Noelia López Durante años he documentado lo que hacíamos en la empresa. A veces bien; otras, como podía. Dejaba por escrito procesos, decisiones y problemas que habíamos conseguido resolver. Había documentos que necesitaban una revisión y notas que solo se entendían con algo de contexto.
Hoy ese archivo es oro. Puedo alimentar a la IA con él y trabajar sobre años de experiencia de nuestro negocio. Recuperar antecedentes que había olvidado, relacionar decisiones y preparar el siguiente paso sin reconstruirlo todo desde el principio.
La IA ha cambiado el valor de lo que llevaba años conservando. Y esa experiencia me ha hecho volver a una idea que Javier Martínez Aldanondo desarrolla desde la gestión del conocimiento: el aprendizaje de las personas puede perderse para la empresa si no encuentra una forma de conservarlo y reutilizarlo.
Una organización puede llevar veinte años trabajando y seguir resolviendo determinados problemas como si acabara de encontrarlos. Cada equipo aprende algo, pero parte de esa experiencia desaparece cuando termina el proyecto o se marcha quien la tenía. Incorporar IA permite ver con más claridad el coste de esa pérdida.
Índice de contenidos
Tu equipo aprende. ¿Cuánto de ese aprendizaje conserva la empresa?
Un comercial aprende qué objeciones aparecen antes de perder una venta. Una persona de operaciones descubre por qué falla un procedimiento. Quien dirige un proyecto comprende, después de varias dificultades, qué dependencia debía haber resuelto primero.
Es aprendizaje real. La empresa ha pagado por él en horas de trabajo, errores y oportunidades perdidas. Sin embargo, al cerrar el proyecto puede quedar únicamente un informe con los resultados. Las razones que explican cómo se llegó hasta allí siguen en la memoria de unas pocas personas.
El siguiente equipo recibe las cifras, pero desconoce qué se intentó antes, qué condiciones cambiaron o por qué se descartó una alternativa. Tiene que reconstruirlo. A veces vuelve a cometer el mismo error.
Una empresa aprende cuando esa experiencia modifica su forma de trabajar y sigue disponible para quienes la necesitan. Puede conservarse en un procedimiento, en casos comentados, en una herramienta o mediante el trabajo compartido entre profesionales. La documentación es una de las formas de darle continuidad.
Este es el terreno de la gestión del conocimiento: identificar lo que sabemos hacer, facilitar su transferencia y evitar que una experiencia valiosa termine encerrada en un departamento.
Por qué la IA fracasa cuando le falta la historia del negocio
Un modelo de IA puede ayudarte a preparar una estrategia comercial o analizar un problema de operaciones. Su conocimiento general le permite proponer alternativas razonables. Para valorar cuál encaja en tu empresa, necesita antecedentes que difícilmente encontrará fuera de ella.
Quizá ya probaste una propuesta parecida y falló por una limitación operativa. Quizá una condición comercial sigue apareciendo en presentaciones antiguas, aunque dejó de aplicarse. O tal vez existe un compromiso con un cliente que cambia por completo la decisión.
Cuando faltan esos antecedentes, el sistema puede ofrecer una respuesta convincente que obligue a rehacer el trabajo. Entonces alguien busca los correos, pregunta a los compañeros y reconstruye el contexto que necesitábamos al empezar.
Eso explica algunos resultados decepcionantes, aunque los proyectos de IA también pueden fallar por expectativas excesivas, problemas técnicos o falta de adopción. Una investigación de RAND basada en entrevistas a 65 profesionales identificó, entre otras dificultades, problemas mal definidos y carencias de datos e infraestructura. El estudio se centró en proyectos de aprendizaje automático y excluyó el mero uso de modelos preentrenados mediante prompts.
El título de este artículo apunta a una causa sobre la que podemos actuar: la distancia entre lo que la organización ha aprendido y lo que pone a disposición de su IA.
Los documentos imperfectos pueden conservar una experiencia irrepetible
La documentación suele posponerse hasta encontrar tiempo para hacerla bien. Mientras tanto, se pierde el detalle. Meses después recordamos que una decisión funcionó, pero cuesta reconstruir por qué la tomamos y bajo qué condiciones.
