Base de conocimiento con IA para empresas.
Sistema RAG desde Alemania, disponible en cualquier canal.
El conocimiento está por todas partes, en PDF, wikis, documentos de Word, listas de FAQ, correos antiguos. El equipo y la clientela tienen que buscarlo a mano. Las herramientas clásicas de gestión del conocimiento son buscadores: muestran resultados de búsqueda, pero no responden. La IA generativa como ChatGPT sí responde, pero no conoce el conocimiento de tu empresa. Lo que falta: un sistema RAG que una ambas cosas y esté disponible en cualquier canal (teléfono, chat, correo).
RAG (Retrieval Augmented Generation) es la arquitectura estándar para las bases de conocimiento con IA de empresa: los documentos se convierten en embeddings vectoriales y se guardan en una base de datos vectorial. Ante una consulta, el sistema busca los pasajes más relevantes y se los pasa como contexto a un LLM, que genera una respuesta a partir de ellos. Ventaja frente a los buscadores clásicos: respuesta en lenguaje natural en vez de una lista de enlaces. Ventaja frente a la IA genérica: conocimiento específico de la empresa en vez de conocimiento general. Pero construir un sistema RAG por tu cuenta es ingeniería empresarial a medida: licenciar la base de datos vectorial (servicio en la nube estadounidense o autoalojado), configurar la integración del LLM, montar el pipeline de embeddings, elegir la estrategia de chunking, aplicar un modelo de re-ranking, construir una capa de cumplimiento para RGPD/AI Act. Tiempo necesario: de 2 a 6 meses de implementación a medida. Precios: configuración de cinco cifras más costes de nube mensuales de cuatro cifras. Fuera del presupuesto de una pyme DACH. La arquitectura de Rinqo lo resuelve: la gestión del conocimiento viene de serie en el producto, base de datos vectorial Qdrant autoalojada en Hetzner, LLM en la UE (Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central)), aviso conforme al AI Act. Activación en 10 minutos mediante el asistente.
Rinqo es una base de conocimiento con IA de salida multicanal. Una base de conocimiento central basada en RAG por organización, alimentada con PDF, rastreo de la web, listas de FAQ y artículos de helpdesk; fuentes de terceros como Confluence, Notion o SharePoint las conectamos a petición. Disponible en cuatro canales: teléfono (una llamada devuelve la respuesta desde la base de conocimiento), chat (widget con function calling), correo (un agente de triaje autónomo responde las consultas estándar) y asistente personal (búsqueda interna de preguntas y respuestas para todo el equipo). Alojamiento en Hetzner DE, desde 99 € sin IVA/mes en tarifa plana.
Probar la base de conocimiento con IAWarum Rinqo?
RAG de serie en vez de ingeniería a medida
Implementación clásica de RAG: de 2 a 6 meses de ingeniería a medida con licencia de base de datos vectorial, configuración del LLM, pipeline de embeddings, chunking, re-ranking, cumplimiento. Rinqo: configuración con asistente en 10 minutos, Qdrant, Microsoft Azure OpenAI, aviso del AI Act integrado de forma predeterminada.
Salida multicanal sin integración aparte
Las herramientas de base de conocimiento clásicas son frontends web. Rinqo hace que la misma base de conocimiento esté disponible por teléfono, widget de chat, triaje de correo y el asistente personal, sin integraciones de canal aparte. Una base de conocimiento, cuatro canales.
Hetzner DE en vez de base vectorial en la nube estadounidense
Los servicios de base de datos vectorial más extendidos alojan en regiones de EE. UU. Rinqo utiliza Qdrant autoalojado en Hetzner Falkenstein/Núremberg, sin exposición al Cloud Act para el conocimiento de la empresa. Contrato de encargo de tratamiento automático al firmar.
Resolución de lagunas de conocimiento con aprendizaje continuo
Cuando la IA no puede responder una consulta, la laguna se notifica en el panel. Añades la respuesta en un minuto y la próxima vez la IA ya sabrá responder. La base de conocimiento crece a partir de consultas reales de clientes, no del mantenimiento teórico de FAQ.
