La gestión del conocimiento impulsada por IA es la tecnología más reciente que promete solucionar lo que treinta años de herramientas no pudieron. Pero ¿y si la tecnología nunca hubiera sido el problema?
por David Barry
- Automatizar las partes fáciles, llamándolo progreso
- La ambigüedad y la complejidad requieren juicio humano
- Las herramientas fallan porque las personas fallan. La IA no cambia eso.
- Aplicación de una IA sofisticada a prácticas deficientes de gestión del conocimiento
- La necesidad de rendición de cuentas algorítmica
- Solución al problema de la gestión del conocimiento de las personas
- Acerca del autor
La gestión del conocimiento impulsada por IA es la tecnología más reciente que promete solucionar lo que treinta años de herramientas no pudieron. Pero ¿y si la tecnología nunca hubiera sido el problema?
Las iniciativas de gestión del conocimiento han fracasado durante treinta años consecutivos. Cada nueva ola tecnológica promete solucionarlo. Las comunidades de práctica liberarían el conocimiento tácito. Los directorios de expertos conectarían a las personas con las respuestas. Las plataformas de colaboración romperían los silos. SharePoint… bueno, nadie lo creía.
Ahora llega la gestión del conocimiento impulsada por IA —lo que Cisco denomina Inteligencia Conectada— y el discurso es idéntico: el conocimiento fluye entre humanos y máquinas, las decisiones se toman a una velocidad sin precedentes y la colaboración se produce sin fricciones. La única diferencia es que esta vez la inteligencia artificial se encarga del trabajo pesado.
Si eso cambia algo depende de una pregunta que ningún proveedor quiere responder: ¿Qué pasaría si la tecnología no fuera el problema?
Automatizar las partes fáciles, llamándolo progreso
Ya nadie tiene problemas para almacenar información. Las empresas se están ahogando en ella.
“Almacenar información no es difícil. Lo difícil es mantener el contexto intacto y aprovechar la experiencia pasada cuando se toman decisiones importantes”, afirmó Yancey Sanford , director de información e investigación de MSTRO. Por eso, la gestión del conocimiento sigue fallando a pesar de las mejoras tecnológicas. Las organizaciones lo capturan todo y prácticamente nada de lo que se obtiene es útil. El contexto se evapora, la confianza se desploma y los repositorios se convierten en cementerios.
Las herramientas de gestión del conocimiento basadas en IA prometen cambiar esta dinámica. Mike Clifton , codirector ejecutivo de Alorica, describió cómo su empresa abandonó los repositorios estáticos para ofrecer un conocimiento dinámico e instantáneo a través de su plataforma Knowledge IQ. En lugar de buscar en wikis, los 100 000 empleados de Alorica reciben conocimiento contextual integrado en los flujos de trabajo de atención al cliente. La empresa informa mejoras en el tiempo de atención y la resolución en la primera llamada.
Si bien Alorica mide la reducción del tiempo de manejo, no puede medir si al reducirlo se transfirió conocimiento o simplemente se hicieron más rápidas las respuestas programadas.
Este es el problema fundamental de la medición. Alorica monitorea lo que la IA facilita: velocidad, precisión y consistencia. Lo que no se mide es lo que la IA dificulta ver: si el conocimiento realmente se transfirió, si la comprensión se profundizó y si se desarrollaron las capacidades. Las métricas mejoran mientras que la organización no aprende nada. No se trata de un error de implementación. Es el modelo de negocio.
La ambigüedad y la complejidad requieren juicio humano
Incluso esta historia de éxito revela limitaciones. «La IA no puede interpretar políticas contradictorias, comprender matices culturales ni resolver situaciones ambiguas o con mucha carga emocional», reconoce Clifton. La recuperación, el resumen, la validación y la verificación del cumplimiento pueden automatizarse. Pero la ambigüedad o la complejidad requieren criterio humano.
Esto representa una limitación permanente, afirmó Lynda Braksiek , investigadora principal de gestión del conocimiento en APQC. Su investigación demuestra que la IA gestiona tareas técnicas y operativas en la gestión del conocimiento, como clasificar contenido, mejorar la búsqueda, identificar patrones y acelerar el flujo de conocimiento. Sin embargo, no puede reemplazar los elementos estratégicos, contextuales y humanos que hacen que la gestión del conocimiento sea eficaz.
Las organizaciones de alto rendimiento aún dependen del juicio humano para identificar conocimientos importantes y relevantes y mantener las relaciones que hacen que valga la pena compartirlos .
“Estamos automatizando el trabajo mecánico mientras que los problemas realmente difíciles siguen siendo los mismos”, dijo Braksiek. “Eso no es transformación. Es teatro de eficiencia con mejores efectos especiales”.
Las herramientas fallan porque las personas fallan. La IA no cambia eso.
El intercambio de conocimiento entre pares fracasa constantemente, afirmó Shriram Natarajan , director de la firma global de investigación y asesoría tecnológica ISG. “Los casos de uso se definieron con antelación, y la implementación real pareció obstaculizar el intercambio de conocimiento. Los procesos y las herramientas obstaculizaban el proceso”.
La Inteligencia Conectada de Cisco fortalece los tres tipos de relaciones: persona a persona, persona a IA e IA a IA. Pero si el intercambio de conocimiento P2P ha sido deficiente durante décadas, integrar la IA en procesos deficientes crea procesos deficientes con mejores paneles de control.
