Una de las cosas que me obsesiona desde que tengo uso de razón profesional es la gestión del conocimiento. Es una de esas hebras invisibles que sostiene todo lo que he hecho: desde los tiempos analógicos en que estudiaba mi doctorado y me dedicaba a la investigación científica, hasta la gestión de equipos de desarrollo de software en la que ando metido a día de hoy.
Para mí, es casi una obligación moral. Si el objetivo es el progreso de la humanidad, el único camino transitable es ampliar el conocimiento del que disponemos para continuar avanzando.
Pero el conocimiento, si no está en su contexto, deviene fácilmente en ruido.
Siempre he pensado que un blog necesita una pedia que lo ordene. Un rincón donde ir destilando conceptos y acunándolos en su propio caldo de cultivo. Es ahí donde hace ya muchos años nació en mi web el concepto de tabletización, cuando Apple y Google redefinían cómo nos relacionábamos con la tecnología. Y es ahí donde, ahora que vivimos la gran transformación de los LLM, sigo añadiendo notas como la reciente sobre la brecha de supervisión.
Todo esto lo cuento para ilustrar que soy muy de comerme mi propia comida de perro. Defiendo la gestión del conocimiento porque creo en ella con fiereza.
El segundo cerebro y la consistencia personal
Hablemos de cómo aprovechar la actual generación de herramientas de IA para gestionar lo que sabemos. El terreno se divide en dos escenarios básicos: tu sistema personal y el que compartes con tu equipo. Semejantes en la superficie, distintos en el fondo.
Para uso personal hay que admitir que los setup tipo segundo cerebro son imbatibles.
La idea es sencilla: un sistema en el que acumulas notas, documentos y reflexiones en bruto, y sobre el que un LLM pasa el escáner constantemente para relacionar cada nuevo pensamiento con lo que ya existía. Es una combinación potente, pero tiene truco: requiere una consistencia de hierro a la hora de tomar notas.
Sin consistencia no hay completitud. Y es esa completitud de ideas, unida al larguísimo alcance neuronal de los LLM, la que permite que emerja la magia y descubras conexiones que ni sospechabas.
Lo probé un tiempo. Es potente, sí, pero también es un pequeño dolor de muelas: el software para tomar notas por un lado, el de sincronización por otro, la API del LLM por el suyo… La idea es potente y diría que hay un hueco en el mercado para un producto que integre todo esto de forma nativa y sin fricción.
De wikis para humanos a repositorios de skills para agentes
Seguro que en tu empresa tenéis una wiki. Llámale Confluence, Notion o como quieras. Y seguro que tenéis unas directrices de uso sobre las que no pienso opinar, porque cada grupo de trabajo es un universo con sus propias leyes físicas.
Pero déjame decirte algo: si sigues tratando ese sistema como una simple web interna para ser leída exclusivamente por ojos humanos, te estás quedando muy corto.
A día de hoy, debes asumir que el principal usuario de tu wiki a medio plazo no va a tener carné de identidad. Va a ser un agente de IA.
Piensa en modo skills.
Cualquier página de tu Confluence que describa un proceso debe ser tratada como una habilidad que facilite la automatización del trabajo de tu agente. Favorece el Markdown limpio sobre el formateado complejo con macros extrañas o PDFs adjuntos. Estructura la información pensando en una máquina.
Tratar tu documentación interna como un repositorio de skills compartido tiene dos ventajas fundamentales:
- Automatización real y agéntica de procesos: Si tienes una página que detalla el welcome pack para los nuevos desarrolladores de tu equipo (entorno, repositorios, accesos OTP…), lo ideal es estructurarla como un recurso que un agente pueda consumir directamente para automatizar el setup completo de ese nuevo colega de forma autónoma.
- Consistencia (o cómo reducir la varianza entre agentes): Uno de los grandes problemas del trabajo agéntico a día de hoy es que los agentes que usamos responden ante nosotros -sus carnihuesados amos-, pero no se comunican con los agentes de nuestros compañeros de equipo.
La consistencia entre los miembros de un equipo es, ahora mismo, prácticamente inexistente. Cada uno entrena a su bot como buenamente puede.
¿Y qué mejor contexto común que toda esa documentación que ya hemos construido para dar consistencia, en primer lugar, al trabajo humano? Concebir estos sistemas sabiendo que su primer consumidor será un agente es lo que te va a ayudar a marcar la diferencia.
Este consejo sirve para cualquiera, pero es una orden de búsqueda y captura para responsables de equipos. Tu gente ya está usando LLMs para casi todo. Incentivar un repositorio de skills compartido es la forma más sencilla de asegurar que la tarea salga como se espera, independientemente de quién se ponga a los mandos del agente.
[Imágenes: Jose Alcántara usando ChatGPT.]