Aviso del art. 50 del AI Act de forma predeterminada
En cada respuesta generada por IA: aviso de transparencia (mensaje de voz, distintivo en el chat, pie de correo). Obligatorio desde el 02.08.2026, en Rinqo por defecto. Las implementaciones RAG a medida clásicas deben añadir el aviso a mano.
Function calling para respuestas estructuradas
En lugar de solo respuestas de texto, la IA puede llamar a funciones: reservar una cita en Cal.com, crear un lead en el CRM, disparar un webhook, reescalar a una persona. Así la base de conocimiento se vuelve activa (actúa) en vez de pasiva (solo informa).
Vorher. Nachher.
Opciones clásicas para la gestión del conocimiento en la empresa: (1) herramientas de wiki y documentos, frontend web para búsqueda, sin respuesta de IA, sin disponibilidad multicanal. (2) Implementación RAG a medida, de 2 a 6 meses de ingeniería, costes de configuración de cinco cifras, base de datos vectorial en la nube estadounidense, cumplimiento del RGPD manual. (3) Chats de IA genéricos, no conocen el conocimiento de tu empresa, dan respuestas inventadas (alucinaciones).
Rinqo (DE, Hetzner): sistema RAG de serie con base de datos vectorial Qdrant en la UE, LLM en la UE, estándar del AI Act. Salida multicanal: teléfono + chat + correo + asistente personal. Resolución de lagunas de conocimiento para el aprendizaje continuo. Configuración en 10 minutos mediante el asistente. Tarifa plana desde 99 € sin IVA/mes en vez de una configuración a medida de cinco cifras.
¿Qué es una base de conocimiento con IA? RAG para empresas, explicado
RAG (Retrieval Augmented Generation) es la arquitectura de referencia para las bases de conocimiento con IA. Tres pasos: primero, los documentos se convierten en embeddings vectoriales semánticos (p. ej. mediante un modelo de embeddings como text-embedding-3) y se guardan en una base de datos vectorial. Rinqo utiliza Qdrant (código abierto, Apache 2.0) autoalojado en Hetzner. Segundo, ante una consulta, el sistema calcula el embedding vectorial de la pregunta y busca los pasajes de documento más parecidos en la base de datos, habitualmente los 5 mejores resultados. Tercero, los pasajes encontrados se pasan como contexto a un LLM (Rinqo: Microsoft Azure OpenAI (Microsoft Ireland, Sweden Central) como columna vertebral de IA única), que genera a partir de ellos una respuesta en lenguaje natural. Ventaja: conocimiento específico de la empresa en vez de conocimiento general, respuesta en lenguaje natural en vez de una lista de enlaces. Contrapartida: necesita contenidos de calidad en la base de conocimiento y un chunking limpio. Rinqo tiene el chunking y el re-ranking calibrados de serie para bases de conocimiento de pymes DACH (artículos de helpdesk de 100-500 palabras, combinados con listas de FAQ y documentos PDF).
Cómo se construye la base de conocimiento de Rinqo, tres fuentes de entrada
Rinqo acepta tres tipos de entrada para la base de conocimiento. Primero, rastreo de la web. Indicas la URL de tu dominio principal y Rinqo rastrea automáticamente todas las páginas indexables (habitualmente 50-500 páginas en una pyme DACH), extrae el texto y lo convierte en embeddings en Qdrant. Esfuerzo de 5 a 15 minutos según el número de páginas. Segundo, carga de archivos. Se suben documentos PDF, documentos de Word, archivos Markdown y hojas de Excel. Rinqo extrae el texto con comprensión del diseño (títulos, tablas, listas) y crea los embeddings automáticamente. Funciona para colecciones de artículos de helpdesk, manuales de personal, documentación de producto, directrices de cumplimiento. Tercero, fuentes de terceros. Herramientas como Confluence, Notion, SharePoint, Google Drive o Zendesk Help Center las conectamos a petición: la configuración corre de nuestra cuenta, normalmente en pocos días.
