Cuando un bot basado en Gen AI no responde correctamente o brinda respuestas incompletas (por ejemplo, sin incluir la ficha técnica o la URL correspondiente), una de las causas más frecuentes es una configuración inadecuada de los archivos de entrenamiento o un prompt poco específico.
📋 Checklist previo al entrenamiento del componente
Antes de cargar documentos de entrenamiento:
✅ Carga solo archivos relevantes: evita fichas técnicas de productos que no estén mapeados o no formen parte de las respuestas esperadas.
✅ Comprueba que todos los modelos actuales estén incluidos en el archivo.
✅ Unifica en un solo documento las fichas técnicas, en lugar de dispersarlas en múltiples PDFs o archivos separados.
✅ Verifica que el nombre del modelo coincida exactamente con el utilizado en el mapeo del bot o la fuente de consulta.
✅ Evita entrenamientos contradictorios o desactualizados.
💬 Cómo estructurar el prompt cuando el bot entrega fichas técnicas
Incluye ejemplos y restricciones claras para guiar la respuesta.
Por ejemplo, en la sección [Tasks] del prompt puedes usar algo como:
sql
CopiarEditar
When the user asks for information about a car model, you must respond with:
1. A brief sentence introducing the model.
2. A link to the official page or brochure.
3. The full technical sheet if available.
Example: "El modelo Toyota Corolla cuenta con un motor eléctrico de 340HP. Podés ver la ficha técnica completa aquí: <https://ejemplo.com/corolla2025>"
🚫 Riesgos de sobreentrenamiento
Cargar demasiados documentos, especialmente si no están estructurados correctamente o contienen modelos que no forman parte del flujo conversacional, puede:
- Generar alucinaciones de datos.
- Hacer que el bot priorice información irrelevante.
- Ocasionar respuestas vacías o incompletas.
✅ Recomendaciones adicionales
1. Sé claro y específico en la instrucción
-
Indica explícitamente qué información debe consultar el modelo (p. ej., base de datos oficial, FAQs, documentos validados).
-
Ejemplo: “Consulta únicamente la base de datos oficial para responder esta pregunta.”
2. Define el comportamiento ante ausencia de datos
-
Especifica qué debe hacer el modelo cuando no tenga información disponible: responder con un mensaje de error, pedir que el usuario consulte con un agente, o simplemente indicar que no sabe.
-
Ejemplo: “Si no hay información confirmada, responde: ‘No tengo esa información disponible, ¿quieres que te pase con un agente?’”
3. Limita la generación a respuestas concretas y verificables
-
Pide que evite generar respuestas especulativas o inventadas. Ejemplo: “No hagas suposiciones ni inventes datos.”
4. Usa ejemplos y contraejemplos en el prompt
-
Incorpora ejemplos de respuestas correctas y también de cómo responder si no se tiene la información. Esto ayuda a que el modelo entienda los límites y el formato esperado.
5. Refuerza la importancia de la precisión
-
Añade frases que recuerden al modelo la prioridad de dar respuestas precisas y fiables.