CSV, Excel y Google Sheets en las bases de conocimiento de Famulor

Los códigos de producto, las descripciones de servicios y los precios de referencia suelen residir en hojas de cálculo. Hasta ahora, utilizarlos con un asistente de IA implicaba convertir filas en prosa o desarrollar una API para obtener valores actualizados. Desde el 5 de septiembre de 2026, Famulor puede procesar archivos CSV, TSV y XLSX, así como Google Sheets conectados a través de Drive, como fuentes de conocimiento estructuradas. Esta funcionalidad admite identificadores exactos, búsquedas basadas en descripciones y filtros y agregaciones definidos (registro de cambios de Famulor, 5 de septiembre de 2026).

El matiz fundamental es que una tabla importada sigue siendo una instantánea del momento de la última importación, no un sistema en tiempo real. El inventario, los saldos personalizados, el estado de los pedidos y los precios actuales vinculantes siguen requiriendo una herramienta o una API.

Puntos clave

• Famulor admite tablas rectangulares en formato CSV, TSV y XLSX, además de Google Sheets mediante una conexión a Drive.
• El conocimiento basado en tablas es ideal para catálogos estables, matrices de servicios y precios de referencia con una fecha de vigencia clara.
• Los valores exactos, filas, recuentos, sumas, mínimos y máximos están disponibles dentro de los límites de consulta documentados.
• Google Sheets no se consulta como una base de datos en vivo; la última importación determina la frescura de los datos y las fórmulas no se recalculan.
• Los flujos de trabajo en tiempo real, personalizados o de escritura siguen dependiendo de una herramienta o API durante la llamada.

Qué ha cambiado con el conocimiento estructurado de tablas

Esta nueva capacidad refina una regla arquitectónica importante. Las bases de conocimiento generales han servido tradicionalmente para material no estructurado, como manuales, políticas y preguntas frecuentes. Tratar una tabla de precios como un documento dificultaba la recuperación fiable a nivel de celda. El modelo de tablas de Famulor, en cambio, preserva los valores originales de las celdas y las posiciones de las columnas, junto con las referencias al archivo de origen, la hoja y la fila (documentación de la base de conocimiento, consultada el 10 de septiembre de 2026).

Un asistente puede buscar un código de producto completo, localizar una fila a partir de su descripción o utilizar consultas de tabla definidas. Los resultados incluyen filas, recuentos, sumas, mínimos y máximos bajo filtros restringidos. No se admiten uniones, expresiones arbitrarias, conversión de divisas ni evaluación de fórmulas.

La guía anterior en Base de conocimiento frente a System Prompt para agentes de voz de IA sigue siendo válida en su planteamiento, pero requiere una matización tras esta actualización: las tablas importadas estructuradas ahora admiten tareas de recuperación y agregación definidas, mientras que los datos en tiempo real, los valores personalizados y la escritura de datos siguen requiriendo una herramienta o API.

Cuándo es adecuado utilizar una hoja de cálculo como base de conocimiento

Una tabla es una buena candidata cuando sus filas describen objetos de referencia estables y la frescura de la instantánea es aceptable. Algunos ejemplos incluyen un catálogo de piezas de repuesto, una matriz de servicios, una lista de capacidades de sucursales, una tabla de tarifas con fecha de vigencia o una lista de precios de referencia aprobada.

Hazte estas cuatro preguntas antes de importar:

1. ¿Los datos son lo suficientemente estables para una instantánea? Si un valor cambia minuto a minuto, una base de conocimiento no es la fuente adecuada.
2. ¿Cada fila representa un objeto bien definido? Un producto, servicio o región debe describirse mediante columnas coherentes.
3. ¿Son suficientes los filtros y las agregaciones simples? La lógica multitabla, los cálculos arbitrarios y la conversión de divisas requieren otro sistema.
4. ¿Se debe indexar cada hoja importada? Se incluyen las hojas XLSX ocultas y todas las pestañas exportadas de Google Sheets.

Esto separa la recuperación de conocimiento de las transacciones. Un identificador de catálogo puede provenir de una importación aprobada. La pregunta “¿Hay stock de la pieza X en este momento?” requiere una consulta al sistema actual, y una oferta vinculante específica para el cliente no debe deducirse de una tabla de referencia general.

Prepara archivos CSV, TSV, XLSX y Google Sheets antes de la importación

La calidad de la fuente comienza con una estructura limpia. Según la documentación de Famulor actual, los encabezados de columna deben aparecer en la primera fila con datos. La tabla debe ser rectangular; se rechazarán las celdas combinadas y los valores que excedan el ancho definido por el encabezado. Coloca las tablas independientes en hojas separadas.

