La capacidad de interactuar con tus propios documentos es una de las funciones más potentes de Tess AI, permitiendo que la IA entienda y use información específica de tu contexto. El AI Copilot para Conversa, el chat de IA de la plataforma, te deja añadir archivos a tu base de conocimiento, haciéndolos fuentes ricas para respuestas más precisas y personalizadas.
Este artículo explica cómo puedes agregar, configurar y optimizar el uso de documentos dentro del AI Copilot, explorando los diferentes tipos de archivos soportados y los modos de procesamiento que aseguran el mejor desempeño para cada situación.
El AI Copilot es tu chat dentro de Tess AI, reuniendo diferentes modelos de IA en una sola interfaz. Para empezar a trabajar con documentos, lo primero es entrar a esta herramienta.
Paso a paso para agregar documentos:
En el panel de Tess AI, ve al AI Copilot para Conversa.
Busca el botón "Adicionar à Base de Conhecimento", representado por un ícono de clip, junto al área donde escribes en el chat.
Al hacer clic en este botón, se abrirá una ventana para que elijas el tipo de documento que quieres agregar.
Tess AI admite un montón de formatos de archivo, incluyendo:
Audio (ej: MP3, WAV)
CSV (Valores Separados por Coma)
Código (varios lenguajes)
DOCX (Microsoft Word)
Excel (XLSX)
Google Sheets (vía URL)
Imagen (ej: JPG, PNG)
PDF (Portable Document Format)
TXT (Texto Simple)
Web Scraper (Extracción de contenido de URLs)
Cuando agregas un documento, Tess AI usa herramientas especializadas para extraer el texto que contiene. Por ejemplo, para archivos de audio, se usa una herramienta de transcripción; para PDFs y DOCX, se aplican herramientas de extracción de texto. Ese proceso de extracción inicial puede consumir una pequeña cantidad de créditos, incluso con modelos de IA ilimitados, porque la extracción en sí no es una función de la IA, sino una etapa previa. Una vez extraído, el texto queda guardado y disponible para consulta por parte de la IA sin costos extra por consulta.
Cada tipo de archivo tiene configuraciones particulares que aparecen después de seleccionarlo. Por ejemplo:
Excel (XLSX): Necesitarás especificar el archivo para subir y el "Range", o sea, la hoja y el rango de celdas que la IA debe leer (ej: "Planilha1!A1:Z100"). No es posible leer todas las hojas de una vez.
Audio: Además del archivo, puedes seleccionar la IA de transcripción que prefieras (ej: Deepgram, OpenAI Audio, AssemblyAI) y el idioma del audio.
Google Sheets: La adición se hace con la URL de la hoja, que debe tener permiso de acceso público o para el usuario de Tess AI.
La mayoría de las configuraciones tiene un ícono de información ("i") al lado, que da una breve explicación sobre su función.
Una de las configuraciones más importantes de Tess AI al trabajar con documentos es el "Modo de Contexto". Esta opción, que normalmente no está disponible en otras plataformas de IA, te deja elegir cómo la IA va a procesar e interactuar con el contenido de tu documento. Antes de detallar los modos, es clave entender el concepto de "Ventana de Contexto".
Entendiendo la Ventana de Contexto: Toda IA tiene una "ventana de contexto", que es la cantidad máxima de información (medida en "tokens" – pequeñas unidades de texto, no necesariamente caracteres o palabras completas) que puede procesar y "recordar" de una sola vez en una conversación o análisis. Si la cantidad de información sobrepasa esa ventana, la IA puede empezar a "olvidar" las partes más viejas de la información. Los modelos de IA más nuevos suelen tener ventanas de contexto más grandes. Tess muestra esta información para cada modelo disponible.
Existen dos modos de contexto principales en Tess AI:
Modo Deep Learning (Contenido Corto):
Cómo funciona: Este modo toma todo el texto del documento y lo pone directamente en la ventana de contexto de la IA para cada consulta. Es como si copiaras y pegaras el contenido entero del documento en el chat con cada pregunta.
Pros: La IA tiene acceso a todo el contenido del documento para cada respuesta, lo que viene bien si quieres una comprensión completa de textos más pequeños.
Contras:
Si el documento es muy largo, puede pasarse del límite de la ventana de contexto de la IA y entonces solo analiza una parte del documento.
En documentos largos, aunque quepan en la ventana, la IA puede "perderse" o tener problemas para mantener el foco en lo que le pediste.
La IA vuelve a leer todo el documento en cada interacción, lo que puede ser menos eficiente.
Cuándo usarlo: Ideal para documentos cortos (por ejemplo, hasta 3-5 páginas, depende de lo denso que sea el texto y del tamaño de ventana de contexto que uses). Perfecto para memorandos, artículos cortitos, o secciones específicas de planillas.
Modo RAG (Retrieval Augmented Generation) (Contenido Largo):
Cómo funciona: RAG es una técnica avanzada. Primero, el documento se procesa solo una vez: su texto se parte en trocitos más chicos y se "vectoriza" (lo convierte en representaciones numéricas que capturan el sentido semántico). Esos vectores se guardan en una base de datos especial, como si fuera un índice inteligente. Cuando haces una pregunta, la IA busca en ese índice los fragmentos (vectores) más relevantes para tu pregunta y usa solo esos fragmentos para armar la respuesta.
Pros:
Súper eficiente para documentos largos (manuales, libros, grandes bases de conocimiento).
