Frente a los peligros de pérdida de know-how y la inseguridad que conlleva el uso de algunas de las licencias de uso de las IAs como ChatGPT, Claude, Copilot o Gemini, una de las opciones más seguras para las empresas es crear sus propios GPT. Hoy vamos a comentar cómo podemos crear GPT personalizado para empresas, donde toda la información se encuentre lo más segura posible.
Como hemos hablado en múltiples ocasiones, usar el modo chat de las IAs (y en muchos casos usar ese chat solo como buscador) es solo la punta del iceberg de todo lo que se puede llegar a la lograr usando inteligencias artificiales generativas.
Uno de los pasos más importantes y seguros que puede llevar a cabo una empresa u organización es crear un GPT personalizado con contexto, instrucciones y fuentes de conocimiento específicas de la empresa.
Los contenidos que manejan las empresas como manuales, procedimientos operativos, políticas internas y bases documentales se pueden usar para crear IAs especializadas con un objetivo, como responder preguntas, localizar información y ayudar a los empleados en tareas recurrentes.
Si están bien diseñados, estos asistentes sirven para reducir los tiempos que dedican los empleados tradicionalmente a buscar información.
Departamentos como Dirección, Recursos Humanos, Sistemas, Administración o Soporte son algunos de los que más se pueden beneficiar de tener un GPT personalizado.
¿Cómo funciona un GPT a nivel básico?
Para poder crear un GPT tendremos que:
- Subir documentos como manuales, procedimientos operativos, políticas internas o bases documentales.
- Definir qué información puede utilizar.
- Definir cuál es el propósito del GPT.
- Definir qué herramientas puede emplear.
- Indicar quién puede acceder a esta información.
- Definir un protocolo de actualización de la información, por ejemplo, para cambios en una legislación.
En este artículo veremos qué es un Custom GPT, cómo crear un GPT personalizado para empresas, cómo configurarlo con documentación interna, qué medidas de privacidad y seguridad deben tenerse en cuenta y cuáles son los principales errores que conviene evitar.
¿Qué es un Custom GPT y por qué puede mejorar la eficiencia corporativa?
Un Custom GPT es una versión que se puede configurar de ChatGPT que combinando instrucciones específicas, fuentes de conocimiento e incluso herramientas para realizar una función concreta.
Por ejemplo, el departamento de Recursos Humanos puede crear un GPT personalizado con el manual del empleado y las políticas de vacaciones, y crear un chat interno donde cualquier trabajador puede preguntar dudas sobre días de vacaciones o de asuntos propios y el GPT genera una respuesta basada en la normativa interna.
La clave está en distinguir dos elementos que a menudo se confunden:
- Instructions: define el objetivo del GPT, es decir para qué sirve, qué reglas debe seguir, cómo debe estructurar las respuestas y cuáles son sus límites.
- Knowledge: proporciona archivos que el GPT puede utilizar como fuentes de conocimiento para responder a las consultas.
Por tanto, un Custom GPT no es lo mismo que “crear una IA” (como un LLM), sino que solo se le aportan documentos de una empresa que queremos que utilice.
Los archivos proporcionados actúan como base de conocimiento que el sistema puede usar para generar respuestas.
De la generalidad a la especialización
Un modelo general, como el chat de ChatGPT que usamos normalmente, tiene conocimiento incorporado durante su entrenamiento, basado en conocimiento general extraido de webs y otras fuentes de conocimiento general.
Un GPT personalizado puede utilizar, además, documentación específica proporcionada por la organización, junto con instrucciones diseñadas para definir su comportamiento.
Por ejemplo, una empresa puede crear un GPT personalizado que esté especializado en soporte técnico de la empresa al que le pasamos:
- Manual de usuario del sistema.
- Configuración de la VPN.
- Manuales de impresoras y otros equipos.
- Normativa interna.
- Preguntas frecuentes de empleados.
El resultado no es un modelo nuevo (LLM) entrenado exclusivamente para esa empresa, sino un asistente configurado para trabajar con instrucciones y fuentes de información determinadas, con un propósito específico dentro de una organización.
Alineación con el tono y las políticas internas
Un paso importante es aportar al GPT instrucciones que permitan establecer cómo debe comportarse:
- Tono
- Estructura de las respuestas
- Idioma
- Nivel de detalle
- Fuentes que debe priorizar
- Situaciones en las que debe reconocer en las que no dispone de información suficiente para generar una respuesta.