Las reglas de formato documentadas son específicas:

• Los archivos CSV pueden usar comas o puntos y coma como delimitadores; los valores multilínea deben estar entrecomillados correctamente.
• Los archivos TSV utilizan separadores de tabulación.
• Las codificaciones de texto admitidas son UTF-8 o UTF-16 con BOM.
• Los archivos .xls antiguos deben guardarse primero como XLSX o CSV.
• Las importaciones XLSX incluyen todas las hojas, incluidas las ocultas. Las importaciones de Google Sheets incluyen todas las hojas exportadas.
• Las fórmulas no se recalculan durante la importación. Los resultados en caché pueden marcarse como no verificados; los resultados faltantes y los errores de celda no estarán disponibles.

Elimina hojas auxiliares, notas confidenciales y columnas innecesarias antes de importar. Añade valid_from o data_as_of para referencias sensibles al tiempo, de modo que la conversación pueda indicar la fecha de la fuente.

Configura la tabla en Famulor en cinco pasos documentados

Este flujo sigue la documentación actual de Famulor enlazada anteriormente.

1. Crea la base de conocimiento

Abre Bases de conocimiento → Nuevo, asigna un nombre claro y describe el contenido de la fuente. “Catálogo de servicios DACH — Instantánea de septiembre de 2026” comunica el propósito y la frescura mejor que “nueva lista de precios”.

2. Añade la fuente de la tabla

Sube un archivo CSV, TSV o XLSX. Para Google Sheets, crea primero una conexión OAuth de Drive en Automatizaciones → Conexiones y, a continuación, selecciona esa conexión al añadir la fuente de Drive. La documentación describe la sincronización con la nube como una función Beta y parte de un plan específico. Requiere activar Funciones Beta en Configuración → Espacio de trabajo y sigue las tasas de sincronización actuales del espacio de trabajo (documentación de Famulor, consultada el 10 de septiembre de 2026). Comprueba las condiciones en tu propio espacio de trabajo en lugar de asumir una disponibilidad universal.

3. Comprueba el estado del procesamiento

Espera hasta que el elemento indique que está listo. Si el procesamiento falla, inspecciona el formato, el tamaño del archivo, la fila de encabezado, las celdas combinadas y el diseño de la hoja. El hecho de que el nombre del archivo sea visible no garantiza que se haya creado un nuevo índice de búsqueda.

4. Prueba con la búsqueda RAG

Utiliza Búsqueda RAG con preguntas realistas. Como práctica de implementación, prueba un código exacto existente, un código similar inexistente, una consulta de descripción, varias coincidencias y un filtro o agregación. Esta es una recomendación, no una garantía del producto.

5. Asigna la base de conocimiento al asistente

Selecciona la base de conocimiento en el editor del asistente. Famulor indica que la conexión por sí sola no requiere un cambio en el prompt. Añade instrucciones de flujo de trabajo para casos de ambigüedad, instantáneas obsoletas o identificadores críticos cuando sea necesario.

Qué puede pedir el asistente a la tabla

Para un identificador exacto, busca el valor completo entre comillas. Un código con aspecto similar no es prueba de que el código solicitado exista. Si coinciden varias filas, el asistente debe pedir aclaraciones en lugar de elegir. Los resultados de búsqueda conservan las referencias de origen y las claves de columna posicionales, incluidos el archivo, la hoja y la fila para fines de trazabilidad. Eso no significa que esas referencias se comuniquen automáticamente al interlocutor.

Las implementaciones avanzadas pueden utilizar consultas de tabla a través de POST /knowledge-bases/{id}/search y la herramienta search_knowledge_base MCP. Según la documentación de consultas actual enlazada anteriormente, una consulta puede devolver filas, count, sum, min o max. Puede combinar hasta cinco filtros de igualdad o rango con AND; los rangos numéricos y de fecha requieren un tipo explícito.

Existe un límite de confianza estricto en torno a los resultados numéricos. Los totales se rechazan cuando las filas coincidentes contienen valores faltantes, ambiguos, basados en fórmulas o con divisas mixtas. No calcules un total de toda la tabla sumando manualmente fragmentos de búsqueda. Utiliza una consulta de tabla o un backend responsable cuando la operación esté fuera del conjunto admitido.

Ejemplo práctico: un catálogo hipotético de piezas y servicios B2B

Supongamos que una empresa de servicios industriales mantiene un catálogo de referencia aprobado. La tabla en miniatura a continuación es deliberadamente ficticia y no contiene datos reales de clientes o productos:

El archivo de origen contiene estos tres registros de ejemplo:

• FP-2048-A: Paquete de filtro estándar para MX-20, región DACH, precio de referencia 189,00 EUR, vigente desde el 1 de septiembre de 2026.
• SV-3100-D: Servicio remoto básico para MX-30, región DACH, precio de referencia 420,00 EUR, vigente desde el 1 de septiembre de 2026.
• SV-3190-D: Servicio remoto Plus para MX-30, región DACH, precio de referencia 690,00 EUR, vigente desde el 1 de septiembre de 2026.

