La AI corporativa se topó con un problema: el conocimiento sobre el trabajo existe solo en la cabeza de las personas

Las empresas invierten miles de millones en IA corporativa, pero enfrentan un problema fundamental: la mayoría del conocimiento sobre cómo funciona realmente el trabajo no vive en bases de datos y documentos, sino en las mentes de los empleados. Y extraer ese conocimiento es mucho más difícil de lo que parece.

Conocimiento invisible de la empresa

Los sistemas corporativos formales — CRM, ERP, Jira, Confluence — capturan resultados y procesos formales. Pero casi nunca capturan lo que realmente importa: cómo exactamente un gerente experimentado resolvió un asunto controvertido con un cliente clave, por qué un equipo ha eludido un cuello de botella en el pipeline de exactamente esta manera durante años, qué matices son cruciales al trabajar con un socio específico. Este fenómeno se llama "conocimiento tácito" — un término introducido por el filósofo Michael Polanyi.

Su esencia: un experto a menudo no puede explicar por qué toma una decisión particular — simplemente lo sabe. Un cocinero experimentado entiende al tacto cuándo la masa está lista. Un abogado experimentado ve instantáneamente una cláusula problemática en un contrato.

La IA sin tal contexto permanece ciega independientemente de cuán poderosa sea su arquitectura.

Por qué esto es difícil de digitalizar

La IA corporativa enfrenta este problema desde varios ángulos:

• Articulación: los empleados a menudo no pueden describir lo que hacen — actúan por intuición desarrollada durante años
• Volatilidad: el conocimiento informal se actualiza constantemente bajo la influencia de nuevos eventos, mientras que la documentación se queda atrás
• Incentivos: un empleado no tiene motivación directa para explicar exactamente cómo trabaja — es su ventaja competitiva dentro de la empresa
• Contexto: la misma regla funciona de manera completamente diferente dependiendo del cliente, plazo y composición del equipo
• Escala: en una organización grande, existen miles de portadores de conocimiento único, y cada uno tiene su propia versión de los mismos procesos

Incluso un modelo de lenguaje poderoso entrenado en documentos oficiales de la empresa dará consejos que funcionan en papel pero divergen de la realidad. Esto es lo que Bloomberg llama el principal desafío no resuelto de la IA corporativa hoy.

Lo que las empresas ya están intentando

Varios enfoques están ganando tracción. Algunas empresas lanzan programas de "minería de conocimiento" — series de entrevistas estructuradas con expertos clave, cuyas grabaciones se utilizan luego para ajuste fino de modelos internos o poblamiento de bases de conocimiento corporativo. Laborioso, pero proporciona alta calidad.

Otros implementan herramientas de minería de procesos: analizan automáticamente registros de sistemas ERP y CRM y reconstruyen procesos de trabajo reales — lo que realmente sucede, no lo que está escrito en los reglamentos. La brecha entre ellos puede ser sorprendente.

Finalmente, ha surgido una clase completa de software — "sombras" de IA, que observan las acciones de un empleado en segundo plano y gradualmente construyen un modelo de su comportamiento. Esto plantea preguntas serias sobre privacidad y derechos de propiedad del conocimiento acumulado por una persona durante años de trabajo.

"El verdadero desafío no es entrenar un modelo con datos de la empresa.

El desafío es primero extraer esos datos de las personas."

Lo que esto significa

La IA corporativa está limitada no tanto por tecnología como por antropología organizacional. Las empresas que aprendan a extraer y digitalizar sistemáticamente el conocimiento informal de sus empleados obtendrán una ventaja competitiva real — no de modelos más inteligentes, sino de mejores datos sobre cómo funciona realmente su negocio. Esto desplaza la competencia de la pregunta "cuya IA es más poderosa" a "quién se conoce mejor".