Investigación con IA y base de conocimiento
Cómo el agente de IA de Kit investiga prospectos, la base de conocimiento para el contexto de producto y la puntuación de confianza.
Por qué es importante
El agente de IA de Kit reúne información sobre una persona y su empresa, y la usa para redactar un email. Puedes aportar notas, URL de origen y material sobre tu producto.
El pipeline de investigación
Parte del contexto le llega a la IA antes de que haga una sola llamada a herramientas. El nombre del prospecto, la empresa, el cargo, la URL de origen, tus notas de operador y cualquier resumen de investigación previo se escriben directamente en el prompt del agente. Si la campaña está vinculada a una oferta de empleo, la oferta completa (título, departamento, ubicación, tipo de contrato, salario, descripción y etapas del proceso) se precarga de la misma forma, así la IA nunca tiene que ir a buscarla.
A partir de ahí, el agente recorre una cascada de investigación y se detiene en cuanto tiene suficiente para escribir un email específico:
- Obtener la URL de origen: Si el prospecto tiene una URL de origen (LinkedIn, sitio personal, página de empresa), la IA la obtiene y la lee primero. Es la fuente individual más rica.
- Buscar a la persona: La IA busca al prospecto en la web por nombre y empresa para encontrar actividad reciente, publicaciones en blogs o menciones en prensa.
- Buscar la empresa: La IA investiga la empresa para obtener contexto: producto, industria, noticias recientes, financiación.
- Consultar los datos internos de Kit: Si tu cuenta tiene Investigación de compensación, la IA lee los datos propios de Kit sobre contratación, salarios y stack tecnológico de esa empresa.
- Buscar en la base de conocimiento: Si la campaña tiene claves de conocimiento, la IA extrae las entradas que coincidan para obtener contexto de producto, argumentos principales y casos de éxito.
Los pasos 1, 4 y 5 solo aparecen cuando corresponden, así que un prospecto sin URL de origen en una cuenta sin Investigación de compensación recorre una cascada más corta. Las campañas de contratación también pueden sacar a relucir tus otros puestos publicados si el prospecto encaja mejor en alguno de ellos.
Una vez completada la investigación, la IA escribe el asunto y todas las secciones del email a partir de lo que encontró. El agente recibe instrucciones y límites de oraciones para cada sección. Comprueba durante la revisión que el borrador los respeta.
Memoria guardada del prospecto
Antes de buscar en la web, el agente consulta la memoria de investigación que tu cuenta ya tiene sobre el dominio de esa empresa. Después de investigar, guarda los hallazgos con sus URL de origen y la fecha en que se observaron. En ejecuciones posteriores puede reutilizarlos en vez de volver a obtenerlos.
Las notas de más de 30 días se marcan como obsoletas para que el agente compruebe los datos antes de utilizarlos. Los expedientes que superan 80 KB se ordenan por similitud semántica con el nombre de la campaña en vez de enviarse enteros; las tres notas más recientes siempre se incluyen.
Los agentes externos conectados al servidor MCP de Kit leen y escriben en el mismo almacén mediante outreach_recall_prospect_context y outreach_save_prospect_research. Consulta Memoria de prospectos para agentes de IA.
Puntuación de confianza
Después de investigar, la IA puntúa su propia confianza (0.0–1.0) según esta rúbrica. Es la estimación del modelo sobre lo que encontró, no una medida de exactitud ni una valoración de la calidad del email:
| Puntuación | Significado |
|---|---|
| 0.8–1.0 | Encontró detalles personales específicos y datos de la empresa. Email personalizado. |
| 0.5–0.7 | Encontró información a nivel de empresa y algunos detalles personales. Personalización aceptable. |
| 0.2–0.4 | Solo información genérica del sector. El email sonará a plantilla. |
| 0.0–0.1 | No encontró nada útil. Redactado con contexto mínimo. |
En las campañas de contratación se le indica a la IA que no supere 0.5 salvo que pueda nombrar un proyecto, repositorio, artículo o decisión técnica concreta del prospecto: «tu experiencia en X» no cuenta como personalización.
