Caso real · Software para el sector energético

Asistente de IA en Teams con RAG sobre SharePoint, en la infraestructura del cliente y con sus permisos

La IP del contador de una planta, el contacto de mantenimiento o la guardia de esta semana estaban repartidos entre carpetas de SharePoint, tablas internas y la memoria de los técnicos veteranos. Ahora el equipo técnico de esta empresa de software del sector energético lo pregunta en Teams y recibe la respuesta en segundos, con el enlace al documento que la respalda y solo con lo que cada persona puede abrir.

Quiero algo así con mi documentación Ver cómo funciona
  • Dentro de Microsoft Teams
  • Respeta los permisos de SharePoint
  • Cita siempre la fuente
Asistente de documentación
  • 9:41
    ¿Cuál es la IP del PLC del inversor 3 en la planta Solana?
  • Asistente de documentación9:41
    La IP del PLC del inversor 3 de la planta Solana es 192.0.2.43. El listado indica que se accede por la VPN de la planta.
    Listado de IPs · Planta Solana.xlsx · SharePoint
  • 9:42
    ¿Y la del inversor 4?
  • Asistente de documentación9:42
    La del inversor 4 es 192.0.2.44, en el mismo listado.

Conversación ilustrativa: planta, documento e IP inventados

  • 40 GBen la primera carga de documentación de SharePoint, casi 10.000 archivos. Se amplía por bloques hasta 1 TB
  • 1,2 Mde fragmentos que se buscan a la vez por significado y por palabra exacta, como una IP o un código de equipo
  • 1-2 spor respuesta, con el enlace al documento de SharePoint que la respalda

El proyecto

Ficha del proyecto

Un asistente de IA a medida, dentro de Microsoft Teams, que responde sobre la documentación técnica de una empresa de software del sector energético leyendo de su SharePoint y de sus bases de datos internas.

Cliente
Empresa de software del sector energético
Sector
Energía · documentación técnica y operativa de proyectos y plantas fotovoltaicas
Qué hace
Responde en lenguaje natural sobre planos, memorias técnicas, fichas de equipos, listados de IPs y contadores, guardias, contactos de mantenimiento y normativa interna, siempre con la cita al documento fuente
Fuentes
SharePoint: primera carga de unos 40 GB (casi 10.000 archivos), que se amplía por bloques hasta 1 TB · tablas operativas en PostgreSQL: equipos, IPs, contadores y potencia por planta
Integraciones
Microsoft Teams (Bot Framework) · SharePoint y Microsoft Entra ID a través de Microsoft Graph · Azure OpenAI en la suscripción del cliente
Infraestructura
Máquina virtual del cliente con contenedores Docker: ningún documento sale de su entorno
Enfoque
Empezar por un repositorio acotado de carpetas controladas y demostrar los permisos antes de ampliar
En producción
En Microsoft Teams desde mayo de 2026

Antes y después

El punto de partida y lo que ha cambiado

Antes

  • La información operativa estaba repartida entre PDFs, Excel y planos de SharePoint, tablas internas de equipos y la memoria de los técnicos veteranos.
  • Para un dato tan cotidiano como la IP del contador de un proyecto había que abrir carpeta tras carpeta hasta dar con el Excel o el PDF correcto.
  • Los técnicos nuevos dependían de los veteranos para encontrar los datos: un cuello de botella para todo el equipo.

Ahoracon el asistente en Teams

  • La pregunta se hace en Teams, en lenguaje normal, y la respuesta llega en 1-2 segundos.
  • Cada respuesta enlaza al documento de SharePoint del que sale el dato.
  • Cada persona solo obtiene respuestas de los documentos que puede abrir en SharePoint.
  • Recuerda la conversación: tras preguntar por el inversor 3, basta con «¿y el 4?».
  • Si no encuentra el dato en la documentación, lo dice en lugar de inventarlo.

Antes: situación al empezar el proyecto. Ahora: funcionamiento del sistema en producción, con cada consulta registrada.

Cómo funciona

Qué pasa en los 1-2 segundos que tarda una respuesta

No es un chat que responde de memoria, sino un agente que busca en la documentación real con los permisos de quien pregunta y decide si necesita consultar algo más antes de contestar. Este es el recorrido de una pregunta, en catorce pasos agrupados en cuatro fases.

«¿Cuál es la IP del PLC del inversor 3 en la planta Solana?»