Un interlocutor podría preguntar por “FP-2048-A”. La coincidencia exacta debería identificar ese registro; “FP-2048-B” no debe tratarse como presente solo porque parece similar. Una segunda pregunta podría ser: “¿Cuántos paquetes de servicio DACH para el MX-30 tienen un precio de lista inferior a 500 €?”. Los filtros de igualdad y rango, además de count, están diseñados para esa solicitud. Las palabras precio de lista y la fecha de vigencia siguen siendo importantes en la respuesta; este registro no debe convertirse silenciosamente en una oferta vinculante actual.

Para los canales de voz, añade una rutina de confirmación explícita como recomendación de implementación: haz que el asistente repita los códigos críticos en grupos comprensibles y pide al interlocutor que confirme antes de activar un paso posterior. Esto no implica que Famulor deletree o valide automáticamente los identificadores. Prueba las pronunciaciones probables, el ruido de fondo y las secuencias de caracteres que se confunden fácilmente en llamadas de prueba reales.

¿Instantánea o sistema en tiempo real? Haz explícito el límite

Los datos de la base de conocimiento reflejan la última importación. Por lo tanto, Google Sheets no se consulta en tiempo real para cada pregunta. Famulor no recalcula fórmulas y no admite uniones, expresiones arbitrarias ni conversión de divisas. Estas son restricciones que definen la arquitectura, no notas al pie (documentación de Famulor, consultada el 10 de septiembre de 2026).

Las páginas independientes de integración con Google Sheets y integración con Microsoft Excel 365 cubren acciones de flujo de trabajo, activadores y escritura de datos. Esta guía se centra deliberadamente en la recuperación y la agregación restringida sobre instantáneas de tablas importadas.

Si un reemplazo o reintento falla, el índice de búsqueda anterior permanece disponible y el error se notifica, según la documentación de Famulor. Esto preserva la continuidad, pero específicamente no demuestra que los nuevos datos hayan sido aceptados. Comprueba el estado, la fecha de la instantánea y el conjunto de pruebas después de cada importación.

Límites actuales de un vistazo

Los valores siguientes provienen de la documentación de Famulor enlazada anteriormente, consultada el 10 de septiembre de 2026, y pueden cambiar con el tiempo:

El cumplimiento formal de un límite de tamaño no hace que un archivo sea semánticamente seguro: los tipos ambiguos, las divisas mixtas o las pestañas ocultas pueden hacer que una consulta no sea adecuada.

Lista de verificación de privacidad y operaciones telefónicas

Según la documentación enlazada anteriormente, Famulor conserva el archivo de tabla original y las importaciones XLSX incluyen hojas ocultas. Se aplica una regla de gobernanza práctica: importa solo los campos y hojas que estén autorizados y sean necesarios para este fin. Este es un consejo de implementación, no una garantía de cumplimiento.

Antes del despliegue, verifica lo siguiente:

• ¿La fuente contiene datos personales de clientes o empleados que no deberían estar en un catálogo general?
• ¿Las hojas ocultas, los comentarios y las columnas auxiliares están realmente destinados al asistente?
• ¿La conexión de Drive está restringida a la fuente requerida y autorizada internamente?
• ¿La tabla incluye una fecha de vigencia o de instantánea para precios y tarifas?
• ¿La conversación evita presentar valores de referencia como promesas vinculantes actuales?
• ¿Existe una aclaración, llamada a herramienta o transferencia a un humano para códigos no confirmados, coincidencias múltiples y datos en tiempo real faltantes?

Las conversaciones telefónicas añaden riesgo de transmisión: las letras, los dígitos y los identificadores que suenan parecido pueden malinterpretarse o reconocerse erróneamente. Confirma los identificadores críticos y conecta las acciones vinculantes a una respuesta del sistema actual. El asistente debe expresar incertidumbre en lugar de inferir una respuesta a partir de una coincidencia similar.

Conclusión: utiliza el conocimiento de tablas deliberadamente como una instantánea

Los archivos CSV, TSV, XLSX y Google Sheets ahora pueden ser algo más que documentos planos en Famulor. Como fuentes de conocimiento estructuradas, admiten identificadores exactos, búsqueda por descripción y consultas de tabla estrictamente acotadas. Esto cubre una necesidad práctica para catálogos de productos, matrices de servicios y listas de precios de referencia aprobadas.

La pregunta de diseño útil no es simplemente “¿hoja de cálculo o API?”, sino “¿instantánea o proceso en tiempo real?”. Si la fuente es estable, rectangular y tiene una fecha clara, una base de conocimiento de tablas es una candidata sólida. Si el flujo de trabajo es actual, personalizado o requiere escritura de datos, una herramienta o backend autorizado sigue siendo el responsable. Prepara la fuente con cuidado, prueba los casos exactos y ambiguos con la búsqueda RAG y verifica que cada nueva importación esté realmente lista. Esto mantiene la funcionalidad dentro de sus fortalezas documentadas sin convertir el conocimiento de referencia en una promesa accidental en tiempo real.