
Elige según dónde vive tu documentación y dónde llegan las preguntas. ¿Ya estás en Mintlify, GitBook, ReadMe o Fern? Activa el asistente nativo, pero revisa el plan: el chat suele estar en un nivel de pago (Mintlify Pro cuesta $450/mo con facturación anual). En Docusaurus, MkDocs o un sitio propio, añade un overlay como Kapa.ai o Inkeep en lugar de migrar. Si los tickets se acumulan en Zendesk o Freshdesk, pon la IA ahí: eesel aprende de tu documentación y tickets pasados, responde en una burbuja de chat, redacta respuestas del helpdesk y traspasa con un resumen cuando la documentación no alcanza.
Por qué los desarrolladores siguen preguntando lo que tu documentación ya responde
Soy ingeniero de software y he pasado dos años en SEO, así que leo consultas de búsqueda para vivir. La frase "asistente de IA para documentación de desarrolladores" casi nunca viene de alguien que busca comprar un chatbot. Viene de un líder de soporte o responsable de documentación con una molestia muy concreta: los desarrolladores siguen abriendo tickets por cosas que la documentación ya cubre, y nadie quiere pasar otro trimestre reescribiendo la arquitectura de información.
Cuando le planteé exactamente esa situación a ChatGPT, me devolvió tres caminos (añadir un asistente sobre tu documentación, cambiar a una plataforma de documentación con IA, o construir tu propio RAG) y un consejo con el que coincido: no migres un sitio de documentación grande solo para tener un chatbot. El resto de este artículo pone números a ese consejo.
Lo otro que he aprendido desde el lado de eesel es que el peor día de un bot de documentación es el día en que la documentación no tiene la respuesta. He visto bots en cuentas de clientes de pago inventar respuestas cuando la base de conocimiento no devolvía nada relevante, y por eso ahora cada implementación de eesel se prueba con preguntas reales pasadas antes de salir en vivo.
Con la CLI de eesel, un agente de código como Claude Code puede hacer esa preparación por ti: ejecuta npx @eesel/cli init chat-bubble --site https://your-site.com, apunta el rastreo a tu documentación con eesel integrations connect website --url, sube Markdown exportado con eesel files upload, y luego dispara preguntas de prueba con eesel chat y lee las respuestas antes de que nada salga en vivo. Conectar Zendesk o Freshdesk en sí sigue necesitando a alguien con acceso de administrador.
¿Qué hace realmente un asistente de IA para documentación de desarrolladores?
Un asistente de IA para documentación de desarrolladores responde la pregunta de un desarrollador en lenguaje sencillo usando solo tu documentación, y muestra de qué páginas vino la respuesta. Por debajo es recuperación de información (retrieval): la herramienta indexa tus páginas (y a menudo tu especificación OpenAPI), encuentra los pasajes que coinciden con la pregunta, y hace que un modelo escriba una respuesta a partir de esos pasajes. Si quieres la versión más larga, mi explicación sobre RAG frente a un LLM cubre por qué importa el grounding.
Las buenas hacen cinco cosas, y en las dos últimas es donde más se diferencian las herramientas:
- Respuestas fundamentadas. Las respuestas vienen de tu documentación publicada, no de la memoria del modelo.
- Citas. Cada respuesta enlaza las páginas que usó, para que un desarrollador pueda verificar la fuente.
- Un respaldo honesto. Cuando la documentación no lo cubre, el asistente lo dice en vez de adivinar.
- Un traspaso. Abre un ticket o un correo con la conversación adjunta, para que nadie tenga que repetirse.
- Un informe de carencias. Lista las preguntas que no pudo responder, lo que le dice a tus redactores de documentación qué corregir después.

¿Por qué importan tanto los puntos 3 a 5? Porque incluso un bot de documentación mediocre es útil, y los desarrolladores lo dicen:
"I can tell you even a half assed AI chatbot is a huge improvement over the pre-AI state of things for this use case."
Pero el fallo es concreto y costoso. Un ingeniero describió lo que pasó con su propio bot:
"We (others at company, not me) hit this problem, and not with chatgpt but with our own AI chatbot that was doing RAG on our docs. It was occasionally hallucinating a flag that didn't exist. So it was considered as product feedback. Maybe that exact flag wasn't needed, but something was missing and so the LLM hallucinated what it saw as an intuitive option."
Una bandera de CLI alucinada es la versión en documentación de desarrolladores de una política de reembolso equivocada. Desperdicia una tarde y erosiona la confianza en la propia documentación. La solución no es un modelo más inteligente. Es un respaldo que admite la carencia, un traspaso, y un informe que convierte la carencia en una corrección de la documentación. Mi guía sobre prevención de alucinaciones de IA profundiza en las salvaguardas.
¿Necesitas mudar tu documentación para tener uno?
No, y esta es la primera decisión que define tu lista. Hay cuatro caminos, y cuál te conviene depende sobre todo de dónde está alojada hoy tu documentación:
- Asistente nativo. Mintlify, GitBook, ReadMe, Fern y Document360 vienen cada uno con un asistente, pero solo responde desde documentación alojada en esa plataforma. Genial si ya estás ahí. Una gran migración si no lo estás.
- Widget superpuesto. Kapa.ai, Inkeep, DocsBot y Algolia Ask AI se instalan sobre cualquier sitio de documentación. El widget de Kapa.ai es "una etiqueta de script", y tanto Kapa.ai como DocsBot publican guías para Docusaurus.
- Agente del lado del soporte. Una IA que vive donde llegan los tickets (Zendesk, Freshdesk) y aprende de tu documentación y tickets pasados. Aquí es donde se ubica eesel.
- Hacerlo tú mismo. Una API de recuperación como OpenAI File Search más tu propia interfaz, sincronización y traspaso.

