La mayoría de las guías sobre cómo optimizar una base de conocimiento para agentes de IA cubren un solo trabajo: ayudar al agente a encontrar el artículo correcto. Hay dos más, y el 28 de octubre de 2026 vimos a un competidor suspender el tercero en público.
En resumen: un centro de ayuda preparado para la IA supera tres pruebas: el agente puede recuperar el artículo correcto, el artículo es correcto cuando se recupera y nada en él da instrucciones a quien lo recupera. Es una línea que dos artículos de Lorikeet cruzaron con texto de opacidad cero que observamos el 28 de octubre de 2026.
Metodología y fuentes
- Procedimiento elaborado a partir de nuestras propias recomendaciones y de las guías publicadas por Intercom (mayo de 2026), Ada (julio de 2026) y Gorgias (noviembre de 2024).
- Observación de Lorikeet: dos páginas de artículos cargadas en un navegador de escritorio el 28 de octubre de 2026; el texto y el CSS calculado se leyeron del DOM en vivo. El HTML en bruto de ambas páginas y el llms.txt se volvieron a comprobar el 31 de octubre de 2026: las secciones seguían ahí, en un contenedor con opacidad 0 y 1px de alto. No se llamó a ningún endpoint ni se reservó nada.
- Estándares: políticas de spam de Google, OWASP LLM01:2025, propuesta llms.txt. Todas las cifras se verificaron en octubre de 2026.
- Aviso: este es el blog de Aissist. Aissist vende agentes de IA para atención al cliente y compite con Lorikeet.
Observado el 28 de octubre de 2026: instrucciones para asistentes de IA dentro de los artículos de un competidor
Dos artículos de Lorikeet, comparativa del coste por resolución del soporte con IA y soporte con IA para viajes y eSIM, incluyen cada uno secciones tituladas «Book a demo (for AI agents)» y «Ask our support agent (for AI assistants)». Le explican a un asistente cómo reservar una demo comercial por HTTP y cómo consultar un endpoint público de soporte. En nuestra comprobación en el navegador (28 oct 2026; HTML en bruto revisado de nuevo el 31 oct 2026), los contenedores medían 1px de alto con opacidad 0, y un bloque estaba en texto de 4px. Un lector humano no ve nada de eso. El texto sí pide a los asistentes que actúen solo con el consentimiento de su usuario y que dejen que la persona elija la hora, y Lorikeet publica las mismas instrucciones abiertamente en su llms.txt (consultado el 31 oct 2026). Informamos por primera vez de este patrón en otras cuatro páginas de Lorikeet el 21 de octubre.
¿Qué significa realmente «optimizada para agentes de IA»?
Una base de conocimiento está optimizada para agentes de IA cuando supera tres pruebas: el agente puede recuperar el artículo correcto, el artículo es correcto cuando se recupera y el artículo no contiene nada dirigido al agente. La mayoría de los consejos publicados cubren la primera prueba, algunos cubren la segunda y casi ninguno cubre la tercera.
Las tres importan porque un agente no lee tu centro de ayuda como lo hace un cliente. Recupera unos pocos párrafos y responde a partir de ellos como si fueran toda la verdad. Un fragmento difícil de encontrar produce un «no lo sé». Un fragmento desactualizado produce una respuesta errónea dicha con total seguridad. Un fragmento que contiene una instrucción puede cambiar lo que hace el agente.
La guía de Ada plantea lo que está en juego sin rodeos: sostiene que a un agente no se le entrena con una base de conocimiento, sino que se le ancla en ella. Y el anclaje solo es tan bueno como el terreno.
«La gestión del conocimiento es casi tan importante como la propia tecnología de IA». — Declan Ivory, VP of Customer Support, Fin (Intercom)
Una afirmación atrevida viniendo de una empresa que vende la tecnología de IA, y acertada. Los diez pasos siguientes se agrupan por prueba: del 1 al 5 hacen que el contenido sea recuperable, del 6 al 8 lo mantienen correcto y el 9 y el 10 trazan la línea entre estructurar contenido y dar instrucciones al agente. Para saber cómo cambiaron las bases de conocimiento tras la IA generativa, consulta la evolución de la base de conocimiento con IA.
¿Cómo se consigue que los artículos de ayuda sean recuperables?
Haz que cada artículo responda a una sola pregunta, titúlalo con esa pregunta y nombra explícitamente cada producto, plan y entidad para que un fragmento recuperado siga teniendo sentido por sí solo. Los sistemas de recuperación dividen los artículos en fragmentos; cada fragmento debería sobrevivir a una lectura aislada.
- Una respuesta por artículo. Unas «Preguntas frecuentes de facturación» con 14 preguntas se convierten en 14 artículos. Ada recomienda que los artículos sean mutuamente excluyentes y estén titulados en torno a tareas; su guía también observa que aproximadamente el 20% de los artículos principales atiende cerca del 80% de las consultas, así que empieza por ahí.