Una nota escrita al terminar una reunión puede conservar ese razonamiento. Un documento incompleto puede recoger una advertencia que nunca apareció en el procedimiento oficial. Incluso una versión antigua sirve para entender cómo ha evolucionado una decisión.
La IA permite explorar ese material con nuevas posibilidades: localizar referencias relacionadas, comparar versiones o preparar una síntesis que una persona revisará. Lo que antes exigía abrir decenas de archivos puede resultar más accesible si el sistema recupera bien las fuentes.
Esto no convierte cualquier documento en una verdad vigente. Una propuesta descartada debe seguir identificada como propuesta. Una tarifa antigua conserva valor histórico, pero no sirve para presupuestar hoy.
Documentar de forma imperfecta puede ser el comienzo de un conocimiento útil. Después habrá que ordenar, contrastar y completar. Si no conservamos ningún rastro, quizá ya no tengamos nada sobre lo que trabajar.
Acumular conocimiento es conservar lo aprendido para poder avanzar
Un archivo crece cada vez que añadimos un documento. El conocimiento de la empresa crece cuando ese registro ayuda a comprender una situación y actuar mejor. La diferencia se aprecia al revisar un proyecto.
Podemos guardar una presentación que informa de una caída en ventas. También podemos conservar qué hipótesis investigamos, qué cambios hicimos, cuáles tuvieron efecto y qué dudas quedaron abiertas. Ese segundo registro permite al equipo siguiente continuar la investigación.
La IA puede ayudarnos a hacer esa documentación más útil. A partir del material disponible, prepara una ficha con lo ocurrido, la decisión y su resultado. También puede señalar preguntas pendientes. Corresponde a quienes participaron comprobar la reconstrucción y aportar lo que falta.
| Qué conservar | Para qué puede servir después |
|---|---|
| Situación y objetivo | Reconocer si un caso nuevo se parece al anterior |
| Decisión y motivos | Entender qué criterio se aplicó |
| Alternativas descartadas | Evitar repetir pruebas sin conocer sus antecedentes |
| Resultado y limitaciones | Valorar si la solución merece reutilizarse |
| Fecha, fuentes y responsable | Comprobar vigencia y resolver dudas |
No hace falta convertir cada conversación en un expediente. Conviene empezar por las decisiones que costaron trabajo, las incidencias que se repiten y las experiencias que solo sabe explicar una persona.
Cómo usar la IA para recoger el conocimiento de tu equipo
Hasta ahora, documentar exigía un esfuerzo adicional que competía con el trabajo urgente. La IA puede reducir parte de ese esfuerzo, siempre que el proceso incluya una revisión y termine dejando algo que otros puedan utilizar.
Entrevistar a quien sabe resolver el problema
Elige un caso reciente y pide al profesional que explique cómo lo resolvió. Con su conocimiento y autorización, puedes transcribir la conversación y utilizar la IA para organizarla, identificar pasos y preparar preguntas sobre lo que haya quedado poco claro.
Interesa recoger las señales que guiaron su decisión: qué le hizo sospechar de una causa, qué comprobó primero y en qué situación habría actuado de otra manera. Después revisa con él la ficha resultante.
Reconstruir decisiones a partir de los registros
En un proyecto, el razonamiento puede estar repartido entre correos, actas y versiones de una propuesta. Un asistente puede preparar una cronología y vincular cada decisión con sus fuentes.
Si un motivo no aparece en los documentos, debe quedar pendiente. La reconstrucción pierde valor cuando el modelo rellena los huecos con una explicación plausible y esa explicación acaba registrada como un hecho.
Convertir una incidencia en un caso reutilizable
Al resolver un problema, utiliza el registro para preparar una ficha breve: qué ocurrió, qué se comprobó, qué solución se aplicó y cómo se verificó el resultado. Incluye las condiciones que limitarían su uso en otro caso.
La ficha validada puede alimentar un procedimiento o ayudar a un compañero. También puede convertirse en una fuente para el asistente que apoye al equipo en futuras incidencias.