La segunda decisión es dónde aparecen realmente las preguntas. Los desarrolladores no solo preguntan en la página de documentación. Escriben al soporte por correo, publican en tu comunidad de Slack o Discord, y cada vez más le preguntan a su agente de código, que lee la documentación a través de un servidor MCP o llms.txt. Un asistente que solo vive en un widget de documentación se pierde tres de esas cuatro puertas.

Por eso, para cada herramienta de abajo comprobé tres cosas: si funciona con cualquier plataforma de documentación, si llega más allá de la página de documentación (Slack, Discord, helpdesk, MCP), y qué hace cuando la documentación no alcanza. Si tu equipo también está construyendo una base de conocimiento con IA más amplia, aplican las mismas tres preguntas.
Las 10 opciones de un vistazo
Los precios vienen de la página de precios de cada proveedor a noviembre de 2026. "No documentado" significa que no pude encontrarlo en las páginas propias del proveedor, no que falte la función.
| Herramienta | Tipo | ¿Funciona con cualquier plataforma de documentación? | Precio inicial del asistente de IA | Nivel gratuito | Citas | Slack / Discord | Traspaso al helpdesk | Servidor MCP | llms.txt | Analítica de preguntas sin responder | SOC 2 (según el proveedor) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Kapa.ai | Overlay | Sí, etiqueta de script + guías de instalación | Solo bajo cotización (Growth: "Get pricing") | Prueba de 14 días | Sí | Ambos | Botón de crear ticket; app de agente en Zendesk | Servidor MCP alojado | No documentado | Informe de Coverage Gaps | Certificado Type II |
| Inkeep | Overlay / constructor de agentes | Sí, widget en React o JS | Solo bajo cotización (demo Enterprise) | Open Source, autoalojado | Citas en línea | Slack y Discord en Enterprise | Zendesk / Salesforce en Enterprise | Sí | No documentado | Informes de carencias de conocimiento (Enterprise) | Certificado Type II |
| Mintlify Assistant | Nativo | No, solo alojado en Mintlify | $450/mo (Pro, anual) | Plan gratuito, sin asistente | Sí | No documentado | Correo, centro de ayuda, ticket en Plain o Zendesk | Autogenerado, todos los planes | Autoalojado | Conversaciones sin responder | No documentado |
| GitBook AI Assistant | Nativo | No, solo alojado en GitBook | $65/sitio/mes + $12/usuario (solo Ask) | Plan gratuito, sin asistente | Lista de fuentes | Asistente en Slack (Ultimate) | No documentado | Autogenerado, todos los planes | Autoalojado | AI Insights (Ultimate) | No documentado |
| eesel | Del lado del soporte | Sí, rastreo + subidas | $299/mo por 500 créditos | Prueba de 7 días, 100 créditos | Enlaza la página fuente | No documentado | Ticket o correo con resumen; borradores en el helpdesk | Para tu agente de código (configuración) | No la lee el rastreador | No documentado | Auditoría Type II en curso |
| ReadMe Ask AI | Nativo | No, solo alojado en ReadMe | Add-on de $150/mo | Starter $0, sin Ask AI | Enlaza páginas fuente | No documentado | No documentado | Alojado, todos los planes | Incluido | Panel de preguntas (add-on) | No documentado |
| Fern Ask Fern | Nativo | No, solo Fern Docs (nube) | $0 (250 créditos) | Sí | Sí | App de Slack | No documentado | Autogenerado | Autogenerado | Veredictos Resolved / Unresolved | No documentado |
| DocsBot | Overlay | Sí, script o iframe | $49/mo (Personal) | 100 créditos/mes | Sí | App de Slack | Ticket de escalación (desde Standard) | Conexiones MCP | No documentado | Analítica de preguntas (desde Standard) | Plan Enterprise |
| Algolia Ask AI | Overlay (búsqueda) | Sí, adaptador de Docusaurus, JS, React | DocSearch gratis si cumples requisitos; tus costos de LLM | Sí | No documentado | No documentado | Ninguno encontrado | Sección de MCP en la documentación | No documentado | No documentado | No documentado |
| Document360 Eddy AI | Nativo + chatbot embebible | El chatbot se embebe en cualquier sitio; necesita una cuenta de Document360 | Solo bajo cotización | No documentado | Citas numeradas | No documentado | Ticket a Zendesk, Freshdesk o correo | No verificado | No verificado | No documentado | Type II |
1. Kapa.ai
Lo mejor para: equipos de devtools en Docusaurus, MkDocs o un sitio propio que quieren un widget de documentación más Slack, Discord y Zendesk desde un solo índice.

