Lo que la IA no sabe: el conocimiento que las empresas nunca escribieron

Toda organización guarda una parte de lo que sabe en manuales, procedimientos y bases de datos. Otra parte vive en la experiencia de las personas que llevan años haciendo su trabajo y nunca se ha puesto por escrito. Esa es la parte que la IA no conoce, porque no ha estado en ningún documento. La IA generativa facilita el trabajo con los documentos, pero ¿qué puede hacer con lo que nadie ha documentado?

Shaking HUB lanza el sexto episodio de Shaking Talks by MONDRAGON, titulado «IA y conocimiento: ¿cómo conservar lo que nunca hemos escrito?». Plantea cómo conservar y aprovechar ese conocimiento, y qué necesita una empresa para que la IA aporte valor real.

En este episodio, María Ruiz conversa con Iñaki Suárez, director de Tecnología de BAIC, el centro vasco de inteligencia artificial, y con Ibai Laña, docente e investigador de Mondragon Unibertsitatea. Una conversación que combina la visión del ecosistema empresarial de Euskadi con la mirada de la investigación sobre gestión del conocimiento.

Una IA con la que se puede hablar

Iñaki Suárez parte de una distinción que ayuda a ordenar el ruido que rodea a la inteligencia artificial. La IA clásica ya tiene presencia en sectores como la manufactura, la energía o la salud, donde aprende de los datos para optimizar procesos. La generativa, basada en la arquitectura transformers, trabaja con texto, imágenes, vídeo, audio y código. Se ha entrenado con enormes conjuntos de datos, en buena parte información no estructurada: noticias, PDF y documentos de todo tipo.

Según explica, el cambio más profundo está en cómo interactuamos con estos sistemas. Antes, los sistemas los programaban ingenieros en un laboratorio. Ahora se les puede hablar en lenguaje natural, lo que abre la puerta a perfiles que hasta hace poco quedaban fuera. Y todavía estamos aprendiendo a usar bien esta tecnología.

Lo que está en los manuales y lo que no

Ibai Laña introduce la distinción central del episodio. Por un lado está el conocimiento que una organización ya tiene escrito, en documentos y bases de datos. Por otro, el que poseen las personas con experiencia y nunca ha sido formalizado.

Para explicarlo recurre a una receta de lentejas. Puede detallar cantidades, procedimiento, temperatura y tiempos, y aun así el plato que sale de seguirla al pie de la letra no es igual al que prepara alguien con experiencia. Ese conocimiento se transmite de persona a persona, aprendiendo y practicando.

Con los documentos, la IA generativa lo tiene más fácil: puede gestionarlos, resumirlos y relacionarlos. Con la información estructurada, como tablas o bases de datos, hace falta un paso previo para convertirla en un formato que estos sistemas puedan trabajar. Lo difícil es lo que no está en ningún archivo.

Cómo capturar lo que nadie ha escrito

La pregunta de fondo es si se puede conservar lo que no está escrito. Ibai Laña señala que existen técnicas de captura de conocimiento, como las entrevistas estructuradas o las encuestas, y que las herramientas de IA pueden ayudar a diseñarlas y a plantear su dinámica.

Estas herramientas actúan como catalizadores dentro de un proceso en el que participan las personas. El sector industrial aparece en la conversación como uno de los entornos donde más importa conservar el conocimiento de quienes trabajan con las máquinas.

Un ecosistema completo, con retos de adopción

Sobre la situación en Euskadi, Iñaki Suárez presenta la IA como una palanca para mantener la competitividad de las empresas. Describe un ecosistema con agentes en toda la cadena: centros de investigación científico-tecnológicos, formación doctoral, transferencia de tecnología, empresas que implantan soluciones y empresas usuarias. Añade que se trata de una tecnología transversal, que afecta a todos los sectores y también a la administración pública.

Las empresas muestran entusiasmo, pero los retos aparecen pronto. Para Suárez, no son solo tecnológicos: tienen que ver con las personas y con los datos.

Datos, personas y reglas: lo que la tecnología no resuelve sola

Entre los obstáculos, el episodio destaca primero la sensibilización y la formación de las personas que trabajan con estas herramientas. Después, los datos. Cuando una empresa lanza un piloto, reunir los datos necesarios puede llevar meses y encarecer el proyecto. Contar con una estrategia de datos y un buen gobierno, con datos interoperables que se puedan reutilizar, evita repetir ese esfuerzo. La conversación lo resume con una analogía: el modelo de IA es el motor y los datos son el combustible.

A esto se suman los requisitos regulatorios. El Reglamento de Inteligencia Artificial entra en una segunda etapa y obliga a determinadas empresas a cumplir exigencias para los sistemas de alto riesgo. Y están las alucinaciones: la IA también se equivoca, y es un riesgo real que hay que gestionar. El objetivo, apunta la conversación, es que estos sistemas tengan un impacto positivo tanto en la empresa como en la sociedad.

Del piloto a la estrategia

El episodio propone empezar por el problema empresarial y no por la herramienta. Primero hay que identificar qué se quiere resolver y revisar qué datos y qué gobernanza se necesitan. Después, los pilotos deben integrarse y escalarse dentro de la estrategia global de la organización, sin quedarse en el trabajo de un departamento de cinco personas.

Como ejemplo de aplicación, la conversación recoge un caso vinculado a un datatón en Euskadi con participación de empresas. Con los datos de huella de carbono de una organización, la tecnología permite hacer consultas en lenguaje natural y optimizar rutas de transporte logístico para reducir el impacto ambiental.

El conocimiento también son las personas

La conclusión del episodio es que incorporar herramientas no basta. Hace falta método, datos de calidad y confianza, con las personas en el centro. Porque el conocimiento de una organización no está solo en manuales, documentos y bases de datos, sino también en la experiencia de quienes forman parte de ella.

🎙️ Ya puedes escuchar el episodio completo, «IA y conocimiento: ¿cómo conservar lo que nunca hemos escrito?», y descubrir cómo la IA puede ayudar a conservar el conocimiento que nunca llegó a escribirse.