La gestión del conocimiento de Nonaka y Takeuchi en tiempos de IA (III)

Anteriormente en esta serie:

1. Lo que permanece y lo que cambia ante las lógicas extractivistas
2. El conocimiento tácito: humano por esencia

Esta tercera entrega de nuestra serie pretende mostrar cómo la IA puede ayudar a movilizar lo que las personas de una organización saben, siempre siguiendo la idea de Nonaka y Takeuchi de distinguir entre conocimiento tácito y explícito. Por cierto, vía LinkedIn me preguntaban si hablamos de IA o, específicamente de IA generativa. Ya sabéis, el matiz tiene que ver con solo «predecir» o con «crear». Pues bien, en el caso que vamos a analizar creo que andamos a medias entre ambos conceptos. Ya veremos por qué.

Cualquier organización está obligada a documentar lo que sabe porque necesita que el conocimiento que poseen sus personas sea transferible a otras. Y ahí, sin embargo, se genera la paradoja del conocimiento: debe ser almacenable, pero al mismo tiempo debe fluir. Almacenar «o» fluir, ponte de acuerdo, ¿no? Venga, vamos con lo verdaderamente deseable: almacenar «y» fluir¹Conste que mi experiencia es que las organizaciones, en general, están mucho más preocupadas por el almacenaje y creo que deberían desplazar más interés hacia el flujo. Fluir y almacenar son, ambas, condiciones necesarias. Pero lo que al final importa es que el conocimiento fluya..

Ya que el conocimiento lo poseen las personas (admitimos matices), tenemos la suerte de que, esta vez sí, todo comienza poniéndolas en el centro. Soy consciente de que estas frases hechas –poner a las personas en el centro– corren el riesgo de no decir absolutamente nada. Quedan bonitas para el titular, pero cuando no concuerdan con los hechos, el efecto boomerang es desgarrador: se pierde la confianza. Y sin confianza es casi imposible consolidar proyectos y relaciones entre las distintas partes de una organización.

Si las personas están en el centro, vamos a comenzar por algo muy sencillo: que hablen, que conversen entre ellas. Frente al lenguaje hablado de las máquinas, aquí hace falta ser radicales y dejarlas a un lado. No queremos interactuar con su lenguaje. Supongamos que queremos mejorar la forma en que llevamos a cabo las ofertas. Pues bien, vamos a pedir, por ejemplo, a dos personas que hablen sobre su experiencia a la hora de ofertar. Así de simple. Elijo este ejemplo porque estoy trabajando precisamente en un proyecto que tiene que ver con mejorar la manera en que una empresa del sector de automoción lleva a cabo sus ofertas. A nadie se le escapa que la entrada de pedidos depende de la calidad de las ofertas. Nos estamos jugando la sostenibilidad económica de la empresa.

Aunque planteamos como punto de partida una simple conversación entre dos personas, conviene, no obstante, hacerse algunas preguntas previas. La forma en que respondamos condiciona el resultado que se pueda conseguir.

• ¿Saben (son personas expertas) en torno a cómo hacer las ofertas o simplemente saben que las hacen y pueden narrar episodios de los que cuales podemos aprender?
• ¿Quieren contar lo que saben?, ¿tienen incentivos para hacerlo?, ¿qué ganan y pierden al contar lo que saben?
• ¿Pueden contar lo que saben?, ¿disponen del tiempo, el contexto y la seguridad necesaria para poder hacerlo?
• ¿Saben contar lo que saben?, ¿son capaces de explicarse lo suficientemente bien para que podamos aprender de su discurso?
• Cuando no saben de algo en concreto, ¿saben a quién acudir para preguntar y obtener respuestas de calidad?
• Durante la conversación, ¿van a disponer de soportes para consultar dudas? Si es así, ¿qué tipo de soportes?, ¿documentos en papel o acceso a repositorios digitales?

Formulo estas preguntas porque necesitamos buenas conversaciones. Es la materia prima que vamos a intentar transformar –con ayuda de la IA– y es obvio que la calidad de entrada correlaciona con la calidad de salida. Conviene también disponer de un guion para repasar temas relevantes en torno a la oferta. Aplica aquello de que «el que mucho abarca, poco aprieta». Mejor centrar la conversación en ámbitos concretos e ir uno por uno. Estamos buscando cierta profundidad en el diálogo, queremos hurgar en conocimientos relevantes que normalmente viajan a través de las neuronas de quienes intervienen.

Lo que proponemos es crear un cuaderno, por ejemplo con NotebookLM de Google, para volcar ahí material de diverso tipo. Pensamos en NotebookLM para que la IA no alucine, esto es, para que coloque el foco exclusivamente en los materiales que le vamos a proporcionar. A diferencia de los chatbots genéricos, no va a intentar «saberlo todo» sobre el tema en cuestión, sino que se especializa en extraer valor a partir de lo que aportemos. De esta forma levantamos un perímetro de seguridad alrededor de nuestro contenido. Emplea lo que se duele denominar como source grounded (anclaje en la fuente). La IA solo va a responder basándose en nuestros documentos específicos, sean estos PDFs, documentos de Google, audios, vídeos o imágenes. Además, en sus respuestas incluirá citas directas y fragmentos exactos para que cada dato sea verificable.

NotebookLM, en principio, garantiza que el conocimiento explícito de tu organización permanezca en cierto modo aislado y protegido para este paso inicial. La síntesis multiformato que aplica a los contenidos nos debe permitir que conectemos puntos entre diferentes silos de información.