Cómo funciona
Kapa.ai ingiere desde 24 conectores listados en su documentación: un rastreo web de tu sitio de documentación, esquemas OpenAPI 2.x y 3.x, código de GitHub, issues, discusiones y pull requests, Slack, Discord, Discourse, Stack Overflow, tickets de Zendesk, Confluence, Notion y más. Luego despliegas el mismo agente como widget de sitio web, bot de Slack o Discord, app de agente de Zendesk que redacta respuestas en el compositor, servidor MCP alojado, o a través de su Chat API. En Docusaurus, el widget es una entrada de script en docusaurus.config.js con tu data-website-id.
Lo que me gustó
La lista de fuentes es la más orientada a desarrolladores de todo lo visto aquí: los esquemas OpenAPI y los issues de GitHub son justo donde viven las respuestas a "por qué este endpoint devuelve 400". El informe de Coverage Gaps muestra "temas donde Kapa no puede responder de forma concluyente", y el widget tiene un botón de crear ticket que envía por correo la transcripción completa con el Reply-To puesto en el usuario. Llega a las cuatro puertas desde un solo índice. Mi comparación Kapa vs Inkeep entra en el solapamiento.
A qué prestar atención
Sin precio público. Starter es una prueba de 14 días, Growth es "Get pricing", y las fuentes privadas y la ingesta de tickets pasados están en Growth. El traspaso está apagado hasta que lo configuras. Los datos se guardan por defecto en Google Cloud con base en EE. UU., y el alojamiento en la UE es una función de Enterprise.
Precios
| Plan | Precio | Qué incluye |
|---|---|---|
| Starter | Gratis por 14 días | Documentación pública, sitios web, GitHub, informes de carencias de conocimiento |
| Growth | Bajo cotización ("Get pricing") | Añade fuentes privadas, tickets pasados, sincronización continua, enmascarado de PII |
| Enterprise | Contactar a ventas | Añade SSO/SCIM, alojamiento regional, SLA |
Veredicto: la opción por defecto para un devtool con documentación fuera de plataforma y una comunidad activa. Presupuesta una llamada de ventas, y mira alternativas a Kapa.ai si la cotización duele.
2. Inkeep
Lo mejor para: equipos de ingeniería que quieren construir su propio agente de documentación en código, o empresas que quieren que el equipo de Inkeep lo opere por ellas.

Cómo funciona
Inkeep ahora se posiciona como un "No-Code + Code Agent Builder", y el asistente de documentación es un caso de uso de esa plataforma. Muestras agentes mediante componentes de chat en React (@inkeep/agents-ui-cloud), un servidor MCP, una API en formato Vercel AI SDK, o integraciones con Slack, Discord, Zendesk y Salesforce en Enterprise. Las respuestas llevan citas en línea en ambos niveles.
Lo que me gustó
Los informes de carencias tienen fans de verdad. Un cliente en Hacker News, que dice no estar afiliado, lo describió así:
"The tool we use for our docs AI answers lets you mine that data for feature requests. It generates a report of what it didn't have answers for and summarizes them as potential feature gaps."
Ese es el ciclo de retroalimentación que yo querría. El nivel Open Source es gratuito para siempre y autoalojable, lo que le viene bien a un equipo que quiere ser dueño del código del agente.
A qué prestar atención
El nivel gratuito no ingiere tu documentación por ti: el RAG gestionado, las integraciones con Slack y soporte, y los informes de carencias son todos solo Enterprise, y Enterprise se cotiza solo por demo. No encontré un traspaso humano documentado en las páginas que leí. Mi análisis de Inkeep tiene más detalle, y la lista de alternativas a Inkeep cubre otras opciones.
Precios
| Plan | Precio | Qué incluye |
|---|---|---|
| Open Source | Gratis (fair-code, autoalojado) | Constructor visual, SDK de TypeScript, MCP, biblioteca de UI de chat, citas |
| Enterprise | Bajo cotización ("Schedule a Demo") | RAG gestionado, plataformas de Slack y soporte, informes de carencias, SSO, un forward deployed engineer |
Veredicto: elígelo si quieres control total del código o un despliegue Enterprise de guante blanco. Sáltalo si quieres un widget de documentación autoservicio esta misma semana.
3. Mintlify Assistant
Lo mejor para: equipos que ya alojan su documentación en Mintlify y quieren el asistente nativo más integrado, con conciencia de la especificación de API.

