De qué puede aprender
| Fuente | Qué lee |
|---|---|
| Tu sitio web | Cada página a la que llega el rastreador siguiendo tus enlaces, o exactamente las páginas de tu sitemap, o páginas sueltas, de una en una |
| Los PDF de tu web | Los PDF a los que enlazan tus páginas, leídos durante el rastreo, para que el agente pueda enlazarlos |
| Archivos | Archivos PDF, Word (DOCX), TXT y Markdown que subas |
| Texto | Todo lo que escribas o pegues: el horario, una política, una lista de precios |
| Preguntas y respuestas | Una pregunta y la respuesta exacta que quieres que se dé |
No tienes que preparar nada. Se extrae el texto, se divide en fragmentos y se indexa para la búsqueda, normalmente en segundos. El rastreo respeta tu robots.txt, lee las páginas de una en una y no ejecuta JavaScript, así que una página cuyo texto solo aparece después de ejecutarse un script se lee sin ese texto. Encontrarás los detalles en Sitios web y Archivos (en inglés).
Entrenar un chatbot con tus datos, sin fine-tuning
Aquí, «entrenar» no cambia el modelo. Cuando un visitante pregunta algo, el agente busca en tus fuentes los fragmentos que lo responden, por significado y por las palabras exactas (un código de producto, un nombre), y el modelo redacta la respuesta solo a partir de esos fragmentos. Eso tiene tres consecuencias importantes:
- Los cambios cuentan al momento. Edita una página, vuelve a leerla y la siguiente respuesta ya usa el texto nuevo.
- No se inventa nada. Cuando tu contenido no tiene la respuesta, el agente lo dice, o pregunta qué quiere decir el visitante, en lugar de adivinar.
- Puedes comprobar cada respuesta. En Actividad y en el Entorno de pruebas, cada una muestra las páginas en las que se basa. Tus visitantes ven la respuesta, con un enlace cuando procede de un PDF de tu web.
En el plan Agency, tu sitio se vuelve a leer solo cada 7 días, así que los precios, los horarios y los PDF nuevos llegan al agente sin que tengas que acordarte.
Saber lo que no sabe
Cada respuesta lleva una puntuación de confianza: lo segura que estaba la búsqueda de que tu contenido tenía la respuesta, medida antes de escribir una sola palabra. Las respuestas con confianza alta pasan además una comprobación de fundamentación, una segunda opinión que lee la respuesta junto a los fragmentos y dice si la respaldan. Las respuestas con una puntuación baja aparecen en el Resumen con lo que faltaba, y desde esa lista añades la respuesta correcta como par de pregunta y respuesta. Esa lista es el camino más rápido hacia un chatbot mejor: es la lista de lo que preguntaron tus visitantes y tu contenido no decía. Corregir respuestas débiles.
¿Por qué no ChatGPT con tus propios datos?
Un GPT personalizado vive dentro de ChatGPT: no puedes ponerlo en tu propia página web, y quienes lo usan necesitan una cuenta de ChatGPT. Crear tu propio chatbot personalizado sobre la API de un modelo es posible, y supone programar tú mismo la búsqueda, el widget, la gestión de idiomas y el registro de conversaciones. ChatterLab es ese trabajo ya hecho: entran tus fuentes y sale un widget, con las fuentes y la confianza de cada respuesta a tu vista, y los datos en la UE.
Preguntas sobre entrenar un chatbot
¿Cuánto se tarda en entrenar un chatbot con mi sitio web?
Unos minutos en la mayoría de los sitios. El rastreador lee las páginas de una en una, con una breve pausa entre páginas, así que un sitio de unos cientos de páginas tarda algo más. Los archivos suelen estar listos en segundos.
¿Puede leer PDF escaneados?
No. Un escaneo es una imagen de un texto, y las fuentes no se leen con reconocimiento de texto. Un archivo así se marca como fallido. Pásalo antes por un programa de OCR, o pega el texto como fuente de texto.
¿Tengo que saber programar?
No. Todo se hace en el panel: añadir fuentes, probar y personalizar el aspecto. Poner el chat en tu web es una etiqueta script que copias y pegas.
¿Se usan mis datos para entrenar modelos de IA?
No. No entrenamos modelos con tu contenido ni con las conversaciones de tus visitantes, y OpenAI, que convierte tu texto en vectores de búsqueda, tampoco entrena con él.
¿Y si mi contenido está en un idioma distinto al de mis visitantes?
La búsqueda funciona por significado, así que una pregunta en español encuentra una página en inglés, y el agente responde en español. Para un mercado importante, tener fuentes en su idioma sigue dando las mejores respuestas.