“Si no eres capaz de incorporar el conocimiento tácito de tu empresa en un modelo que controlas, por definición no tienes soberanía” Satya Nadella, CEO de Microsoft.
Tu empresa ha comprado licencias, ha hecho pilotos, ha formado a las personas y puede que incluso haya creado un comité de IA. Pero la IA sigue sin cambiar el negocio y no porque el modelo sea torpe sino porque la IA conoce el mundo, pero no conoce tu empresa.
Mark Zuckerberg, CEO de META declaraba que “cada empresa tendrá su propia IA”, algo de lo que hablamos hace ya 1 año en los 2 artículos sobre “La IA de tu empresa”. Las tres razones por las que tu IA no está entregando los resultados esperados son simples: 1. Todo el mundo está convencido de que la IA funciona con datos y no con conocimiento y confunde ambos términos con consecuencias graves. 2 El conocimiento crítico sigue en las cabezas de las personas y la IA no lo puede acceder. 3. Es obligatoria una IA actualizada y para eso tu empresa necesita un sistema de aprendizaje robusto. A continuación, te desarrollo esas tres razones que explican por qué la IA en tu organización no funciona.
Primera. La estamos alimentando con datos e información, cuando para funcionar de verdad, la IA necesita conocimiento, igual que las personas. El problema es que las organizaciones siguen confundiendo conocimiento con datos o información y no son lo mismo. Datos son registros en bruto de algo que ya ocurrió. Información son esos datos ordenados para mostrar un patrón que permita entenderlo (qué ocurrió, dónde, cuándo, cuánto o con qué frecuencia). Conocimiento, en cambio, es la capacidad de decidir y actuar que surge cuando esa información se interpreta con contexto, experiencia y juicio. Y justo ahí reside la trampa: En las empresas hay toneladas de datos y una abundancia obscena de documentos repletos de información, pero una escasez alarmante de conocimiento reutilizable por la IA. Una organización puede estar llena de informes y seguir siendo pobre en conocimiento. Puede producir mucha información y, aun así, tomar malas decisiones. Los datos dicen qué pasó, la información ayuda a entenderlo, el conocimiento permite decidir qué hacer y las empresas nunca han gestionado conocimiento de forma consciente. Por eso la IA no funciona, aunque tengas muchos datos.
Segundo. Las organizaciones no saben cuál es su conocimiento crítico porque nunca se hicieron esa pregunta en serio. Y cuando empiezan a hacérsela descubren algo todavía más preocupante: la mayoría de ese conocimiento reside en la mente, en la experiencia y en las conversaciones de sus colaboradores. Muchas de esas personas ya se marcharon, así que ese conocimiento se perdió con ellas. Y el que sigue vivo, por lo general no está sistematizado, no se encuentra disponible y ni siquiera está identificado. La IA no te puede leer los pensamientos. Si el conocimiento no está capturado y documentado, la IA no lo puede reutilizar. Igual que una persona no puede ayudarte con algo que no conoce, una IA tampoco puede responder sobre aquello que nunca se le ha entregado. Una empresa industrial puede tener miles de partes de mantenimiento, manuales, procedimientos, informes de incidencias y registros de producción. Todo eso son datos e información, pero el conocimiento sigue en el técnico que sabe que esa máquina falla cuando cambia la humedad, que conviene llamar a cierto proveedor antes de tocar una pieza, o que el procedimiento oficial funciona excepto en tres casos que nunca quedaron escritos. Si ese conocimiento no se captura, la IA leerá documentos, pero no entenderá los entresijos del negocio. Eso sí, la IA nos ayuda a encontrar conocimiento que antes resultaba casi imposible descubrir, nos facilita capturarlo sin que el peso del trabajo siga recayendo en los expertos, nos impulsa a compartirlo y reutilizarlo y nos permite descubrir conexiones y relaciones que los humanos no vemos. Pero sin el conocimiento crítico, la IA no puede ayudarte como esperas, aunque tengas los mejores modelos.
Tercero. No somos conscientes de que el conocimiento que alimenta la IA tiene fecha de caducidad. Y para que siga siendo útil, hay que actualizarlo permanentemente. Hay conocimientos que duran años y otros que envejecen en semanas. Por eso no basta con capturarlo una vez. Hace falta un sistema que lo revise, retire lo obsoleto, capture permanentemente los nuevos aprendizajes y mantenga viva la confianza en las respuestas que ofrece la IA. Sin ese ciclo, la empresa acaba teniendo una IA veloz, pero con conocimiento caducado. Y una respuesta errónea dada con gran seguridad sigue siendo una mala respuesta. La IA podría convertirse en la excusa perfecta para, por fin, implementar la cultura de aprendizaje en la organización como escribimos el año pasado en Cómo hacer que tu empresa aprenda: 8 momentos Necesitas tener en cuenta que la IA envejece más rápido que el conocimiento humano si no hay aprendizaje.