Cómo funciona
El asistente es un chat en tu sitio de documentación de Mintlify que responde desde tus páginas publicadas y tu especificación OpenAPI (métodos, parámetros, cuerpos de solicitud, esquemas de respuesta). Sabe en qué página está el lector, acepta texto resaltado, bloques de código y archivos, y cita las páginas que usó. El contenido se reindexa justo después de publicar, y los usuarios conectados solo obtienen respuestas de páginas a las que tienen acceso.
Lo que me gustó
Mintlify ha pensado más que nadie en el respaldo. Si el asistente no encuentra la respuesta, lo dice en vez de adivinar, las preguntas sin responder no se cobran, y una lista de Conversaciones sin responder muestra cada una que falló. Puedes enrutar esas preguntas a tu equipo por correo, tu centro de ayuda, o un ticket en Plain o Zendesk. Cada sitio de Mintlify también recibe un servidor MCP autogenerado en /mcp y un llms.txt siempre actualizado, incluso en el plan gratuito.
A qué prestar atención
El asistente necesita Pro a $450/mo con facturación anual ($540 mensual). Los 10.000 créditos de Pro se comparten en toda la organización, incluido Autopilot, y a 25 créditos por respuesta eso son 400 respuestas antes del excedente. El excedente está apagado por defecto, así que el asistente se apaga cuando se acaban los créditos. Las instrucciones personalizadas y las fuentes externas son solo Enterprise. Y solo responde desde documentación alojada en Mintlify.
Precios
| Plan | Precio | Asistente |
|---|---|---|
| Free | $0/mo, 5 editores | No incluido (el servidor MCP sí) |
| Pro | $450/mo anual, $540/mo mensual | Incluido; 10.000 créditos compartidos, 25 por respuesta, $0.01/crédito de excedente |
| Enterprise | Contactar a ventas | Añade modelo propio, personalización, fuentes externas |
Veredicto: si ya estás en Mintlify Pro, activarlo hoy mismo. Si no estás en Mintlify, no migres solo por esto.
4. GitBook AI Assistant
Lo mejor para: equipos de GitBook que quieren respuestas en la caja de búsqueda a bajo precio y chat completo más embed en el plan superior.

Cómo funciona
GitBook ofrece dos ubicaciones: Ask, que muestra respuestas en línea junto a los resultados por palabra clave en la caja de búsqueda, y Chat, un asistente completo en la barra lateral. Usa recuperación agéntica sobre la página actual, páginas que el lector ya visitó y conversaciones previas. A través de "Connections" también puede traer issues de GitHub, conversaciones de Slack o Discord y centros de ayuda externos, y Docs Embed pone el asistente dentro de tu producto.
Lo que me gustó
Solo pagas por respuestas relevantes: 20 créditos por pregunta relevante. Cada sitio publicado recibe un servidor MCP en /~gitbook/mcp que funciona con Claude Code, Cursor y Codex, más llms.txt y versiones de página en Markdown, todo en el plan gratuito. AI Insights muestra cómo respondió el asistente, para que puedas detectar carencias de conocimiento. Mi desglose de precios de GitBook tiene el detalle completo de los planes.
A qué prestar atención
Chat y embed necesitan Ultimate a $249/sitio/mes más $12 por usuario; Essential solo obtiene el Ask de la caja de búsqueda. Los cambios de índice pueden tardar hasta una hora. El contenido se pasa a OpenAI para indexar (GitBook dice que OpenAI no entrena con él). Un traspaso a un humano no está documentado en las páginas que leí, y el asistente no puede responder entre sitios publicados por separado.
Precios
| Plan | Precio (anual) | Asistente de IA | Créditos/mes |
|---|---|---|---|
| Free | $0 | Ninguno (solo MCP, llms.txt) | Ninguno |
| Essential | $65/sitio + $12/usuario | Ask (caja de búsqueda) | 2.000 (unas 100 preguntas) |
| Ultimate | $249/sitio + $12/usuario | Chat, embed, insights, Slack | 10.000 (unas 500 preguntas) |
| Enterprise | A medida | Todo lo de Ultimate | A medida |
Veredicto: un precio justo en Essential si las respuestas en la caja de búsqueda bastan. Para chat con embed, compara Ultimate con alternativas a GitBook antes de decidir.
5. eesel
Lo mejor para: equipos cuyas preguntas de documentación terminan como tickets en Zendesk o Freshdesk, y que quieren una sola IA respondiendo en la burbuja de chat y dentro del helpdesk.