Revisar el archivo que ya tienes
Antes de pedir a todos que documenten de nuevo su trabajo, revisa lo que existe. La IA puede ayudar a proponer agrupaciones, localizar duplicados y comparar instrucciones que parecen contradictorias. Hay que comprobar esas propuestas antes de eliminar o consolidar material.
Clasificar un documento como histórico permite conservarlo sin confundirlo con una instrucción actual. A veces explicar cómo cambió una regla resulta tan útil como disponer de su última versión.
Cómo poner ese conocimiento a disposición de la IA
Conservar experiencia y conseguir que un asistente la utilice bien son trabajos relacionados. Una carpeta ordenada ayuda, pero el sistema necesita recuperar las fuentes pertinentes y aplicar los permisos de quien está haciendo la consulta.
La recuperación aumentada por generación, o RAG, permite buscar material y entregárselo al modelo al preparar una respuesta. El trabajo de Lewis y sus coautores es una referencia fundacional de este enfoque. Consultar documentación mediante RAG no equivale a entrenar el modelo con ella.
Para precios, disponibilidad o estados que cambian continuamente, suele ser más apropiado consultar la aplicación que mantiene esos datos. Para conocer la razón de una decisión, puede resultar útil recuperar su registro y los casos relacionados.
La documentación necesita fecha, procedencia y alcance. El sistema también debe poder reconocer cuándo no dispone de una fuente suficiente y pedir una aclaración.
Si añadimos continuidad entre tareas, habrá que decidir qué hechos conserva el asistente, cómo actualiza los cambios y qué deja de utilizar. Desarrollamos estas decisiones en nuestra guía de memoria para agentes de IA y RAG.
La prueba es si el siguiente equipo trabaja mejor
El número de documentos almacenados dice poco sobre el aprendizaje. Una prueba más útil consiste en observar qué ocurre cuando otra persona se enfrenta a un problema parecido: si encuentra el antecedente, entiende sus límites y evita repetir un error conocido.
Existe evidencia de que la IA puede facilitar la transferencia de experiencia. El estudio Generative AI at Work, publicado en 2025, analizó un asistente utilizado por 5.172 agentes de atención al cliente. Encontró un aumento medio del 15 % en casos resueltos por hora, con mayores beneficios entre trabajadores menos experimentados. Los autores aportan indicios de difusión de prácticas de los agentes más productivos.
El resultado corresponde a ese entorno y no establece una mejora universal. En tu empresa puedes comprobar si disminuyen las consultas repetidas, cuánto tarda un nuevo compañero en resolver determinados casos y qué correcciones siguen siendo necesarias.
Revisa también las respuestas incorrectas. A veces revelan que el sistema recupera mal la información; otras, que la empresa todavía no ha definido un criterio compartido.
Empieza por lo que tu empresa ya ha aprendido
Mi recomendación es elegir un proceso y reunir su historia: instrucciones, decisiones y casos que ayuden a entenderlo. Pide a quienes lo conocen que identifiquen lo vigente y expliquen las excepciones. Después prueba si un asistente puede ayudar a otra persona a resolver una tarea concreta con ese material.
Cada error detectado debe dejar una corrección validada. Cada cambio relevante necesita actualizar la fuente correspondiente. Así el proyecto puede mejorar el trabajo cotidiano y, al mismo tiempo, ayudar a conservar lo que vamos aprendiendo.
Durante años, documentar parecía una tarea cuyo beneficio llegaría más adelante. Ahora puedo utilizar aquel trabajo de formas que entonces no tenía a mi alcance. La IA me ayuda a recuperar experiencia que ya habíamos pagado y que seguía allí, esperando ser útil otra vez.
El conocimiento que conservas hoy puede evitar que mañana tu empresa tenga que aprender lo mismo de nuevo.
Si quieres aprender a dirigir proyectos que conecten IA, conocimiento y procesos de negocio, puedes consultar el Postgrado en AI Strategy: Gestión e Implementación de Inteligencia Artificial de IEBS.