Al alimentarle con información específica, va a generar respuestas mucho mejores de las que generaría un modelo genérico que nunca va a tener información privada y específica de la empresa.
Reducción de tareas repetitivas
De todas las funcionalidades que podemos dedicar un GPT, una de las más interesantes es automatizar las preguntas frecuentes.
Tradicionalmente tendríamos a un empleado buscando durante diez minutos una información en un manual de 150 páginas o abrir una incidencia para preguntar por un procedimiento, con el costo temporal de un empleado atendiendo y buscando una respuesta.
Ahora lo podemos automatizar creando un GPT al que se le pueden hacer consultas.
Es importante dejar claro que la IA no sustituye necesariamente al responsable del proceso, pero reduce dramáticamente el coste temporal de localizar y consultar la información que ya existe.
Un GPT hace en escasos segundos lo que un trabajador le puede llevar varios minutos.
Todo se trata de ser eficiente y ahorrar tiempo, que es dinero, especialmente en tareas repetitivas.
Casos de uso reales de los GPTs personalizados en la empresa
Los Custom GPTs, que se pueden crear con ChatGPT, pueden aplicarse a prácticamente cualquier área siempre que exista documentación estructurada y un conjunto relativamente estable de procedimientos.
Un GPT solo sabe la información que le proporcionamos. Esa va a ser siempre la limitación. Si le proporcionamos información completa, estructurada y de calidad, junto con unas instrucciones claras que definan su comportamiento, conseguiremos un asistente eficaz y rápido.
Vamos a comentar algunos ejemplos de uso de crear GPTs personalizados para empresa.
Onboarding automatizado de empleados
Un asistente configurado con el manual de bienvenida, las políticas internas y las guías de herramientas corporativas puede ayudar a las nuevas incorporaciones a resolver dudas operativas desde el primer día.
Puede resolver dudas como:
- «¿Cuántos días de vacaciones tengo y cómo debo solicitarlos?»
- «¿Dónde puedo consultar el procedimiento para solicitar material informático?»
- «¿Qué herramientas utiliza la empresa para las reuniones online?»
El GPT personalizado va a localizar la información correspondiente en la documentación disponible y generar una respuesta en el chat.
Soporte técnico interno
Un GPT especializado puede utilizar manuales técnicos, procedimientos de resolución de incidencias y documentación de sistemas para resolver preguntas en tareas de Helpdesk de Nivel 1.
Por ejemplo, indicar los pasos de un procedimiento de diagnóstico:
- Identificar el problema.
- Comprobar determinados parámetros.
- Aplicar las soluciones autorizadas.
- Indicar cuándo debe escalarse la incidencia.
Si la organización cuenta con documentación organizada que describa estos procedimientos, crear un GPT personalizado es relativamente sencillo y útil.
Consulta de políticas y procedimientos
Por ejemplo, en un caso donde necesitemos consultar la política de la empresa para contratar a un nuevo proveedor de servicios.
El asistente puede localizar las instrucciones correspondientes y resumirlas, facilitando la consulta de las políticas internas.
Es importante señalar que en ningún caso debe ser sustitutivo de un departamento legal, su función debe limitarse a ayudar a consultar políticas, procedimientos y criterios internos, dejando las decisiones de carácter legal o regulatorio a los responsables correspondientes.
Requisitos previos: privacidad, seguridad y gobierno del dato
Antes de cargar documentación corporativa en cualquier plataforma de inteligencia artificial es necesario analizar qué información se va a procesar y bajo qué condiciones.
La primera regla es sencilla: No toda la información de una empresa debe convertirse automáticamente en conocimiento de un asistente de IA.
Utilizar una licencia adecuada para proteger la información corporativa
Las organizaciones deben seleccionar una licencia que aporte las garantías adecuadas respecto al tratamiento de los datos, administración de usuarios, control de acceso y políticas de privacidad.
En el ecosistema de ChatGPT existen diferentes tipos de licencias, y las condiciones de tratamiento de datos son diferentes en cada plan.
En las versiones gratuitas de herramientas como ChatGPT, los datos que se introducen en el chat van a ser utilizados para entrenar a nuevos modelos.
En los planes de pago para empresas generalmente los datos empresariales no se utilizan para entrenar nuevos modelos.
Es muy importante siempre comprobar las condiciones aplicables al elegir una licencia antes de introducir información confidencial.
Es necesario revisar el producto concreto, el plan contratado y las políticas de tratamiento de datos vigentes.