Cómo funciona
eesel no es, antes que nada, una plataforma de documentación ni un widget de búsqueda de documentación. Es un compañero de IA para helpdesk que aprende de tu documentación y tu historial de soporte. Rastrea tu sitio de documentación (hasta 2.000 páginas por rastreo, con filtros de ruta de inclusión y exclusión, y encabezados personalizados para documentación con acceso restringido), toma Markdown y PDFs subidos, y se conecta a Google Drive, Notion, Confluence y helpdesks como Zendesk y Freshdesk, incluyendo tickets pasados. Las respuestas enlazan de vuelta a la página de donde vinieron.
A partir de ahí trabaja dos puertas a la vez. En tu sitio de documentación, la burbuja de chat es un único script asíncrono. En el helpdesk, redacta o envía respuestas en tickets nuevos. Cuando no puede responder, traspasa a Zendesk Messenger o Freshchat, o crea un ticket o correo que "incluye el correo del visitante, un resumen de la conversación, y una etiqueta de traspaso".
Así es como se ve esto en la práctica. Timengo, que fabrica software de correo seguro para administradores de TI, usa eesel en Freshdesk. Aprende del sitio de documentación de producto de Timengo y de unos 5.300 tickets y artículos de ayuda pasados, y entre el 8 de agosto y el 8 de septiembre de 2026 preparó 300 tickets y escribió 180 borradores de respuesta para que los ingenieros los revisaran. Timengo vuelve a rastrear su documentación cada lunes según un calendario que configuró ella misma.
Lo que me gustó
Se encuentra con los desarrolladores en el helpdesk, que es justo donde una pregunta de documentación sin responder se convierte en un costo. Una empresa de automatización industrial lo usa como un chat que solo responde desde su biblioteca técnica, enlaza la guía y sección fuente, y dice claramente cuando no tiene nada. Un resumen periódico de respuestas mal calificadas y carencias va al equipo de documentación, y ahora llegan al chat muchas más del doble de preguntas que las que llegan al escritorio de soporte. Ese es el informe de carencias de antes, funcionando.
A qué prestar atención
No hay conector de GitHub ni importación de OpenAPI, así que la documentación de repositorios entra a través del rastreo de tu sitio publicado o subidas en .md, y los archivos de código no son un tipo de subida soportado. El rastreo del sitio web no se vuelve a ejecutar automáticamente; vuelves a guardar la integración para actualizarlo. El rastreador no lee llms.txt. El servidor MCP de eesel permite que tu agente de código configure y pruebe al agente; no expone tu documentación a los usuarios finales. Y eesel aún no está certificado en SOC 2; la auditoría Type II está en curso.
Precios
| Plan | Precio | Notas |
|---|---|---|
| Free | $0 | 100 créditos por 7 días, todas las funciones |
| 500 créditos | $299/mo | 1 crédito = 1 chat o 1 ticket |
| 1.500 créditos | $699/mo | |
| 5.000 créditos | $1,749/mo | Más a través de ventas |
| Créditos extra | $0.80 cada uno | Hasta un tope que tú fijas |
Veredicto: la opción cuando los tickets son el problema y llegan a Zendesk o Freshdesk. Si solo quieres un widget en un sitio de documentación sin un helpdesk de por medio, Kapa.ai o un asistente nativo son más enfocados. Los planes completos están en los precios de eesel.
6. ReadMe Ask AI
Lo mejor para: hubs de ReadMe que quieren un asistente a precio fijo con elección de modelo.

Cómo funciona
Ask AI aparece en cada página de tu hub de ReadMe y responde desde tu documentación publicada con enlaces a las páginas fuente. Eliges el tono, la longitud de la respuesta, temas prohibidos, preguntas de ejemplo, y el modelo (OpenAI, Anthropic o Google Gemini), y puedes añadir hasta 100.000 caracteres de conocimiento personalizado que no está en la documentación.
Lo que me gustó
El precio es fijo: un add-on de $150/mo, sin límite de mensajes indicado en la página de precios. La elección de modelo es rara en este grupo. Cada proyecto también obtiene un servidor MCP alojado en /mcp y llms.txt. Mi artículo sobre precios de ReadMe cubre los niveles de plan.
A qué prestar atención
El panel de analítica conserva registros durante 60 días, y la exportación a CSV es solo Enterprise. Las herramientas de búsqueda de documentación del servidor MCP necesitan el add-on "AI Booster Pack", y su precio no estaba en la página que leí. La API de Ask AI, que necesitarías para poner el asistente fuera de tu hub, es solo Enterprise. No se describe un traspaso a soporte por contacto.
Precios
| Plan | Precio | Ask AI |
|---|---|---|
| Starter | $0/mo | Add-on $150/mo |
| Pro | $250/mo anual | Ask AI Lite incluido (sin personalización ni analítica); add-on completo $150/mo |
| Enterprise | Contactar a ventas | API de Ask AI disponible |
Veredicto: la línea de presupuesto más simple aquí si estás en ReadMe. Planifica tu propio camino de traspaso, porque el asistente no te abrirá un ticket.
7. Fern Ask Fern
Lo mejor para: equipos API-first en Fern Docs que quieren un inicio gratuito y un servidor MCP que sus usuarios puedan conectar a Claude Code o Cursor.

Cómo funciona
Ask Fern es un panel lateral en tu sitio de Fern Docs, impulsado por Claude 4.6 Sonnet y Claude 4.5 Haiku según la página de Fern. Lo activas con un clic y se reindexa en unos minutos. Las respuestas llevan citas y se filtran por versión, producto y rol. Puedes añadir fuentes extra, incluyendo una Documents API para contenido no público como resúmenes de tickets de soporte.
Lo que me gustó
La analítica da a cada conversación un veredicto Resolved o Unresolved, así que filtrar por Unresolved te da una lista de tareas para la documentación. Hay una app de Slack para clientes, un servidor MCP autogenerado con botones de un clic "Conectar a Claude Code / Cursor", y llms.txt de fábrica. Y empieza gratis.
A qué prestar atención
Los 250 créditos del plan gratuito cubren unos 125 mensajes, ya que cada mensaje cuesta 2 créditos. No pude encontrar un nivel de autoservicio de pago ni qué pasa cuando se acaban los créditos; el siguiente paso es Enterprise. El widget de búsqueda embebible necesita un sitio de Fern Docs alojado en la nube, y Fern autoalojado no incluye Ask Fern. No se describe un traspaso humano.
Precios
| Plan | Precio | IA |
|---|---|---|
| Free | $0/mo | 250 créditos de IA (unos 125 mensajes de Ask Fern), MCP, llms.txt |
| Enterprise | A medida | Créditos a medida, exportaciones de analítica, autoalojamiento |
Veredicto: una prueba sin riesgo si estás en Fern. Cualquier tráfico real implica una conversación de Enterprise.
8. DocsBot
Lo mejor para: equipos más pequeños que quieren un precio público, una guía para Docusaurus y escalado a ticket sin una llamada de ventas.