  1. 01

    Entender la pregunta

    • Quién pregunta: lee sus grupos en Microsoft Entra ID, que serán el filtro de toda la búsqueda.
    • De qué se hablaba: recupera los últimos 14 turnos para entender «¿y el del inversor 4?».
    • Respuesta hipotética: redacta una respuesta plausible y busca con ella; funciona mejor que con una pregunta corta.
  2. 02

    Buscar en dos sitios

    • Por significado: 25 candidatos, solo entre los documentos permitidos para esa persona.
    • Por palabra exacta: 30 candidatos más, para IPs, códigos y nombres que la búsqueda por significado pierde.
    • Fusión: une las dos listas por posición y, si se nombra un proyecto, asegura su fragmento más relevante.
  3. 03

    Quedarse con lo útil

    • Reordenación: un segundo modelo revisa los candidatos y se queda con los 8 mejores.
    • Contexto con fuente: cada fragmento va numerado con su enlace de SharePoint y sus datos de proyecto y tipo de documento.
    • Umbral: si nada es lo bastante parecido, no hay respuesta inventada.
  4. 04

    Responder y registrar

    • Herramientas: si el contexto no basta, consulta tablas, lista archivos o lee un documento entero.
    • Respuesta con cita: explica el dato, añade los avisos del documento original y enlaza la fuente.
    • Registro: guarda coste, tiempo y fragmentos usados, y la tarjeta de Teams lleva botones para valorar la respuesta.
Tiempo de respuesta típico: 1-2 segundosCoste de modelo: menos de un céntimo por consulta

Permisos de SharePoint

Lo que no puedes abrir en SharePoint, el asistente no lo usa

Era el hito crítico del proyecto: demostrar que una persona de un grupo no obtiene respuestas basadas en documentos restringidos a otro. El asistente no tiene un mapa de permisos propio: replica el de SharePoint y lo aplica dentro del buscador, antes de recuperar ningún fragmento.

Técnica del proyecto

Su grupo tiene acceso a la carpeta del proyecto

¿Quién es el contacto de mantenimiento de la planta Solana?
Es Laura G., del equipo de O&M, que está de guardia esta semana. Lo indica el protocolo de mantenimiento de la planta Solana: te dejo el enlace.
Respuesta con la fuente enlazada

Persona de otro departamento

Su grupo no tiene acceso a esa carpeta

¿Quién es el contacto de mantenimiento de la planta Solana?
No he encontrado información disponible sobre eso en la documentación a la que tienes acceso.
Ni datos, ni nombres de documentos, ni pistas

Ejemplo ilustrativo: planta, persona y documento inventados

  1. Al indexar, cada documento guarda los grupos de Active Directory que pueden verlo en SharePoint.
  2. Cuando alguien pregunta, sus grupos se leen en ese momento a través de Microsoft Graph.
  3. El filtro va dentro de la búsqueda: los fragmentos de documentos no permitidos ni siquiera llegan a ser candidatos.
  4. Lo restringido en SharePoint sigue restringido en el asistente, sin duplicar el modelo de permisos.
// filtro aplicado en cada búsqueda (esquema)
{ "must": [{
    "key": "allowed_groups",
    "match": { "any": [
      "grupo-tecnicos",
      "grupo-planta-solana"
    ] }
}] }

Infraestructura

Todo dentro del entorno del cliente: dónde vive cada pieza

La documentación no se sube a ninguna plataforma de terceros. El asistente, el índice y la base de datos corren en una máquina virtual del cliente, y el modelo de lenguaje es una instancia privada de Azure OpenAI en su propia suscripción, con su titularidad y su coste.

Microsoft 365 del cliente

Donde ya trabaja el equipo

  • Microsoft TeamsEl canal: el equipo pregunta en un chat y recibe la respuesta en una tarjeta con la cita.
  • SharePointLa documentación fuente. No se copia a ningún servicio externo.
  • Microsoft Entra ID y GraphIdentidad, grupos y avisos de cambios en los documentos.

Máquina virtual del cliente

Contenedores Docker en una red interna

  • El asistenteRecibe la pregunta, aplica los permisos, busca, decide y responde.
  • Índice semánticoMás de 1,2 millones de fragmentos con sus permisos y datos de proyecto.
  • Base de datosTablas operativas (equipos, IPs, contadores), historial y registro de cada consulta.
  • Lectura de PDFExtrae el texto de los PDF para indexarlos.

Azure del cliente

Su propia suscripción

  • Azure OpenAIUn modelo principal para razonar y redactar y otro ligero para los pasos auxiliares.
  • EmbeddingsConvierten cada fragmento y cada pregunta en un vector de 1.536 dimensiones.
  • Ningún documento sale del entorno del cliente.
  • Al modelo solo van los fragmentos relevantes y la pregunta, nunca el archivo entero.
  • La instancia privada de Azure OpenAI no entrena con sus datos.
  • Vuelta a la versión anterior en unos 30 segundos si un cambio empeora algo.