Hay que distinguir entre los diferentes datos que usa la empresa
Además de elegir correctamente la plataforma y la licencia, también es necesario analizar los documentos que se van a proporcionar al asistente para asegurar la privacidad.
Antes de cargarlos, conviene identificar y eliminar, cuando no sean necesarios:
- Contraseñas.
- Claves API.
- Tokens de autenticación.
- Credenciales de acceso.
- Información financiera sensible.
- Datos personales innecesarios.
- Información de clientes que no sea relevante para el caso de uso.
- Secretos comerciales y know-how interno de la empresa que no deban estar disponibles para el asistente.
No se trata de adjuntar los documentos y ya está, conviene primero hacer un repaso exhaustivo a la documentación y eliminar con criterio toda la información sensible.
Este proceso forma parte de una estrategia más amplia de minimización y gobierno del dato.
Cómo crear un GPT corporativo paso a paso
Una vez tenemos claro lo que queremos hacer y tenemos lista, revisada y securizada la documentación que vamos a utilizar, podemos configurar el GPT personalizado:
1. Definir el propósito y las instrucciones
El primer paso es establecer qué función debe cumplir el GPT.
Una instrucción eficaz debería definir, como mínimo:
- Rol y función del asistente.
- Usuarios a los que está dirigido.
- Tipo de consultas que puede responder.
- Fuentes de información que debe utilizar.
- Formato de las respuestas.
- Tono y nivel de detalle.
- Qué debe hacer cuando no encuentre información suficiente.
- En qué casos debe recomendar escalar una consulta a una persona.
Por ejemplo, una regla podría ser: «Cuando la información necesaria no aparezca en las fuentes de conocimiento disponibles, indícalo explícitamente. No presentes como hecho una información que no puedas respaldar con las fuentes disponibles.»
Esta instrucción puede ayudar a reducir respuestas especulativas, aunque ninguna instrucción garantiza por sí sola que un modelo de lenguaje nunca cometa errores.
Siempre hay que tener en cuenta que puede haber respuestas incorrectas. Si es información muy importante o crítica, debe ser confirmada por un ser humano sepa sobre el tema (Human-in-the-loop).
2. Preparar y cargar los archivos de Knowledge
El siguiente paso consiste en proporcionar la documentación que el GPT utilizará como fuente de conocimiento.
Como hemos visto, habrá que tratar previamente la información que vamos a utilizar.
Además, es importante que la información sea:
- Relevante.
- Actualizada.
- Clara.
- No redundante.
- Correctamente estructurada.
- Fácil de interpretar.
Por ejemplo, para un asistente de Recursos Humanos puede ser mejor disponer de varios documentos bien organizados —»Vacaciones», «Teletrabajo», «Permisos», «Onboarding»— que de un único PDF gigantesco con información heterogénea.
Documentación estructurada frente a documentación problemática
La calidad y la estructura interna de organización de los documentos va a ser determinante para que el GPT personalizado funcione correctamente.
Los documentos deberían evitar, en la medida de lo posible:
- Texto escaneado sin OCR.
- Tablas ilegibles o donde la información se encuentre mal alineada.
- Información duplicada.
- Versiones antiguas mezcladas con versiones vigentes.
- Páginas con contenido puramente visual cuando la información relevante no es accesible como texto.
- Estructuras excesivamente complejas.
El objetivo es proporcionar al sistema fuentes de conocimiento limpias y coherentes en formato de texto accesible, en lugar de imágenes o gráficos.
3. Configurar las capacidades
En algunos casos puede ser interesante que un GPT personalizado tenga diferentes capacidades y herramientas.
Supongamos que un empleado sube un Excel con las vacaciones del departamento y pregunta: «¿Cuántos días de vacaciones ha utilizado cada persona?»
Si el GPT tiene habilitada la capacidad de análisis de datos, puede procesar el archivo, hacer cálculos, agrupar información e incluso generar tablas o gráficos.
Otro ejemplo puede ser un caso donde creamos un GPT para el departamento jurídico que utiliza como Knowledge:
- Políticas internas.
- Procedimientos de contratación.
- Manual de compliance.
Si además tiene acceso a la web, podría buscar información externa.
Por ejemplo: «Según nuestra política interna, ¿cómo debemos actuar? Comprueba además si ha habido cambios recientes en la normativa aplicable.»
Aquí tienes dos fuentes diferentes:
- Knowledge corporativo → qué dice la empresa
- Web → qué información externa y potencialmente actualizada existe.