Salida multicanal, una base de conocimiento para cuatro canales
Las herramientas clásicas de gestión del conocimiento son frontends web: el equipo y la clientela tienen que abrir la app, buscar, leer. Ante llamadas telefónicas, consultas de chat o correos, alguien del equipo tiene que consultar el conocimiento a mano. Rinqo le da la vuelta: la misma base de conocimiento se sirve por cuatro canales. Canal de teléfono: el agente telefónico con IA atiende la llamada, busca en la base de conocimiento y responde por voz (síntesis de voz mediante un proveedor alemán, alojada en la UE). Canal de chat: widget web con la misma base de conocimiento. Canal de correo: un agente de triaje autónomo se conecta por IMAP al buzón, responde las consultas que están en la base de conocimiento y escala los correos complejos. Asistente personal: búsqueda directa de preguntas y respuestas para todo el equipo (p. ej. sobre la documentación del flujo de baja por enfermedad), con indicación de la fuente en cada respuesta. Una base de conocimiento, cuatro canales, sin silos de conocimiento.
Resolución de lagunas de conocimiento, la base de conocimiento aprende de consultas reales
Los sistemas RAG clásicos tienen un problema típico: la base de conocimiento es incompleta al principio. El equipo y la clientela hacen preguntas que la base de conocimiento no cubre. Los sistemas clásicos responden entonces con un mensaje de error o, peor, alucinan. Rinqo tiene un bucle de aprendizaje continuo. Paso 1: ante una consulta que no se puede responder, la IA escala con honestidad a una persona Y registra la laguna de forma estructurada en el panel. Paso 2: ves todas las lagunas de conocimiento abiertas ordenadas por frecuencia. Paso 3: añades la respuesta en 30 segundos (puede ser una entrada de FAQ, un pasaje de documentación ampliado o un nuevo archivo de conocimiento). Paso 4: la siguiente consulta igual o parecida se responde automáticamente. La base de conocimiento crece a partir de consultas reales de clientes, no del mantenimiento teórico de FAQ. Efecto: la tasa de acierto sube de un 60-70 por ciento habitual en la semana 1 a un 90-95 por ciento en las semanas 4-6.
Rinqo vs. herramientas clásicas de gestión del conocimiento, la comparativa
En 2026, las pymes DACH comparan tres opciones para la gestión del conocimiento. Primero, las herramientas clásicas de wiki y base de conocimiento. Fortaleza: interfaces editoriales maduras, versionado, permisos, colaboración en equipo. Debilidad: solo frontend web, sin respuesta de IA, sin disponibilidad multicanal. Precio habitual de 8-15 €/persona/mes, pero sin una capa de IA incluida. Segundo, la implementación RAG a medida. Fortaleza: máxima flexibilidad en arquitectura e integraciones. Debilidad: de 2 a 6 meses de ingeniería, costes de configuración de cinco cifras, licencias de base de datos en la nube, cumplimiento del RGPD/AI Act manual. Fuera del presupuesto de una pyme DACH. Tercero, los chats de IA genéricos. Fortaleza: respuestas de LLM maduras. Debilidad: no conocen el conocimiento de la empresa (salvo que copies el contexto a mano), alucinan ante consultas específicas, a menudo alojados en la nube estadounidense. Rinqo une las tres ventajas: una base de conocimiento mantenida con funciones editoriales básicas, más respuestas RAG, más RGPD/alojamiento en la UE (hecho en Alemania), de serie desde 99 €/mes en tarifa plana.
Preguntas frecuentes
Fuentes
- Qdrant Vector Database (código abierto, Apache 2.0)
- Reglamento de la UE 2024/1689 (AI Act), art. 50
- RGPD art. 28, encargo del tratamiento
- TJUE C-311/18 (exposición al Cloud Act), transferencia de datos a terceros países
Última actualización: 2026-05-09
Fundador y CEO, Rinqo
Sven construye Rinqo a partir de una observación simple: la mayoría de las herramientas de IA se diseñan en San Francisco y se venden en Berlín. El taller de la Selva Negra, la clínica veterinaria de Salzburgo, el hotel familiar del Tirol reciben software que no habla su idioma. Rinqo le da la vuelta. En servidores europeos, configurado en diez minutos, en veinte idiomas. Con plantillas creadas por los propios sectores.
Última actualización:
Probar en vivo
Ver agente