirla por su cuenta. Las fusiones de registros, los cambios de titularidad y las correcciones que alteran el historial requieren revisión humana, porque un error aquí se propaga a todo lo que depende del dato. Los permisos y la retención se revisan de forma periódica. - Fusión de duplicados solo con aprobación de una persona responsable. - Registro de qué fuente respaldó cada respuesta importante. - Revisión de permisos cuando cambian roles o estructura. ## Preguntas para tu equipo antes de empezar Tienden a revelar si el principal obstáculo es técnico o de gobierno de datos. - ¿Cómo sabemos hoy que dos registros son la misma persona o cuenta? - ¿Quién tiene la última palabra sobre cada dato clave? - ¿Qué información está en correos o archivos sueltos? - ¿Qué datos no pueden salir de su sistema bajo ninguna circunstancia? - ¿Qué tan viejo puede estar un dato antes de ser peligroso? ## Cómo funciona 1. Identificar entidades, relaciones y términos del negocio. 2. Asignar fuentes de verdad y reglas de identificación. 3. Aplicar permisos, vigencia y procedencia a cada consulta. 4. Revisar discrepancias y actualizar el contexto antes de actuar. ## Preguntas frecuentes ### ¿Esto es una ontología? Es una forma de describir qué objetos existen en el negocio y cómo se relacionan. El término técnico es útil, pero el trabajo práctico consiste en definir clientes, casos, documentos, estados y responsabilidades con claridad. ### ¿Necesitamos centralizar todos los datos? No siempre. La arquitectura puede consultar sistemas existentes y mantener referencias. La decisión depende de latencia, permisos, calidad y requisitos de operación. ### ¿Qué pasa si dos sistemas discrepan? Se define una autoridad por dato o un proceso de conciliación. El flujo no debe escoger silenciosamente la respuesta más conveniente si la discrepancia afecta una decisión. --- Agenda una demo: https://useatiende.ai/es/demo Contacto: ventas@useatiende.ai · https://useatiende.ai/es/contacto Mapa del sitio: https://useatiende.ai/sitemap.xml · llms.txt: https://useatiende.ai/llms.txt