Esto puede ser útil, pero también introduce una cuestión de gobierno importante: si quieres que el asistente responda exclusivamente utilizando información interna, no tiene sentido darle acceso a internet.
Cada capacidad adicional amplía las posibilidades del asistente, pero también puede crear nueva fuentes de problemas potenciales.
Entonces no es necesario convertir todos los documentos de la empresa en una herramienta de análisis ni darle todas las capacidades.
Habilitaremos unas u otras capacidades en función de lo que el GPT personalizado necesita para funcionar.
Algunas de esas capacidades pueden ser:
- Análisis de datos: resulta útil cuando el GPT debe analizar hojas de cálculo, realizar cálculos, procesar datos o trabajar con determinados archivos.
- Búsqueda web: permite consultar información externa y actualizada. Puede ser útil cuando el asistente necesita información que no está incluida en la documentación corporativa. Si el objetivo es que responda exclusivamente utilizando fuentes internas, conviene no habilitar esta capacidad.
- Capacidades multimodales: pueden resultar útiles cuando los usuarios puede querer aportar imágenes, capturas de pantalla u otro contenido visual para resolver una consulta.
- Integraciones y Actions: permiten, cuando están disponibles y correctamente configuradas, conectar el GPT con sistemas externos y ejecutar determinadas operaciones mediante APIs. Por ejemplo, consultar información de un sistema corporativo o crear una incidencia en una plataforma de soporte.
4. Definir los iniciadores de conversación
Los conversation starters ayudan a los usuarios a entender qué tipo de preguntas pueden realizar.
Son preguntas o acciones de ejemplo que aparecen al usuario cuando abre el GPT, antes de empezar a escribir.
Por ejemplo:
- «¿Cuál es el procedimiento para solicitar vacaciones?»
- «Explícame la política de teletrabajo.»
- «¿Qué debo hacer si tengo una incidencia con mi portátil?»
- «Resume el procedimiento de incorporación de nuevos empleados.»
Además de mejorar la experiencia de usuario, sirven para orientar el uso del asistente hacia los casos para los que ha sido diseñado.
No son instrucciones para el modelo, ni forman parte del Knowledge, ni hacen que el GPT sea más inteligente.
Sólo son ejemplos de uso para que el usuario pueda entender las capacidades del asistente.
Conviene siempre pensar y definir algunas preguntas relevantes que sirvan de casos de uso de ejemplo para guiar al usuario.
5. Probar el GPT antes de ponerlo en producción
Antes de dar acceso a los usuarios siempre es imprescindible probarlo sometiéndolo a una batería de pruebas.
Deberemos hacer pruebas sencillas y otras más complejas de forma que tengamos una serie de casos de uso que comprueben su funcionamiento correcto.
Algunas preguntas deberían ser de un tipo sencillo, que permitan generar una respuesta claramente documentada.
Otras deberían contener información ambigua, para comprobar el comportamiento del modelo.
En tercer lugar, también deberían incluirse preguntas cuya respuesta no aparezca en la documentación, para probar que efectivamente el GPT responde indicando que no tiene una respuesta (si es así como lo hemos configurado) y comprobar si el GPT improvisa una política empresarial.
Errores críticos al crear un GPT interno
La calidad del GPT va a venir determinada tanto por la calidad de la información proporcionada como por las instrucciones que le hemos dado en su configuración.
Documentación excesiva, redundante o desactualizada
Más documentos no significa necesariamente más conocimiento útil.
Cuanto más documento añadamos, más fácil va a ser que adjuntemos documentos con versiones antiguas, información duplicada y procedimientos contradictorios o desactualizados.
Si adjuntamos este tipo de información puede dificultar la recuperación de la información correcta.
Es mejor tener una base documental más pequeña, limpia y gobernada que un enorme almacén documental obsoleto y sin mantenimiento.
No actualizar la documentación
Una vez creamos el GPT es fácil ponerlo a funcionar y dejar de tenerlo en cuenta.
Lo normal es que las políticas internas de la empresa, los procedimientos o una normativas internas o legislaciones cambien con el tiempo.
Por defecto el GPT solo contará con la información que le hemos proporcionado cuando lo creamos, por lo que habrá que actualizar o sustituir los documentos que forman la base de conocimiento (knowledge) para mantenerlo actualizado y que siga siendo útil.
De lo contrario, puede producirse un problema especialmente peligroso: respuestas perfectamente coherentes pero basadas en información obsoleta.
