Conocimiento corporativo con IA: cómo IskayPet unificó sus documentos de SharePoint en 4 idiomas sin operar infraestructura RAG

Cuando una empresa con más de 330 tiendas y 4.500 empleados necesita saber cuál es su política de devoluciones, un protocolo veterinario o un paso de onboarding, la respuesta suele estar en alguna parte de cientos de documentos. Eso le pasaba a IskayPet, y su solución es una lección práctica de conocimiento corporativo con IA: un asistente que responde en cuatro idiomas y tres países, con fuentes citadas y sin que el equipo opere una sola base de datos vectorial.

IskayPet es la compañía líder en cuidado de mascotas de la península ibérica. Opera las marcas Kiwoko, Tiendanimal, Kivet, Clinicanimal y Animalis en España, Portugal y Francia, y atiende a 7 millones de clientes. Cada área (retail, veterinaria, personas y onboarding, compras) tiene sus propias políticas en español, portugués, francés e inglés. Según el caso publicado por AWS el 22 de octubre de 2026, el personal de oficina buscaba a mano en cientos de documentos de Microsoft SharePoint, y la respuesta encontrada a menudo estaba desactualizada o era errónea. El problema crecía con cada país, área o procedimiento nuevo.

La compañía construyó su asistente sobre Amazon Bedrock Managed Knowledge Bases, un servicio de RAG gestionado que se encarga de la ingesta, el análisis multimodal, el almacenamiento vectorial, los embeddings y la recuperación. IskayPet solo paga por lo que almacena y recupera. Los elementos clave:

Conector nativo de SharePoint: los documentos se ingieren donde ya viven, sin migración. Con la indexación avanzada activada, también se extrae contenido de las imágenes incrustadas.

Búsqueda híbrida (semántica más palabra clave BM25) y reranking gestionado, sin cargo adicional. La parte de palabras clave recupera términos exactos, como códigos de producto, que la búsqueda puramente semántica puede pasar por alto.

Control de acceso a nivel de documento: la consulta solo devuelve pasajes que el usuario ya tiene permiso para leer en SharePoint, así que no hubo que reconstruir un modelo de autorización.

Respuestas con citas: el prompt obliga a citar fuentes y a admitir cuando la respuesta no está en el contenido recuperado.

El equipo desarrolló todo (del frontend para tiendas a la arquitectura en AWS y el despliegue) con Kiro, el entorno de desarrollo agéntico de AWS, usando Claude Haiku 4.5. Cada respuesta incluye un pulgar arriba o abajo que alimenta el conjunto de evaluación. Un matiz importante: el texto disponible del caso no detalla métricas cuantificadas, como minutos ahorrados o tasas de acierto, así que conviene tomar la historia como un patrón de arquitectura más que como un caso de ROI auditado.

El enfoque encaja con la lectura de otros análisis del caso. Remio.ai destaca la división de responsabilidades: AWS opera la infraestructura de recuperación y la empresa se concentra en documentos, permisos y calidad de las respuestas. AWS también publicó días después una guía técnica con CDK para ir un paso más allá: un agente que enruta entre dos bases de conocimiento, recupera a través de AgentCore Gateway y suma observabilidad y evaluación continua. Es una hoja de ruta natural si el asistente evoluciona hacia agentes.

Cómo implementar conocimiento corporativo con IA en tu empresa

La lección central es que la parte difícil de un asistente corporativo no es el modelo, sino los datos, los permisos y la confianza. Con ese criterio, estos son los pasos que se desprenden del caso:

1. Parte de donde ya están tus documentos. Si tu conocimiento vive en SharePoint, usa un conector nativo antes de plantear una migración. Evitarla reduce tiempo, costo y riesgo.
2. Hereda los permisos, no los reinventes. Un asistente que ignora quién puede ver qué es un riesgo de seguridad. Exigir control de acceso a nivel de documento debe ser requisito desde el día uno.
3. Exige citas y permite el «no sé». La confianza se gana mostrando la fuente y admitiendo lagunas. Es el mismo principio que aplicó Qlik en su IA empresarial con fuentes verificables sobre Amazon Bedrock.
4. Diseña el enrutamiento por área y país. IskayPet quería evitar la contaminación cruzada entre cuerpos de conocimiento. Separar bases por dominio facilita escalar a nuevos países sin rediseñar.
5. Empieza con un modelo económico y mantén la puerta abierta. Claude Haiku 4.5 permitió iterar rápido y barato, y la arquitectura admite cambiar de modelo sin reescribir infraestructura.
6. Mide desde el inicio. El feedback de los empleados y las herramientas de evaluación nativas convierten el uso real en un conjunto de pruebas. Es la mejor defensa contra las alucinaciones, como mostró un retailer que las redujo del 15% al 1,5% sin cambiar de modelo.

Cuándo tiene sentido dar el paso

El momento es ahora si tu organización sufre alguno de estos síntomas: documentación dispersa en varios idiomas o países, equipos de soporte interno que repiten las mismas respuestas, o procedimientos que cambian más rápido de lo que la gente los aprende. En ese terreno, ShipStation resuelve el 97,5% de las consultas de TI en Slack con un agente, una señal de que las consultas internas repetitivas son el punto de entrada de menor riesgo.

El riesgo a evitar es el contrario: lanzar un chatbot sin gobernanza documental. Si tus políticas están desactualizadas o duplicadas, la IA solo las servirá más rápido. Antes de indexar, depura y asigna responsables a cada repositorio.

La pregunta para tu comité de dirección no es si necesitas un asistente, sino cuánto te cuesta hoy cada respuesta que un empleado tarda en encontrar. Si la respuesta incomoda, el conocimiento corporativo con IA deja de ser un experimento y pasa a ser una decisión operativa: elige un área, conecta su repositorio, exige citas y permisos, y mide durante 30 días.