Kit agrupa después esa puntuación en tres bandas allí donde muestra la investigación:
| Banda | Rango | Lo que ves |
|---|---|---|
| Alta | 0.7–1.0 | Verde: «Múltiples fuentes analizadas. La investigación es exhaustiva.» |
| Media | 0.5–0.69 | Ámbar: «Cobertura moderada. Considere revisar el borrador y agregar URLs de origen para mejor personalización.» |
| Baja | 0.0–0.49 | Rojo: «Pocas fuentes encontradas. Agregue URLs de LinkedIn o de la empresa para mejorar la calidad de la investigación.» |
La puntuación se muestra como un porcentaje con código de color junto a esa línea de orientación, tanto en la página de revisión del mensaje como en la pestaña Investigación del prospecto. Para cualquier cosa que caiga en la banda ámbar o roja, agrega más detalles del prospecto (notas, URL de origen) o enriquece tu base de conocimiento, y vuelve a ejecutar la investigación.
Base de conocimiento
La base de conocimiento almacena contexto de producto, casos de éxito y argumentos clave que la IA consulta al redactar emails. Ve a Outreach > Knowledge Base para gestionar las entradas.
Agregar entradas
Cada entrada tiene una clave única (alfanumérica en minúsculas con guiones, por ejemplo, product-overview) y un nombre para mostrar. Puedes agregar contenido de dos formas:
- Subir un archivo: Archivos de texto o markdown, hasta 5 MB. Kit extrae el contenido automáticamente.
- Obtener desde una URL: Proporciona una URL pública y Kit descarga y extrae el contenido de la página.
Vincular a campañas
Para que una entrada de conocimiento esté disponible para el agente de IA de una campaña, agrega su clave al campo Base de conocimiento en las directivas de IA de la campaña. La IA busca contexto relevante en las entradas vinculadas durante la fase de investigación.
Puedes vincular múltiples entradas a una sola campaña. Usa entradas específicas y enfocadas en lugar de un único documento grande: la IA obtiene contexto más relevante de entradas especializadas.
Mejorar la calidad de los borradores
Si tus borradores se sienten demasiado genéricos o no dan en el blanco, prueba estos ajustes:
| Acción | Impacto |
|---|---|
| Agregar notas del prospecto | Contexto en texto libre que la IA lee antes de redactar; menciona una interacción reciente, una conexión mutua o una razón específica para contactar |
| Incluir URLs de origen | Los perfiles de LinkedIn y las páginas de empresa le dan a la IA detalles concretos en torno a los cuales personalizar |
| Escribir instrucciones claras para la IA | Indícale a la IA qué funciones del producto mencionar, con qué propuesta de valor abrir o qué enfoque tomar |
| Agregar entradas de conocimiento | La documentación de producto, los casos de éxito y el posicionamiento competitivo le dan a la IA contenido sustancial al que referirse |
| Usar palabras prohibidas | Elimina los buzzwords que hacen que los emails suenen a plantilla |
| Ajustar los límites de palabras | Los emails más cortos (80–120 palabras) obligan a la IA a ser específica en vez de rellenar con contenido superfluo |
Checklist rápido
- Asegúrate de que los prospectos tengan URLs de origen para una mejor investigación
- Crea entradas en la base de conocimiento para tu producto y tus argumentos clave
- Vincula las claves de conocimiento a las directivas de IA de tu campaña
- Escribe instrucciones claras y específicas para la IA de la campaña
- Revisa los borradores con baja confianza y agrega más contexto del prospecto donde sea necesario
Y ahora qué
- Revisar y enviar mensajes: aprueba, edita o rechaza los borradores de IA
- Crear campañas: configura las directivas de IA y los pasos de secuencia