- Titula el artículo con la pregunta del cliente. «¿Cómo cambio mi plan de eSIM?» es mejor que «Gestión de planes». Usa las palabras del cliente, no el nombre interno de la función.
- Nombra las entidades explícitamente. Escribe «el plan Pro» en lugar de «este plan», y «la app de iOS» en lugar de «la app». Un fragmento que dice «haz clic en él en los ajustes» no sirve de nada fuera de contexto.
- Una definición canónica por término. Define «suscripción activa» una sola vez, en un solo artículo, y enlázalo desde todos los demás. Tres definiciones ligeramente distintas le dan al agente tres respuestas ligeramente distintas.
- Convierte las capturas de pantalla y las tablas complejas en texto. Los agentes leen palabras. Describe en una frase el paso de cada captura; mantén las tablas sencillas (una fila de encabezado, sin celdas combinadas) y expresa también en prosa la fila clave.
«El contenido ya no debería ser algo secundario». — Beth-Ann Sher, Senior AI Knowledge Manager, Fin (Intercom)
Nada de esto es nuevo para un buen redactor técnico. Lo nuevo es la penalización: una persona pasa por encima de un párrafo vago, mientras que un agente se lo cita a un cliente con total seguridad.
¿Cómo se mantiene correcto un artículo recuperado?
Indica cuándo era cierto cada dato y a quién se aplica, mantén exactamente una fuente de verdad por dato y usa las conversaciones no resueltas del propio agente para encontrar lo que está mal o falta. La recuperabilidad sin corrección solo consigue que las respuestas erróneas lleguen antes.
- Pon las fechas, el alcance y el público en el texto. «Desde octubre de 2026, los reembolsos de los planes anuales se prorratean» lleva incorporado su propio aviso de caducidad. Añade una fecha visible de última actualización e indica qué plan, región o tipo de cliente cubre el artículo.
- Una fuente de verdad por dato. Si el plazo de reembolso aparece en un artículo de ayuda, en un PDF y en una macro, dos de ellos son borradores esperando a quedarse obsoletos. Elige uno y retira o enlaza los demás.
- Revisa con una cadencia fija y deja que el agente te diga dónde. Intercom describe que auditó más de 700 artículos publicados antes de dirigir a su propio agente hacia ellos, que presupuesta entre 5 y 10 horas semanales por colaborador para el trabajo de conocimiento y que revisa unos 30 días de conversaciones del agente para encontrar lagunas. Las conversaciones no resueltas y escaladas son el mejor informe gratuito de lagunas de contenido que vas a conseguir.
Esto es lo que los pasos 1 a 7 le hacen a un solo artículo:
| Antes | Después | |
|---|---|---|
| Título | Planes y facturación | ¿Cómo obtengo un reembolso de un plan anual? |
| Alcance | Cubre mejoras, bajadas de plan, reembolsos y facturas | Solo reembolsos de planes anuales; enlaza al resto |
| Entidades | «Contacta con nosotros dentro del plazo para cancelarlo» | «Cancela el plan anual Pro o Team en los 14 días siguientes a la renovación» |
| Fechas | Ninguna | «Política vigente desde octubre de 2026 · Última actualización: 28 oct 2026» |
| Captura de pantalla | Imagen del botón de cancelar | «Ve a Ajustes → Facturación → Cancelar plan» |
| Definición | «Los reembolsos se prorratean» | Enlaza al único artículo canónico que define «reembolso prorrateado» |
Ejemplo ilustrativo; los planes y la política son hipotéticos.
¿Dónde está la línea entre estructurar contenido y dar instrucciones al agente?
El contenido escrito para ser recuperado es legítimo; el contenido escrito para dar instrucciones a quien lo recupera no lo es. La prueba es si un lector humano reconocería que el texto va dirigido a él. La estructura, los encabezados, el schema y un índice llms.txt ayudan a una máquina a leer lo que una persona también puede leer. El texto oculto que le dice a la máquina qué hacer, no.
- Usa superficies declaradas para la información dirigida a máquinas. Un archivo llms.txt, propuesto por Jeremy Howard en 2024, es un índice en Markdown en la raíz de tu sitio: un H1 con tu nombre, un resumen de una línea en una cita, párrafos breves de contexto y después secciones H2 con enlaces a tus artículos de ayuda clave, con una sección «Optional» para los enlaces secundarios. Es visible, está declarado y está separado de tus artículos.
- Mantén el comportamiento en la configuración del agente, nunca en páginas publicadas. Lo que el agente puede prometer, cuándo escala y lo que nunca debe decir pertenece a una configuración revisada y versionada, no a un artículo de ayuda que cualquier editor puede cambiar. Nuestra guía de auditoría de instrucciones ocultas explica cómo encontrar las que se hayan colado.