Herramientas del agente

Un agente que consulta, no que adivina

Si los fragmentos encontrados bastan, responde sin más. Si no, elige entre siete herramientas y decide en qué orden usarlas: unas leen SharePoint y otras consultan las tablas operativas de la base de datos.

El modelo no hace cuentas

Sumar valores de varias plantas «a ojo» falla. Cuando hay que agregar, el agente llama a una herramienta que calcula sobre la tabla y le devuelve el resultado exacto.

  • Localizar un proyecto

    Por su nombre o su código, aunque se escriba a medias.

    find_project

  • Listar documentos

    Los archivos de un proyecto, directamente de SharePoint.

    list_files

  • Leer un documento

    Entero, hasta 50.000 caracteres, cuando un fragmento no basta.

    read_document

  • Explorar carpetas

    El árbol de carpetas de SharePoint, para orientarse.

    estructura_carpetas

  • Describir tablas

    Qué tablas operativas hay y qué columnas tienen.

    describe_tabular_entities

  • Consultar tablas

    IPs, equipos o contadores, con filtros por planta o proyecto.

    query_tabular_data

  • Sumar y contar

    Totales sobre una tabla, por ejemplo los contadores de varias plantas. El resultado lo calcula la herramienta, no el modelo.

    aggregate_column

Retos del proyecto

Lo que costó y cómo se resolvió

Una documentación real no está ordenada para una IA. Estos son los problemas que aparecieron con los documentos y las pruebas del equipo, y la solución que está en producción.

  • Preguntas que dependen de la anterior

    Un buscador que trata cada pregunta por separado no sabe qué es «¿y el del inversor 4?». Y la mayoría de las consultas reales encadenan así.

    SoluciónUn agente con memoria: carga los últimos 14 turnos de la conversación y reconstruye de qué se estaba hablando.

  • Sumas entre plantas

    Pedirle al modelo que sume valores sacados de varios documentos daba totales erróneos.

    SoluciónUna herramienta de agregación sobre las tablas: el cálculo es determinista y el modelo solo lo explica.

  • Carpetas que no dicen lo que contienen

    Un «hilo de correos» guardado en gestión económica que en realidad era una incidencia técnica: la ruta engaña.

    SoluciónCada fragmento lleva proyecto, tipo de documento y cliente (en el 97-99 % del corpus), y la búsqueda combina significado y palabra exacta.

  • Versiones duplicadas

    Una memoria y su «histórico» en la misma carpeta: ¿cuál es la vigente y de cuál se cita?

    SoluciónEl documento vigente gana; el histórico solo se usa si no hay otro, y la reordenación descarta casi todos los duplicados.

  • Excel de cientos de filas

    El dato está en una fila concreta y hay hojas con nombres casi iguales.

    SoluciónLa búsqueda por palabra exacta encuentra el identificador y las herramientas consultan los datos ya estructurados en tablas.

  • Respuestas que suenan bien y son inventadas

    En operación, una IP o un contacto inventados con aplomo provocan errores reales.

    SoluciónUmbral de parecido, sin fuente no hay respuesta y un «no lo he encontrado» explícito cuando el dato no está.

Lo que esta fase no hace, dicho claro

El asistente localiza y sintetiza lo que está escrito en los documentos. Estos casos quedaron fuera por diseño y se abordan en fases posteriores, con capacidades específicas.

  • Excel con macros o lógica de negocio oculta: necesitan ejecutar código
  • Fórmulas o datos dentro de imágenes: necesitan modelos de visión
  • Razonamiento matemático complejo por su cuenta
  • Todo el archivo documental de golpe: se incorpora por bloques planificados, hasta 1 TB

Experiencia

Qué aprendimos en este proyecto

  1. El orden de SharePoint es la mitad del resultado

    La precisión y la velocidad del agente son proporcionales a lo bien estructuradas que estén las carpetas y el contenido de los archivos. Antes de ampliar a más documentación, ordenar SharePoint es la inversión que más rinde.

  2. Las instrucciones, dentro del resultado de la herramienta

    Las indicaciones de cómo seguir funcionan mejor cuando llegan junto al resultado de cada herramienta que como reglas generales del sistema. El modelo las sigue mejor y se inventa menos. Algunas reglas añadidas al principio, de hecho, aumentaban las respuestas inventadas y se quitaron.

  3. Una sola prueba engaña

    Aunque cada paso sea determinista, encadenar varios modelos introduce variación. La calidad se mide con revisión humana caso a caso y por mayoría sobre tres ejecuciones, con pruebas rápidas antes de cualquier cambio sensible.

  4. Acertar el dato y acertar la cita son dos notas

    Se evalúan por separado: contenido correcto y cita correcta y enlazable. Cuando el dato está bien y la cita no, el fallo está en cómo se construye el enlace, no en la búsqueda ni en el modelo, y se arregla ahí.