Cómo funciona
DocsBot entrena con un rastreo de sitio web, sitemap, repositorios de código de GitHub, Notion, Confluence, Google Drive, y tickets de Zendesk, Freshdesk o Help Scout, entre otros. Despliegas un widget flotante o iframe, y en Docusaurus v3 la guía te hace inyectar el embed a través del injectHtmlTags de un pequeño plugin local. La API devuelve una respuesta más fuentes con títulos y URLs.
Lo que me gustó
Todo está en la página de precios, con una garantía de devolución de dinero de 14 días. Los tickets de escalación, una app de Slack y una API lo convierten en algo más que un widget. Mi artículo sobre precios de DocsBot recorre las cuentas de créditos.
A qué prestar atención
No hay conector de OpenAPI en el índice de documentación. Personal te limita a 5.000 páginas fuente, lo que colecciones de documentación grandes pueden alcanzar. Los tickets de escalación empiezan en Standard, quitar la marca necesita Business, y SOC 2, HIPAA y SSO están listados en Enterprise.
Precios
| Plan | Precio/mes | Páginas fuente | Créditos de IA/mes |
|---|---|---|---|
| Free | $0 | 50 | 100 |
| Personal | $49 | 5.000 | 5.000 |
| Standard | $149 | 15.000 | 15.000 |
| Business | $499 | 100.000 | 60.000 |
| Enterprise | A medida | A medida | A medida |
Veredicto: el mejor overlay en relación calidad-precio con precio público. Ve a Standard si quieres escalación, y revisa las alternativas a DocsBot si lo superas.
9. Algolia Ask AI (DocSearch)
Lo mejor para: equipos de Docusaurus que ya usan DocSearch y quieren traer su propio modelo.

Cómo funciona
Docusaurus tiene soporte de primer nivel para Algolia DocSearch, que rastrea tu documentación hacia un índice de Algolia. Ask AI añade respuestas conversacionales desde ese índice, operadas por un asistente de Agent Studio que configuras con tu propio proveedor de LLM (OpenAI, Gemini, Azure o cualquier API compatible con OpenAI). La instalación es npm install @docsearch/docusaurus-adapter@^5, con un ajuste askAi que apunta a tu ID de asistente.
Lo que me gustó
Es el camino nativo de Docusaurus. DocSearch es gratis para documentación pública de desarrolladores que cumple los requisitos, y la propia documentación de Docusaurus dice que Ask AI no tiene costo extra más allá del uso de tu proveedor de LLM. Mantienes la búsqueda por palabra clave y añades respuestas de IA en el mismo modal, más un panel lateral de IA.
A qué prestar atención
Estás construyendo más de lo que estás comprando: Agent Studio es un kit de herramientas, y las citas, la analítica y un traspaso humano no estaban documentados en las páginas que leí. Cada solicitud de búsqueda del agente cuenta hacia tu uso de búsqueda de Algolia. El adaptador necesita Node 20+, Docusaurus 3.10.2+ y React 18 o 19, y el enlace "Search by Algolia" tiene que quedarse.
Precios
| Elemento | Precio |
|---|---|
| DocSearch (documentación pública elegible) | Gratis; solicitar y verificar tu dominio |
| Plan gratuito de Algolia | $0/mo, 10 mil solicitudes de búsqueda |
| Agent Studio | Listado en la tabla de planes sin un número público |
| Tokens de LLM | Facturados por tu proveedor de modelo |
Veredicto: excelente si estás en Docusaurus y te sientes cómodo siendo dueño del modelo y el prompt. No es un canal de soporte, así que combínalo con algo que maneje el traspaso.
10. Document360 Eddy AI
Lo mejor para: equipos que quieren una plataforma de base de conocimiento con un chatbot que también pueda escalar a Zendesk o Freshdesk.