La IA solo mira las partes relevantes, así que responde más rápido y con más precisión a preguntas específicas.
Menos probabilidad de pasarse del límite de la ventana de contexto, porque solo se cargan los fragmentos relevantes.
Contras: La calidad de la respuesta depende de si la IA logra encontrar los fragmentos correctos. La forma en que tu documento está estructurado puede influir en esto. Si hay información clave que está lejos semántica o físicamente de donde la IA busca, se puede quedar afuera.
Cuándo usarlo: Es la opción ideal para documentos largos, por ejemplo manuales técnicos, bases de conocimiento empresariales, libros o informes largos.
Consejo práctico sobre RAG y estructura del documento: La eficacia del modo RAG puede mejorar según cómo estructures tu documento. Por ejemplo, en un manual de vacunación, si el título "Gestantes" está muy alejado de la lista de vacunas correspondientes, la IA puede tener problemas para asociar una vacuna específica (ej: "Vacuna de la Gripe") al público "Gestantes". En estos casos, puede ser útil ajustar el documento para que la información clave (como el público objetivo) esté más cerca de la información detallada (como el nombre de la vacuna y sus características).
Vamos a poner de ejemplo el análisis de un libro en PDF, como "Dom Casmurro", usando el modo RAG que es ideal para documentos largos.
Agregar el PDF:
Haz clic en "Agregar a la Base de Conocimiento".
Selecciona "PDF".
Sube el archivo "Dom Casmurro.pdf".
Elige el "Modo de Extracción": "Procesamiento Estándar de Texto" (si el PDF es solo texto) o "Procesamiento de Imagen y Texto" (si tiene imágenes con texto relevante).
Selecciona el "Modo de Contexto": Modo RAG (Contenido Largo).
Seleccionar el Modelo de IA:
Puedes elegir un modelo específico (ej: Claude, Gemini, ChatGPT) o usar "Tess 5", que selecciona automáticamente un modelo ilimitado apropiado, o "Tess 5 Pro", que puede elegir entre todos los modelos, incluyendo los que consumen créditos, para tareas más complejas. Para un primer análisis de un libro conocido, "Tess 5" (ilimitado) suele ser suficiente.
Haciendo Preguntas Específicas:
Para asegurarte de que la IA use el documento, sé explícito en tu prompt: "Com base no PDF 'Dom Casmurro.pdf' em sua base de conhecimento, quais são as informações de publicação do livro, como editora, volume e ano de lançamento?"
La IA, usando el modo RAG, buscará en el índice del documento los fragmentos que tengan info sobre "publicación", "editorial", "volumen" y "año" y dará la respuesta.
Pidiendo Resúmenes de Partes Específicas:
"Com base no PDF 'Dom Casmurro.pdf', gere um resumo do capítulo 5."
La IA localizará el fragmento correspondiente al capítulo 5 y lo resumirá.
Sé específico en los prompts: Cuando interactúes con documentos, sobre todo si tienes varios en la base de conocimiento, menciona el nombre del archivo en tu petición (ej: "En el documento 'RelatorioAnual.pdf', ¿cuál fue...").
Ten en cuenta la estructura del documento (para RAG): Títulos claros, información relacionada cerca una de otra y buena organización textual ayudan al modo RAG a encontrar los fragmentos más relevantes.
Prueba diferentes modelos de IA: Si una respuesta no te convence, intenta cambiar el modelo de IA. Algunos modelos son mejores analizando texto, otros manejando datos. "Tess 5 Pro" te puede ayudar a encontrar un modelo más robusto si hace falta.
Empieza con modelos ilimitados: Para la mayoría de tareas diarias, "Tess 5" (que usa modelos ilimitados) es una súper opción. Si necesitas más potencia o precisión para algo concreto, puedes cambiar a un modelo más avanzado sólo para esa interacción.
Límite para Deep Learning: Como regla general, piensa en usar el modo Deep Learning para documentos de unas 10-20 páginas máximo. Para volúmenes más grandes, normalmente RAG es mejor.
Revisa la base de conocimiento: Puedes ver y gestionar los documentos añadidos haciendo clic en la opción para ver la base de conocimiento. [IMAGEM AQUI - Tela mostrando a lista de documentos na Base de Conhecimento]
Los mismos principios de procesamiento de documentos (Deep Learning y RAG) se aplican cuando usas documentos para entrenar o dar contexto a Agentes de IA en AI Studio. Por ejemplo, cuando agregas documentos en la base de conocimiento de un agente, normalmente va a usar una lógica parecida a RAG. Si usas un paso de "Extraer Contenido de Documento" dentro del flujo de un agente, el comportamiento será más parecido a Deep Learning, metiendo el contenido en la ventana de contexto de ese paso específico. Este es un tema amplio que se puede explorar con más detalles.
La función de agregar documentos a la base de conocimiento del AI Copilot en Tess AI cambia totalmente la forma en que interactúas con la inteligencia artificial. Entendiendo los tipos de archivo soportados, los detalles del web scraper y, sobre todo, la diferencia y el uso de los modos de contexto Deep Learning y RAG, podés sacar información valiosa, conseguir respuestas más precisas y personalizadas, y realmente aprovechar el conocimiento que tenés en tus propios archivos. Probá, ajustá las configuraciones y descubrí el potencial ilimitado de tener una IA que entiende tu mundo.