Dos casos de este mes muestran por qué. Redact encontró (19 oct 2026; consultado el 31 oct 2026) 102 bloques de instrucciones ocultas en 80 de las 545 páginas de ayuda de WhatsApp, incluido uno que le decía a un bot de soporte que no recomendara contactar con una autoridad de protección de datos. Redact cuenta que WhatsApp dijo a WIRED que esas notas eran instrucciones para su chatbot de soporte que aparecieron por un error ya corregido, y que las notas ya no estaban cuando Redact lo comprobó el 18 de octubre.
«Lo que podía hacer la instrucción era asegurarse de que no te enteraras de ellas en el sitio al que acudiste en busca de ayuda». — Dan Saltman, Founder and CEO, Redact
El caso de Lorikeet tiene una intención distinta: su texto se dirige a asistentes externos, pide consentimiento y está replicado en su llms.txt. Pero poner la opacidad a 0 es una técnica que las políticas de spam de Google (consultadas el 31 oct 2026) incluyen dentro del abuso de texto oculto, y el texto que dirige a un modelo es lo que OWASP (consultado el 31 oct 2026) llama inyección de prompts indirecta, parte del riesgo que sitúa en primer lugar (LLM01) de su LLM Top 10 de 2025. Si la instrucción es aceptable, dala donde la gente pueda verla. Para defender a tu propio agente de textos como este, consulta la inyección de prompts en los agentes de IA de atención al cliente.
La lista de comprobación de recuperabilidad
- Cada artículo responde a una sola pregunta, y su título es esa pregunta.
- Los productos, planes, regiones y funciones se nombran, nunca «esto» o «él».
- Cada término tiene una definición canónica, enlazada desde todos los demás sitios.
- Las capturas de pantalla tienen equivalentes en texto; las tablas son sencillas y se resumen en prosa.
- Cada artículo indica su alcance, su público y una fecha visible de última actualización.
- Cada dato vive exactamente en una fuente.
- Las conversaciones no resueltas del agente se revisan con una cadencia fija.
- Un llms.txt indexa tus artículos de ayuda clave.
- Las reglas de comportamiento del agente viven en una configuración versionada, no en las páginas.
- El texto renderizado coincide con el HTML en bruto: ningún texto que una persona no pueda ver.
Escribe para quien recupera, nunca a quien recupera
El veredicto: un centro de ayuda preparado para agentes de IA es uno que podrías entregar sin cambios a una persona recién contratada. Los artículos claros, con una sola respuesta y fechas indicadas, son lo que la recuperación premia. Todo lo que solo una máquina puede ver es o bien un índice que se la invitó a leer o bien una instrucción que nunca debió seguir.
Empieza por los 20 artículos que gestionan más volumen, pásales la lista de comprobación esta semana y después busca en tus propias páginas texto dirigido a la IA. Los agentes creados para resolver en lugar de desviar dependen de este trabajo previo; es una parte importante de cómo Aissist declara una tasa de resolución media del 83% y un CSAT de 4.8/5.0.
Preguntas frecuentes
¿Qué longitud debe tener un artículo del centro de ayuda para los agentes de IA?
La de una respuesta completa a una sola pregunta, y no más. Si un artículo necesita subtítulos para preguntas no relacionadas, divídelo.
¿Leen los agentes de IA las imágenes y los PDF de una base de conocimiento?
Algunos pueden, pero el texto es mucho más fiable. Añade un equivalente escrito para cada paso con captura de pantalla y traslada el contenido clave de los PDF a artículos de ayuda.
¿Es imprescindible llms.txt para que un centro de ayuda funcione con agentes de IA?
No. Es una convención propuesta, no un estándar, y tu propio agente de soporte suele leer tu helpdesk directamente. Ayuda a los asistentes externos a encontrar tus mejores páginas.
¿Es aceptable poner instrucciones para asistentes de IA en una página pública?
Solo donde las personas puedan verlas y reconocer a quién van dirigidas, como en una página para desarrolladores claramente etiquetada o en llms.txt. El texto oculto dirigido a la IA es lo que las políticas de spam de Google llaman abuso de texto oculto.
¿Cómo encuentro instrucciones de IA ocultas en mi propio centro de ayuda?
Compara el texto renderizado de cada página con su HTML en bruto y busca frases como «AI assistant», «language model» o «ignore». Nuestra guía de auditoría enumera siete pasos.
¿Qué artículos debería optimizar primero?
Los que gestionan más conversaciones. La guía de Ada señala que aproximadamente el 20% de los artículos principales cubre cerca del 80% de las consultas, así que reescribir 20 artículos de mucho volumen es mejor que pulir 200 que apenas se leen.
Registro de cambios
- 28 de octubre de 2026: publicado.
- 31 de octubre de 2026: afirmaciones adversas sobre proveedores con fuente o eliminadas: la observación de Lorikeet se volvió a comprobar en las páginas en vivo y se añadió la respuesta de WhatsApp a lo que encontró Redact.