Cómo funciona
Eddy AI viene en dos formas. Ask Eddy AI responde dentro de tu base de conocimiento de Document360, y el Eddy AI Chatbot se entrena con tu contenido y puede embeberse en cualquier sitio web. El chatbot toma de tu base de conocimiento, un rastreo del sitio web, archivos (incluyendo Markdown), FAQs, y tickets de Zendesk o Freshdesk, y pone citas numeradas en cada respuesta.
Lo que me gustó
Tiene un traspaso real: tras un número fijo de respuestas, los usuarios pueden levantar un ticket hacia Zendesk, Freshdesk o correo, prellenado con la transcripción y un asunto y descripción escritos por IA. Hay un playground para probar antes de publicar. La página de precios lista SOC 2 Type II e ISO 27001:2022. Mi artículo sobre alternativas a Document360 Eddy AI cubre herramientas similares.
A qué prestar atención
El precio se cotiza a medida, con el uso de IA como uno de los factores de precio. Cada chatbot recibe 40 MB de almacenamiento entre todas las fuentes por defecto, y solo un chatbot puede estar activo por dominio. Los créditos de Ask Eddy AI se gastan uno por pregunta, y cuando se acaban el botón se pone en gris hasta que el mes se renueva. No pude verificar su soporte de MCP o llms.txt.
Precios
| Elemento | Precio |
|---|---|
| Planes | Solo bajo cotización, según cuentas, workspaces, idiomas y uso de IA |
| Ask Eddy AI | 1 crédito por pregunta, límite mensual |
| Ask Eddy AI API | Add-on |
Veredicto: el más fuerte cuando de todos modos usarías Document360 como tu base de conocimiento. Revisa precios de Document360 antes de la llamada de ventas.
¿Y qué hay de construir el tuyo con OpenAI File Search?
Puedes, y las piezas son baratas. File Search de OpenAI es una herramienta alojada en la Responses API: creas un vector store, subes tu documentación, y pasas el ID del store en tools. Las respuestas vuelven con anotaciones file_citation que apuntan a los archivos usados.

El almacenamiento cuesta $0.10 por GB al día tras el primer GB gratis, y las llamadas a herramientas cuestan $2.50 por cada 1.000, más los tokens del modelo. La mayoría de las colecciones de documentación están muy por debajo de 1 GB, así que el almacenamiento es casi gratis y 1.500 preguntas al mes son unos $3.75 en llamadas a herramientas. Mi guía de la API de Files de OpenAI cubre la subida.
Lo que no obtienes es todo lo que rodea a la recuperación: una interfaz de chat, un rastreador que mantenga la documentación al día (tú vuelves a subir los archivos), evaluaciones, un respaldo, un traspaso, y un informe de carencias. El fundador de Kapa.ai lo dijo sin rodeos en Hacker News, admitiendo de entrada su sesgo: la recuperación es "súper sensible a cómo divides y analizas (chunk/parse) la documentación", y la solución son evaluaciones, muchas. Si tienes un ingeniero que quiera encargarse de eso, mi recorrido por una pipeline de RAG para soporte es un buen comienzo. Si no, compra.
¿Cuánto cuesta un asistente de IA para documentación?
Aquí hay un comprador: una empresa de devtools cuya documentación recibe unas 1.500 preguntas al mes. Puse precio a cada herramienta usando solo sus propios números publicados. Las cuentas son mías.
| Herramienta | Costo mensual para ~1.500 preguntas | Cómo llegué ahí |
|---|---|---|
| OpenAI File Search (hazlo tú mismo) | unos $4 + tokens + ingeniería | 1.500 x $2.50/1.000 llamadas |
| DocsBot Standard | $149 | 15.000 créditos cubren 1.500 mensajes a 1x; se necesita Standard para escalación |
| ReadMe Ask AI | $150 (en Starter) | Add-on fijo, sin límite indicado |
| GitBook Ultimate | unos $460 | $249 sitio + $36 por 3 editores; 1.500 x 20 = 30.000 créditos, 10.000 incluidos, 20.000 más a través de los paquetes de 15.000 ($127.50) y 5.000 ($47.50), asumiendo que los paquetes se acumulan |
| eesel | $699 | Plan de 1.500 créditos; 1 crédito por chat o ticket |
| Mintlify Pro | unos $725 (facturación anual) | $450 + (1.500 x 25 = 37.500 créditos, menos 10.000 incluidos) x $0.01 = $275 de excedente, si nadie más usa créditos |
| Fern | Cotización Enterprise | Free cubre unos 125 mensajes |
| Kapa.ai, Inkeep, Document360 | Solo bajo cotización | Sin precio público |
El precio de lista es la decisión menor. GitBook y Mintlify solo cobran por preguntas respondidas, eesel cuenta cada chat o ticket, y ReadMe es fijo. Lo que realmente mueve el total es si la herramienta reduce los tickets que tus ingenieros responden a mano. Mi explicación de la tasa de desviación muestra cómo medirlo.
¿Cómo lo implementas sin que invente cosas?
El escepticismo aquí está bien ganado, y los desarrolladores lo dicen:
"I've used plenty of AI tools and models, local and paid, agents and chatbots, and the hallucination problem is a huge roadblock every time."
Y son igual de directos sobre los bots que terminan en callejón sin salida:
"I want open documentation so I can ask AI if I want or ask human support if it's not resolvable with available documentation. All my interactions with any AI support so far is repeatedly saying "call human" until it calls human"
Aquí está la implementación que yo haría, sea la herramienta que elijas:
- Define el alcance de las fuentes. Empieza con documentación publicada, tu referencia de API y artículos de ayuda aprobados. Deja fuera los borradores obsoletos y el Slack interno hasta que lo básico funcione. Las páginas viejas son el camino más rápido a respuestas equivocadas, así que detecta contenido desactualizado primero.
- Abre las puertas de los agentes. Asegúrate de que tu documentación sirva
llms.txty, si tu plataforma ofrece uno, un servidor MCP, para que los agentes de código lean la documentación real en lugar de adivinar. Mintlify, GitBook, Fern y ReadMe te dan ambos. - Define el respaldo y el traspaso. Decide qué dice el asistente cuando la documentación no cubre una pregunta, y a dónde envía al desarrollador después. Un buen traspaso abre el ticket con la transcripción adjunta, y mis notas sobre el traspaso de agentes de IA cubren lo que el humano necesita ver.
- Prueba con preguntas reales pasadas antes del lanzamiento. Toma 50 a 100 tickets recientes y pásalos por el asistente. Este es el paso que detecta una bandera alucinada antes de que lo haga un cliente, y así funcionan las pruebas de simulación de eesel.
- Lee la lista de sin responder cada semana. Trátala como tu backlog de documentación. SE Ranking opera eesel sobre 16.800 páginas de conocimiento y hace que envíe preguntas de API a un ticket de Tier 2 con evidencia adjunta, en lugar de adivinar. En un mes, eesel respondió primero 2.100 chats en vivo. Mi guía de análisis de carencias de conocimiento en soporte muestra cómo convertir la lista en correcciones.
Prueba eesel en tu documentación de desarrolladores
Si las preguntas de tus desarrolladores terminan en Zendesk o Freshdesk, eesel aprende de tu documentación y tickets pasados, responde en una burbuja de chat en el sitio de documentación, y redacta respuestas dentro del helpdesk, con un ticket y resumen cuando la documentación no alcanza. Puedes apuntarlo a la URL de tu documentación y hacerle preguntas de prueba en una tarde. Prueba eesel.

