Crear un agente IA para tu negocio con conocimiento de tu sector

Crear un agente IA para tu negocio con conocimiento de tu sector

Para crear un agente IA para tu negocio no basta con elegir un modelo base: el diferencial está en inyectar el conocimiento específico de tu sector. Un agente que conoce tu industria responde de forma diferente a uno genérico desde el primer mensaje.

Esta guía documenta el patrón que usamos en AgentesNexo para configurar agentes especializados por industria: desde la estructuración del conocimiento hasta la integración con APIs externas.

¿Qué necesitas para empezar?

Requisitos previos:

• Acceso a Claude API, OpenAI API o Gemini API (cualquier modelo base funciona)
• Node.js 20+ o Python 3.11+
• Documentos de tu empresa en formato PDF, MD o TXT
• Conocimiento básico de JavaScript o Python

Cómo estructurar el conocimiento como un skill

Un skill es un bloque de conocimiento comprimido que el agente carga en contexto antes de responder. No es RAG complejo ni una base de datos vectorial — es texto bien estructurado que cabe en la ventana de contexto del modelo.

La estructura mínima de un skill:

# Skill: [Tu Industria]

## Terminología clave
- **[Término]**: [Definición en el contexto de tu empresa]
- **[Proceso]**: [Cómo se ejecuta específicamente en tu empresa]

## Procesos core
### [Proceso 1]
[Descripción paso a paso]

## Reglas de negocio
- [Regla 1]: [Descripción]
- [Regla 2]: [Descripción]

## Preguntas frecuentes internas
[Las preguntas que tu equipo repite semana a semana]

En una distribuidora de repuestos, el skill incluye: tipos de pieza por línea de producto, proveedores por categoría, tiempos de entrega por zona y términos de descuento por volumen. Eso no está en ningún modelo base — por eso el modelo genérico siempre falla en contexto de negocio real.

Cómo inyectar el skill en el agente

import Anthropic from #43a047">"@anthropic-ai/sdk";
import { readFileSync } from #43a047">"fs";

const client = new Anthropic();

// Carga el skill desde archivo (fácil de actualizar sin tocar el código)
const industrySkill = readFileSync(#43a047">"./skills/mi-industria.md", "utf-8");

async function createBusinessAgent(userMessage: string) {
  const response = await client.messages.create({
    model: #43a047">"claude-sonnet-latest",
    max_tokens: 2048,
    system: #43a047">`Eres el agente especializado de [Mi Empresa].

${industrySkill}

Responde siempre usando la terminología y procesos de la empresa.
Si no tienes la información exacta, indica dónde puede encontrarla el usuario.`,
    messages: [{ role: #43a047">"user", content: userMessage }],
  });

  return response.content[0].type === #43a047">"text" ? response.content[0].text : "";
}

El skill viaja en el system prompt. Con modelos modernos (Claude, GPT-4o, Gemini 2.5) puedes usar hasta 100k-200k tokens de contexto — suficiente para el manual completo de operaciones de una pyme mediana.

Cómo agregar memoria de conversación por usuario

El agente necesita recordar el contexto entre mensajes. La implementación mínima usa un historial en memoria para conversaciones activas:

const conversationHistory: Map<string, Anthropic.MessageParam[]> = new Map();

async function chat(userId: string, message: string): Promise<string> {
  const history = conversationHistory.get(userId) || [];

  history.push({ role: #43a047">"user", content: message });

  const response = await client.messages.create({
    model: #43a047">"claude-sonnet-latest",
    max_tokens: 2048,
    system: #43a047">`Eres el agente de [Mi Empresa].\n\n${industrySkill}`,
    messages: history,
  });

  const assistantMessage =
    response.content[0].type === #43a047">"text" ? response.content[0].text : "";

  history.push({ role: #43a047">"assistant", content: assistantMessage });

  // Máximo 20 turnos para controlar costo de tokens
  if (history.length > 40) {
    history.splice(0, 2);
  }

  conversationHistory.set(userId, history);
  return assistantMessage;
}

Para memoria persistente entre sesiones, guarda el historial en PostgreSQL o Redis con TTL de 24 horas.

Cómo conectar el agente a tus sistemas con tools

La diferencia entre un agente que informa y uno que opera está en las herramientas. Con tool_use (Claude) o function_calling (OpenAI), el agente puede consultar tu CRM, actualizar registros o generar documentos:

const tools: Anthropic.Tool[] = [
  {
    name: #43a047">"consultar_inventario",
    description: #43a047">"Consulta el stock actual de un producto por SKU",
    input_schema: {
      type: #43a047">"object",
      properties: {
        sku: { type: #43a047">"string", description: "Código SKU del producto" },
      },
      required: [#43a047">"sku"],
    },
  },
  {
    name: #43a047">"crear_cotizacion",
    description: #43a047">"Genera una cotización formal y la envía al cliente por email",
    input_schema: {
      type: #43a047">"object",
      properties: {
        cliente_id: { type: #43a047">"string" },
        items: {
          type: #43a047">"array",
          items: {
            type: #43a047">"object",
            properties: {
              sku: { type: #43a047">"string" },
              cantidad: { type: #43a047">"number" },
            },
          },
        },
      },
      required: [#43a047">"cliente_id", "items"],
    },
  },
];

El agente decide cuándo llamar cada herramienta sin instrucciones explícitas. El skill le da el contexto para saber que una pregunta sobre "stock de amortiguadores 4x4" requiere consultar inventario antes de responder.

Arquitectura del sistema

[Usuario / WhatsApp / Web]
        ↓
[API Gateway (Express / FastAPI)]
        ↓
[Agente: System Prompt + Skill + Historial]
        ↓ tool_use
[APIs internas: CRM / ERP / Inventario]
        ↓
[Respuesta al usuario]

El skill actúa como cerebro estático (conocimiento que no cambia día a día). Las tools actúan como sistema nervioso (datos en tiempo real). El historial actúa como memoria de corto plazo del agente.

Lo que aprendimos en producción

1. El skill lo escribe quien opera, no quien programa. El lenguaje técnico falla; quien conoce el negocio es quien debe redactar los términos y reglas. IT solo lo integra.

1. Empezar con 5-10 páginas es suficiente. Agregar el manual completo desde el día 1 degrada la calidad de respuestas. Primero los procesos más consultados.

1. Versionar el skill en git. Cada cambio al conocimiento debe ser rastreable. Un skill mal redactado puede hacer que el agente dé información incorrecta a clientes reales.

1. Medir las preguntas sin respuesta. Loguear los mensajes donde el agente responde "no tengo esa información" — esas son las siguientes adiciones al skill.

1. El sector importa más de lo que parece. Un agente de clínica médica y uno de distribuidora usan el mismo modelo base. Sin el skill de industria, ambos responden igual de mal. Con él, parecen dos sistemas completamente distintos.

En resumen

• Un skill es un bloque de texto estructurado con el conocimiento de tu industria que se inyecta en el system prompt del agente
• El modelo base no importa tanto como la calidad del skill que diseñes
• Con tools conectadas a tus sistemas internos, el agente deja de ser informativo y pasa a ser operativo
• Empieza por los 10 procesos o preguntas más frecuentes de tu equipo de operaciones
• Versiona el skill como si fuera código — es parte funcional de tu software

Si quieres implementar esto en tu negocio sin construirlo desde cero, en AgentesNexo lo hacemos por ti. Escríbenos en agentesnexo.com o por WhatsApp al +591 67564218.