Si nos vamos al caso de las ofertas, una experiencia piloto podría contener inputs de este estilo:

• Documentos del sistema de calidad: un proceso, si lo hay, de ofertas, con instrucciones, procedimientos, hojas de trabajo u otros documentos asociados.
• Ejemplos de ofertas que han resultado exitosas y otras que el cliente no nos aprobó.
• Requerimientos de los clientes en sus portales web.
• Si las tuviéramos, ejemplos de ofertas de la competencia.
• Notas (incluso tomadas a mano) sobre distintos aspectos relacionados con las ofertas.
• Audios de grabaciones de reuniones del equipo de ofertas cuando está trabajando en torno a la confección de ofertas.
• Audios de conversaciones como las que se proponían antes entre personas expertas que discuten aspectos concretos de la oferta. Estos aspectos deben listarse a modo de guion: implicaciones económicas, características de nuestros clientes respecto a lo que valoran en una oferta, tecnologías críticas o grado de coherencia con clientes, productos y aplicaciones específicas, por ejemplo.

Lógicamente, la lista puede y debe ampliarse. No me cansaré de repetirlo: la calidad de lo que obtengamos guardará una relación directa con la calidad (y cantidad) de lo que incluyamos como materia prima.

Pero, claro, desde la perspectiva de Nonaka y Takeuchi, la gracia del asunto tiene que ver con la forma en que movemos este conocimiento. Pues bien, esta es una de las buenas noticias de la IA. Una de las funciones más disruptivas para el aprendizaje corporativo puede ser la puerta que se abre a una nueva interacción con este conocimiento en bruto. Podemos conversar a través del típico chat que ya se ha hecho tan familiar. Pero no solo eso, sino que NotebookLM nos proporciona un conjunto de funcionalidades para obtener diferentes outputs. El conocimiento explícito se redefine.

Por ejemplo, el audio que genera NotebookLM puede transformar documentos densos en un pódcast donde dos voces discuten los puntos clave y permiten acercar políticas complejas o manuales técnicos a quien necesita el conocimiento ¡para preparar la mejor oferta posible! A diferencia de una bibliotecaria que ha leído todo internet, NotebookLM actúa como una especie de consultor/a experto/a que solo conoce lo que le pasamos. Así, garantiza una precisión suficiente y hace que la IA sea confiable. Al comparar esta herramienta con los chatbots tradicionales, aquí no hace falta programar APIs complejas, sino simplemente aportarle materia prima de nuestra organización.

El caso del audio es solo una de las nueve funcionales estándar que ofrece a día de hoy NotebookLM. Su ecosistema completo incluye actualmente –al menos en la versión de Google Workspace Business Standard que yo manejo– las siguientes:

1. Resumen de audio
Crea una conversación dinámica entre dos voces de IA que debaten y explican los puntos clave de tus fuentes. Ideal para absorber información compleja de forma auditiva, como si escucharas un podcast especializado en tus propios documentos.

2. Resumen de video
Analiza el contenido de archivos de video o enlaces de YouTube cargados para generar una síntesis escrita de lo más relevante. Ahorra tiempo al extraer conceptos clave de seminarios web, reuniones grabadas o tutoriales sin tener que ver el metraje completo.

3. Mapa mental
Organiza los conceptos extraídos de tus fuentes en una estructura jerárquica y visual que muestra cómo se relacionan entre sí. Ayuda a visualizar la arquitectura de un proyecto o la conexión entre distintos temas de estudio de manera no lineal.

4. Informes
Genera documentos estructurados y detallados (como reportes de estado o análisis profundos) basados en la información recopilada. Facilita la creación de entregables profesionales listos para ser compartidos con otros departamentos o clientes.

5. Tarjetas didácticas (Flashcards)
Crea pares de pregunta-respuesta o concepto-definición diseñados para la memorización activa. Es la herramienta perfecta para el entrenamiento técnico de empleados o para repasar términos específicos antes de un examen o certificación.

6. Cuestionario
Produce una serie de preguntas (normalmente de opción múltiple o desarrollo) para evaluar la comprensión del material. Permite verificar si el conocimiento ha sido adquirido correctamente por el equipo después de leer manuales o políticas.

7. Infografía
Sintetiza los datos y procesos en un esquema visualmente atractivo que destaca las estadísticas o pasos más importantes. Para comunicar información densa de forma rápida y visual en presentaciones internas o tableros de anuncios.

8. Presentación
Crea un esquema detallado o guion estructurado por diapositivas basado fielmente en el contenido de tus documentos. Reduce drásticamente el tiempo de preparación de una exposición, asegurando que no se quede fuera ningún punto crítico del material original.

9. Tabla de datos
Extrae cifras, métricas o categorías dispersas en tus documentos y las organiza en filas y columnas claras. Facilita la comparación de datos y el análisis cuantitativo que de otro modo estaría oculto en párrafos de texto.

Como quizá ya puedas adivinar, esto nos da mucho juego, ¿verdad? En siguientes artículos lo iremos desglosando. Continuará…

• 1
  Conste que mi experiencia es que las organizaciones, en general, están mucho más preocupadas por el almacenaje y creo que deberían desplazar más interés hacia el flujo. Fluir y almacenar son, ambas, condiciones necesarias. Pero lo que al final importa es que el conocimiento fluya.