La IA corporativa choca con un problema: el conocimiento sobre cómo se trabaja vive solo en la cabeza de las personas

Las empresas invierten miles de millones en IA corporativa, pero se topan con un problema fundamental: la mayor parte del conocimiento sobre cómo se trabaja de verdad no vive en bases de datos ni en documentos, sino en la cabeza de los empleados. Y extraer ese conocimiento es mucho más difícil de lo que parece.

El conocimiento invisible de la empresa

Los sistemas corporativos formales, como CRM, ERP, Jira y Confluence, registran resultados y procesos formales. Pero casi nunca capturan lo que de verdad importa: cómo resolvió exactamente un gerente con experiencia una disputa con un cliente clave, por qué un equipo lleva años sorteando un cuello de botella del pipeline de una forma concreta, qué matices son fundamentales al trabajar con un socio determinado.

Este fenómeno se conoce como «conocimiento tácito», o tacit knowledge, un término introducido por el filósofo Michael Polanyi. Su esencia: un experto a menudo no puede explicar por qué toma una decisión; simplemente lo sabe. Un cocinero experimentado sabe al tacto que la masa está lista. Un abogado con experiencia detecta al instante la cláusula problemática de un contrato. Sin ese contexto, la IA sigue ciega, por potente que sea su arquitectura.

Por qué es difícil digitalizarlo

La IA corporativa choca con este problema desde varios frentes a la vez:

• Articulación: los empleados a menudo no pueden describir lo que hacen; actúan por una intuición desarrollada durante años
• Volatilidad: el conocimiento informal se actualiza constantemente con los nuevos acontecimientos, y la documentación no logra seguirle el ritmo
• Incentivos: el empleado no tiene una motivación directa para explicar cómo trabaja exactamente, porque es su ventaja competitiva dentro de la empresa
• Contexto: una misma regla funciona de forma completamente distinta según el cliente, el plazo y la composición del equipo
• Escala: en una organización grande hay miles de portadores de conocimiento único, y cada uno tiene su propia versión de los mismos procesos

Incluso un modelo de lenguaje potente, entrenado con los documentos oficiales de la empresa, dará consejos que funcionan sobre el papel pero se alejan de la realidad. Bloomberg lo considera el principal desafío sin resolver de la IA corporativa hoy.

Qué están probando ya las empresas

Varios enfoques ganan popularidad. Algunas empresas lanzan programas de «knowledge mining»: series de entrevistas estructuradas con expertos clave, cuyas grabaciones se usan después para el fine-tuning de modelos internos o para alimentar bases de conocimiento corporativas. Es laborioso, pero ofrece alta calidad.

Otras implantan herramientas de process mining, que analizan automáticamente los registros de los sistemas ERP y CRM y reconstruyen los procesos reales: lo que ocurre de hecho, no lo que dicen los reglamentos. La diferencia entre ambos puede ser abismal.

Por último, ha surgido toda una clase de software: «sombras» de IA que observan en segundo plano las acciones del empleado y construyen poco a poco un modelo de su comportamiento. Esto plantea serias dudas sobre la privacidad y la propiedad del conocimiento que una persona ha acumulado durante años de trabajo.

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

El desafío es sacar primero esos datos de las personas».

Qué significa esto

La IA corporativa se ve limitada menos por la tecnología que por la antropología organizacional. Las empresas que aprendan a extraer y digitalizar de forma sistemática el conocimiento informal de sus empleados obtendrán una ventaja competitiva real, no por tener modelos más inteligentes, sino por tener mejores datos sobre cómo funciona de verdad su negocio. Eso desplaza la competencia de la pregunta «de quién es la IA más potente» a «quién se conoce mejor».