Teamly: cómo un asistente de IA convierte una base de conocimiento caótica en un onboarding de días

Teamly ha lanzado una gran actualización de su plataforma de gestión del conocimiento corporativo. Ahora el asistente de IA toma los datos no de conjuntos de entrenamiento generales, sino de la base interna vigente de la empresa. Los autores lo presentan abiertamente como la solución al principal problema de la IA corporativa y, a juzgar por las estadísticas, tienen razón.

Por qué la IA corporativa no funciona

En los últimos dos años, las empresas han invertido entre 30.000 y 40.000 millones de dólares en soluciones de IA corporativa. En el verano de 2025 las cifras resultaron decepcionantes: según distintas estimaciones, el 95% de las implantaciones no logró ni un ahorro de tiempo medible ni mejoras en los resultados financieros. El dinero está gastado, las notas de prensa están escritas, pero las métricas callan.

Rara vez la causa es el modelo. Un empleado nuevo abre el asistente corporativo y hace una pregunta sencilla: cómo tramitar un viaje de trabajo a otra zona horaria. El asistente responde con seguridad y detalle. Pero mal. El reglamento vigente está en la correspondencia de la directora de RR. HH. La versión del año pasado acumula polvo en el archivo de una compañera que se fue, un lugar al que nadie ha vuelto a asomarse desde entonces. Y los matices clave del proceso solo existen en la cabeza de una especialista que ahora está de baja por maternidad, a la que nadie pidió que volcara sus conocimientos antes de irse.

En ese entorno aterrizan la mayoría de los asistentes de IA corporativos: están conectados, pero no tienen de qué alimentarse.

Qué cambia en la actualización de abril

Teamly se ha centrado en una capa que suele quedar en segundo plano: la infraestructura de conocimiento que hay bajo el asistente. La actualización no toca la interfaz del chat, sino la forma en que la empresa almacena, estructura y actualiza sus documentos internos.

Principales funciones:

• Organización automática de los materiales por temas y por roles de los empleados
• Detección de documentos obsoletos con recomendaciones de actualización
• Vinculación de reglamentos e instrucciones afines en cadenas únicas
• Diagnóstico de lagunas: la plataforma muestra qué conocimientos faltan en la base
• Generación de itinerarios formativos a partir de materiales ya existentes

El resultado: el asistente recibe no un archivo caótico de textos dispersos, sino una base viva y estructurada. Eso es lo que le permite dar respuestas con sentido en lugar de equivocarse con seguridad.

El onboarding como escenario principal

Las primeras semanas de un empleado nuevo son un flujo continuo de las mismas preguntas: cómo pedir vacaciones, dónde encontrar la plantilla corporativa, a quién acudir con un problema técnico. Hasta ahora eso significaba hacer cola ante RR. HH. o pasar horas buscando en Confluence y en chats internos, donde la última respuesta tiene fecha de hace dos años.

Ahora Teamly genera un itinerario de onboarding personal a partir de los materiales de la base de conocimiento: instrucciones paso a paso, políticas clave de la empresa y listas de verificación para los primeros 30 días. El asistente de IA responde apoyándose en documentos internos vigentes, no en el conocimiento general del preentrenamiento.

«El conocimiento está en alguna parte, el asistente está conectado, pero no tiene de dónde sacar los datos».

Ahí ven los autores la raíz del problema de la mayoría de las implantaciones de IA corporativa.

Según la compañía, una base de conocimiento bien construida reduce el tiempo hasta alcanzar la plena productividad de varias semanas a unos pocos días.

Qué significa esto

Los presupuestos de IA corporativa ya están repartidos y las empresas tratan ahora de entender por qué el rendimiento no cumple las expectativas. La respuesta casi nunca está en la elección del modelo ni en la calidad del asistente, sino en que debajo no hay una base de conocimiento bien organizada. Si los datos están dispersos entre mensajeros, archivos y cabezas de empleados, ningún modelo puede ayudar.

Teamly apuesta por una tesis simple: el conocimiento estructurado multiplica el valor de cualquier herramienta de IA, y sin él hasta un modelo potente dará respuestas seguras pero inútiles.