Confundir instrucciones con conocimiento
Las instrucciones se limitan a explicar cómo debe comportarse el GPT.
Los archivos de Knowledge deben proporcionar la información que necesita consultar.
Por ejemplo:
- Instrucción: «Responde utilizando prioritariamente la documentación corporativa disponible y señala explícitamente cuando no exista información suficiente.»
- Knowledge:
- Manual de vacaciones 2026.pdf
- Política de teletrabajo.pdf
- Procedimiento de onboarding.pdf
Separar instrucciones y knowledge conceptos facilita el mantenimiento y las futuras actualizaciones que tengamos que hacer del GPT personalizado.
Confiar demasiado en las instrucciones contra las alucinaciones
Es útil añadir una instrucción que indique al modelo que no debe inventarse información, pero no hay ninguna garantía de que no produzca fallos como alucinaciones.
Los modelos de lenguaje en ocasiones generan respuestas plausibles pero incorrectas.
Por eso es recomendable combinar:
- Instrucciones claras.
- Documentación de calidad.
- Casos de prueba.
- Validación humana.
- Procedimientos de escalado.
- Evaluación periódica.
Si se va a usar el GPT para tratar información crítica para la empresa es importante tener una persona experta que revise la información generada o alguien a quien se pueda consultar que la información es correcta.
En general conviene aplicar criterio al usar el GPT y plantearse si la información es correcta o si parece correcta pero en realidad no lo es.
Si la aplicación es crítica pueden ser necesarias arquitecturas más sofisticadas que un simple Custom GPT.
No controlar el acceso
Uno de los peligros de crear GPTs es darle acceso a la información a trabajadores que no deberían tenerla.
Es importante pararse y determinar:
- Quién puede utilizarlo.
- Quién puede modificarlo.
- Quién puede acceder a sus fuentes de conocimiento.
- Qué información contiene.
- Qué usuarios tienen autorización para consultar determinados contenidos.
Como con cualquier otro sistema de una empresa habrá que darles acceso al GPT estrictamente a los empleados que lo necesitan para realizar su trabajo.
GPT personalizado frente a una arquitectura RAG corporativa
Un Custom GPT puede ser una solución excelente para casos donde tenemos una serie pequeña de documentos y tenemos claro el uso que le querremos dar.
En ocasiones podemos necesitar comportamientos similares, pero que requieren conocimiento corporativo a gran escala. En esos casos un GPT personalizado no será la arquitectura adecuada.
Por ejemplo, cuando una organización necesita:
- Miles o millones de documentos.
- Control de permisos a nivel documental.
- Integración con SharePoint, ERP, CRM u otros sistemas.
- Actualización automática de contenidos.
- Auditoría avanzada.
- Flujos de trabajo complejos.
- Integración con aplicaciones corporativas.
- Recuperación de información en tiempo real.
Puede resultar más apropiado construir una arquitectura basada en RAG (Retrieval-Augmented Generation) u otros sistemas de integración empresarial.
Una arquitectura RAG es mucho más avanzada y permite trabajar con una escala mucho mayor de documentación. Es un sistema de recuperación que localiza primero los fragmentos relevantes de información y los proporciona al modelo como contexto para generar la respuesta.
Un GPT personalizado y una arquitectura RAG no son soluciones para el mismo problema. Cada uno sirve para unas necesidades y una escala distintas.
Más allá del tutorial: formar al equipo para trabajar con IA
Crear el asistente es solo una parte del proyecto.
La parte más importante es reconocer los casos de trabajo del día a día puede ser útil crear un GPT personalizado.
Para poder lograr la eficiencia dentro de una empresa es importante que los empleados entiendan qué es un GPT personalizado, sus ventajas y ellos mismos aprendan a reconocer casos donde les puede resultar útil.
Una organización puede disponer de excelentes herramientas de inteligencia artificial y obtener resultados mediocres si sus empleados no entienden su propósito o no saben cómo utilizarlas correctamente.
En este contexto, los cursos de IA generativa en directo sirven para que los empleados realmente entiendan y sepan aplicar soluciones a casos reales de la organización, analizar errores y adaptar las técnicas a las necesidades concretas de cada departamento.
La capacitación no debería limitarse únicamente en enseñar a escribir prompts, aunque ese deba ser el punto de partida.
El objetivo más interesante es que los empleados comprendan cómo trabajar con sistemas de IA, entiendan su propósito y los beneficios que aporta, cómo verificar sus resultados y cómo integrarlos de forma segura en sus procesos.