Lo que dicen de nosotros

Opiniones de clientes publicadas en Google

5,0 sobre 5 en Google
Ver todas las reseñas en Google →
Agente de voz con IA para clínica · gestión de citas y calendarios

“Contratamos a esta empresa desde Asturias para la gestión de citas de nuestra consulta y estamos encantad@s. Desde el primer momento el trato muy cercano y adaptándose en cada momento a lo que necesitamos (tiempos de cita según servicio, empleados, horarios,...) calidad de la asistente virtual, asistencia (siempre disponibles y solucionan los problemas a la máxima brevedad) , en definitiva que lo difícil lo hacen fácil. Los recomendamos al 100%”

Lorena DiazReseña en Google
Sistema multiagente de IA · integración con Sage y CRM

“Contactamos con PotenzzIA porque queríamos explorar la posibilidad de implementar un asistente telefónico con Inteligencia artificial, para responder llamadas. La experiencia ha sido muy positiva. Iván se tomo el tiempo de escuchar nuestras necesidades al detalle y entender lo que buscábamos. Desde el inicio, se centró en personalizar la solución para que encajara perfectamente con lo que estábamos buscando. El resultado ha sido un agente de voz, que gestiona todas las llamadas entrantes de nuestra empresa. Muy contentos con vuestro trabajo chicos!”

Mario AndreuReseña en Google
Agente de voz y WhatsApp con IA, multiidioma · llamadas, reservas e incidencias

“Grandes profesionales, cumplieron con los plazos y con los objetivos. El resultado mejor de lo previsto”

Alfonso Serrano Perez-NievasReseña en Google
Sistema de agentes de IA · automatización de emails y reservas de balneario

“Llevamos varios meses trabajando con esta empresa y la experiencia está siendo muy satisfactoria. Hemos automatizado distintos procesos que han mejorado nuestro trabajo diario y contribuido a un mejor rendimiento en ventas. Destacamos especialmente su profesionalidad, eficacia y capacidad para entender nuestras necesidades. Muchas gracias, Iván, por tu paciencia a la hora de captar nuestras ideas y, sobre todo, por tu implicación y profesionalidad.”

Nuria Mutuberria MindeguiaReseña en Google
Asistente de WhatsApp con IA · Grupo Transvia

“PotenzzIA es una empresa muy profesional y que aporta su experiencia y valor para ofrecer la mejor solución. Desde el grupo Transvia hemos colaborado con ellos para lanzar un Bot Conversacional que de soluciones inmediatas a las dudas sobre el transporte metropolitano y los resultados son más que satisfactorios. Gracias a Iván y a su equipo por su profesionalidad.”

Toni MartínezReseña en Google
Asistente de WhatsApp con IA

“Trabajar con PotenzzIA ha sido una experiencia excelente. Queríamos automatizar WhatsApp con inteligencia artificial y dejar atrás la asistencia manual. Captaron nuestra idea desde el primer momento y el resultado ha superado nuestras expectativas.”

ContaliaReseña en Google
Sistema de agentes de IA · contabilidad, stock y previsión de stock

“Muy buena experiencia con PotenzzIA. Desde el principio entendieron bien lo que necesitábamos en la farmacia. La solución ha cumplido de sobra con lo que necesitabamos y el trato ha sido muy cercano en todo momento. Siempre estan disponibles para resolver dudas y hacer los ajustes necesarios. Muy recomendables.”

Farmacia CatadauReseña en Google
Aplicación de IA · gestión de proyecto universitario

“Excelentes profesionales. Resolvieron todas mis necesidades. Los recomiendo”

Jose BlascoReseña en Google

FAQ

Preguntas frecuentes sobre este proyecto

No. El asistente, el índice de búsqueda y la base de datos funcionan en una máquina virtual del cliente, y el modelo de lenguaje es una instancia privada de Azure OpenAI en su propia suscripción, que no usa sus datos para entrenar. Al modelo solo se envían los fragmentos relevantes junto con la pregunta, nunca los documentos completos.

Sigue explorando

Relacionado con este caso

Hablemos

¿Cuánto tiempo pierde tu equipo buscando en SharePoint?

Te enseñamos cómo funcionaría sobre una muestra de tu documentación, con tus permisos y dentro de tu entorno, y te damos plazo y presupuesto.

  1. 1 Nos dejas tus datos
  2. 2 Vemos una muestra de tu documentación
  3. 3 Te damos plazo y presupuesto
Cuéntanos tu caso

Cuéntanos tu caso en el formulario

Rellena el formulario y un miembro de nuestro equipo se pondrá en contacto contigo lo antes posible.