La IA no funciona sin gestión del conocimiento. Claro que puede responder sin gestión del conocimiento, pero no aportará valor diferencial sobre tu negocio. Si el LLM es el motor, el combustible principal no son los datos sino el conocimiento. Y si le entregas un combustible pobre, el resultado será raquítico. El problema no es que la IA sea torpe, sino que le estamos pidiendo que haga milagros con una dieta de “baja calidad nutricional”. Por eso la IA no puede ayudar de verdad a tu negocio si no conoce tu negocio en primer lugar. Los grandes modelos ChatGPT, Claude, Gemini, etc. están entrenados con conocimiento masivo y genérico del mundo. Pero no incluyen el conocimiento específico de tu empresa: tus clientes, tus proyectos, tus criterios, tus aprendizajes, tus excepciones, tus errores, tus maneras de resolver problemas. Les falta la última milla que es donde te lo juegas todo. Y esa última milla no se puede comprar, sino que la tienes que construir. Hasta el momento, a la IA le estamos entregando datos e información respecto de las tareas, pero el conocimiento mayoritariamente sigue en las cabezas de las personas. Por eso, McKinsey afirma que las tecnologías que tenemos podrían automatizar teóricamente alrededor del 57% de las horas de trabajo actuales en Estados Unidos en 2025 pero no las hará mientras el conocimiento siga en las personas.
No olvidemos que gran parte del presupuesto y del tiempo invertido en desarrollar la IA generativa se dedicó a trasladar conocimiento a los modelos para que hagan lo que hacen. Miles de personas entrenando modelos de IA y por eso ya gestionan el conocimiento, pero gestionan un conocimiento masivo, genérico, pero no el tuyo. Si la materia prima de la que está hecha la IA es el conocimiento, entonces la gestión del conocimiento no es una opción, sino que es un prerrequisito de la IA. De lo contrario, estás construyendo un edificio costosísimo que no tiene cimientos. Muchas empresas están invirtiendo primero en licencias, pilotos y cursos, antes de responder la pregunta verdaderamente estratégica: ¿qué conocimiento crítico tenemos, dónde está, en qué estado se encuentra y cómo se lo vamos a entregar a la IA?
Una IA que no funciona es más un problema de un débil sistema de gestión del conocimiento que culpa del modelo, del proveedor tecnológico o del usuario. Nos gusta pensar que el fallo está en la herramienta porque de esa forma nos liberamos de la responsabilidad, pero la IA nos devuelve el desorden que ya teníamos dentro. La calidad del conocimiento que “entra“ determina la calidad de lo que la IA es capaz de hacer. Las organizaciones invierten enormes recursos en recopilar, almacenar y procesar datos. Construyen paneles de control, indicadores, estudios y bibliotecas de contenido. Pero eso no garantiza comprensión, mejores decisiones ni acción. De hecho, muchas empresas se quedan atascadas ahí: en el reporte. Generan análisis, revisan métricas, pero no avanzan hacia mejores decisiones ni hacia cambios reales de comportamiento.
El problema de fondo es que se sobreestima la madurez propia. Se asume que, porque hay datos y se elaboran informes también se está produciendo aprendizaje organizativo. Pero el camino es otro: hay que convertir datos e información en conocimiento que permita tomar mejores decisiones para lograr mejores resultados. Y la debilidad en cualquiera de esos pasos rompe la cadena. Si no conviertes la información en conocimiento crítico, no llegas a decisiones consistentes. Y si no llegas a decisiones sólidas, los resultados no aparecen, por mucha “calidad” que tengan los documentos y por muchas promesas que hagan los planes. La IA hace evidentes las consecuencias de no gestionar adecuadamente la gestión del conocimiento.
Pero no podemos obviar un aspecto clave. El éxito de la IA de la empresa es un trabajo conjunto. La IA propone y las personas complementamos con nuestro conocimiento. La IA puede acelerar el acceso, la síntesis, el análisis, la comparación y la redacción. Ayuda muchísimo pero todavía no elimina la necesidad de juicio humano, especialmente cuando entran en juego ambigüedad, excepciones, riesgos, subjetividades y consecuencias estratégicas. Son situaciones donde pesa el criterio, hay que equilibrar riesgos, leer matices, interpretar excepciones, priorizar bajo incertidumbre o valorar impactos humanos y reputacionales. Y ahí las personas seguimos siendo insustituibles siempre que tengamos el conocimiento para hacerlo…
La IA no fracasa porque sea inmadura sino porque las organizaciones nunca se tomaron en serio su conocimiento. Y ahora la IA ya no les permite esconderlo. La IA no va a ordenar por ti el conocimiento que tu empresa nunca se tomó en serio. Lo va a hacer visible y esa es una oportunidad enorme. Porque la IA será la coartada que las organizaciones necesitaban para hacerse, por fin, la pregunta que llevan años esquivando: ¿qué sabemos realmente y qué necesitamos aprender? En la columna del próximo mes abordaré qué tiene que hacer una empresa para abordar esas tres razones y empezar a construir una IA que no solo responda, sino que conozca de verdad el negocio.
– Los días 18 de mayo en Sevilla, 19 en Barcelona, 20 en Manresa, 21 en Pamplona, 27 en Toledo y 3 de junio en Madrid impartiremos la conferencia “Aprendizaje en un mundo de personas y organizaciones inteligentes“ durante el lanzamiento del programa Dinamiza de Caixabank
– Los días 6, 13, 20 y 27 de mayo impartiremos el curso virtual “Comunidades de Práctica: nadie sabe más que todos juntos” organizado por Abra y Otic Sofofa
– El día 13 de mayo en Madrid impartiremos la sesión “Una organización inteligente es una organización que aprende” para Vistage
– El 15 de mayo en San Sebastián impartiremos la conferencia “El juego va a cambiar: conocimiento, IA y aprendizaje“ en el marco de la asamblea general de Asle 2026
– El 22 de mayo en Rentería, participaremos en el Moodle Moot organizado por Tknika con la conferencia “La empresa que no aprende desaparece”