Preguntas frecuentes
¿Cuál es el mejor asistente de IA para documentación de desarrolladores?
Depende de dónde viva tu documentación. Si está en Mintlify, GitBook, ReadMe o Fern, el asistente integrado es el camino más corto. En Docusaurus, MkDocs o un sitio propio, un overlay como Kapa.ai o Inkeep es la opción habitual. Si el costo real son los tickets que llegan a Zendesk o Freshdesk, una IA que trabaja dentro del helpdesk, como eesel, ataca ese problema directamente. Mi guía de IA para soporte a desarrolladores cubre el panorama más amplio.
¿Puedo añadir un asistente de IA a documentación en Docusaurus?
Sí. Docusaurus soporta Algolia DocSearch, cuyo Ask AI responde con tu propio proveedor de LLM desde tu índice de Algolia. Kapa.ai y DocsBot publican ambos guías de instalación para Docusaurus de sus widgets, y cualquier burbuja de chat basada en script también funciona. Para el trasfondo de cómo buscan estas herramientas, mi artículo sobre búsqueda con IA en el centro de ayuda lo cubre.
¿Necesito mudar mi documentación a Mintlify o GitBook para tener un asistente de IA?
No. Los asistentes nativos solo funcionan con documentación alojada en esa plataforma, pero los widgets superpuestos (Kapa.ai, Inkeep, DocsBot, Algolia Ask AI) y los agentes del lado del soporte como eesel funcionan con documentación alojada en cualquier lugar. Una migración puede tener sentido por otras razones, no solo para conseguir un chatbot. Si de todos modos estás evaluando una mudanza, mi lista de alternativas a GitBook es un buen punto de partida.
¿Cuánto cuesta un asistente de IA para documentación?
Para unas 1.500 preguntas al mes, mis cálculos a partir de las páginas de precios de los proveedores dan unos 150 $/mes para ReadMe Ask AI, unos 460 $/mes en GitBook Ultimate con paquetes de créditos, unos 725 $/mes en Mintlify Pro con excedente, y 699 $/mes en el plan de 1.500 créditos de eesel. Kapa.ai, Inkeep y Document360 son solo bajo cotización. Consulta los precios de eesel para los planes de créditos actuales.
¿Cómo evito que un asistente de IA para documentación invente respuestas?
Límitalo a tu documentación publicada y fuentes aprobadas, exige citas en cada respuesta, define un respaldo honesto que diga que la documentación no lo cubre, y pruébalo con preguntas reales pasadas antes de lanzarlo. Luego lee cada semana la lista de preguntas sin responder y corrige la documentación. Mi guía sobre cómo prevenir alucinaciones de IA recorre las comprobaciones.
¿Qué es llms.txt y mi sitio de documentación para desarrolladores necesita uno?
llms.txt es una convención propuesta: un archivo Markdown en la raíz de tu sitio con el nombre de tu proyecto, un resumen breve y listas de enlaces que los agentes de IA pueden leer. Mintlify, GitBook, Fern y ReadMe lo generan automáticamente por ti. Ayuda a los agentes de código a encontrar tu documentación, pero no sustituye a un asistente con citas y traspaso. Mi explicación sobre el servidor MCP de agentes de IA cubre la otra mitad del acceso de agentes.
¿Un asistente de IA para documentación reducirá los tickets de soporte?
Puede hacerlo, si las preguntas le llegan. Muchas preguntas de desarrolladores empiezan en el helpdesk, en Slack o con un agente de código, no en la página de documentación, así que coloca el asistente donde llegan, y dale un traspaso limpio. En SE Ranking, eesel respondió primero 2.100 chats en vivo en un mes. Mi guía de desviación de tickets explica cómo medirlo.