La investigación de Braksiek también sugiere que la IA fortalece el intercambio P2P, pero solo “cuando se combina con prácticas sólidas e intencionales de gestión del conocimiento”. Sin barreras de contención, la IA debilita la conexión humana al reducir las interacciones informales o animar a las personas a ignorar a sus colegas, asumiendo que la tecnología tiene las respuestas.
La teoría parece razonable. Cuando la IA gestiona la recuperación y la detección de errores, las personas dedican tiempo al juicio, la empatía y la resolución de problemas en lugar de a la arqueología de sistemas. Los expertos asesoran y orientan en lugar de corregir errores evitables. Clifton llama a esto “construir superhumanos, no reemplazarlos”.
Aplicación de una IA sofisticada a prácticas deficientes de gestión del conocimiento
Esto es lo que nadie quiere afrontar: si Alorica necesita capacitar a 100.000 personas para trabajar junto con IA de manera efectiva, y la mayoría de las organizaciones no pueden gestionar la gestión básica de cambios, la escalabilidad se convierte en una fantasía .
“El intercambio de conocimiento entre pares ha sido difícil durante años porque depende de que las personas hagan todo lo correcto en el momento oportuno”, dijo Sanford. “Documentar lo que hicieron, actualizarlo posteriormente y recordar dónde buscarlo cuando lo necesiten de nuevo”.
«La tecnología amplifica el entorno en el que se inserta», advirtió Clifton. «Si tu cultura fomenta el intercambio de conocimientos, la IA lo acelerará. De lo contrario, la IA simplemente revelará las brechas con mayor rapidez».
Ese es el mecanismo que condena la mayoría de las implementaciones.
Las tecnologías de gestión del conocimiento con IA no solucionarán la baja calidad del conocimiento , la gobernanza deficiente, los comportamientos de propiedad compartimentados, la ambigüedad estratégica, las prioridades poco claras ni los objetivos desalineados. La investigación de Braksiek demuestra que incluso los ecosistemas de IA avanzados «no pueden resolver los desafíos arraigados en la cultura, la confianza y la disposición humana a compartir el conocimiento».
Implementar una IA sofisticada en organizaciones con una gobernanza deficiente e incentivos desalineados permite obtener un acceso más rápido a información obsoleta, una distribución más eficiente del conocimiento impreciso y un refuerzo automatizado del pensamiento aislado. La disfunción simplemente opera a la velocidad de las máquinas.
Los cambios organizacionales necesarios son sustanciales. Natarajan describió la secuencia: inversiones en digitalización, capacitación para la captura de conocimiento, gobernanza del almacenamiento y los procesos, identificación de la aplicabilidad y seguimiento del valor a lo largo del tiempo. La mayoría de las organizaciones tropiezan en el primer paso. «La IA y las herramientas de colaboración simplemente crean nuevos silos con interfaces más atractivas», afirmó Sanford.
La gestión del conocimiento impulsada por IA solo funciona cuando las herramientas facilitan el aprendizaje, las decisiones y la colaboración diaria de las personas. Esto requiere tratar el conocimiento como algo que crece a medida que la organización aprende, no como contenido estático archivado y olvidado. La tecnología facilita ese cambio. Las políticas organizacionales y los incentivos desalineados lo impiden. La IA no cambia eso.
La necesidad de rendición de cuentas algorítmica
Cuando los algoritmos se convierten en intermediarios, la rendición de cuentas se vuelve escurridiza. «La responsabilidad sigue recayendo en la organización y su gente, en particular en los equipos responsables de gestionar los procesos», afirmó Braksiek. Los algoritmos aceleran el proceso, pero «la verdadera responsabilidad recae en los líderes de gestión del conocimiento, las estructuras de gobernanza y los expertos en la materia».
Clifton describió el diseño de Alorica, con mando humano, donde cada acción de IA incluye puntuaciones de confianza, transparencia de origen y registros de auditoría. «Los algoritmos facilitan el flujo de conocimiento, pero la responsabilidad siempre recae en las personas», afirmó.
En principio, esto está bien, pero en la práctica es un desafío. Los gestores del conocimiento necesitan ahora nuevas habilidades para adquirir fluidez digital y un profundo sentido de humanidad, combinando la fluidez en IA con la facilitación, la construcción de relaciones y el liderazgo del cambio. La mayoría de las organizaciones carecen de personal con estas capacidades y no pueden adquirirlas fácilmente. La formación lleva años, y los sistemas basados en IA ya funcionan.
“El impacto de la Inteligencia Conectada no se mide por estadísticas de uso ni niveles de actividad”, afirmó Sanford. “Se refleja en decisiones más rápidas, menos errores repetidos, menos dependencia de unos pocos expertos y mayor confianza al tomar decisiones sin información precisa”.
El estándar debe ser resultados empresariales que demuestren mejoras en la capacidad, no solo tasas de adopción o paneles de control. Sin embargo, la mayoría de las organizaciones no lo monitorean porque no quieren saber la respuesta.
Solución al problema de la gestión del conocimiento de las personas
Tres décadas de fracasos en la gestión del conocimiento nos han enseñado que los problemas rara vez son tecnológicos.
Las organizaciones se enfrentan a silos creados por la estructura y los incentivos, culturas que no recompensan el intercambio, una ambigüedad estratégica que dificulta la claridad sobre qué conocimiento es importante y el reto de preservar el contexto cuando la experiencia se transfiere entre personas. Estos son problemas humanos y organizacionales que no se solucionan con un mejor software.
La nueva generación de software de gestión del conocimiento está diseñada para acelerar los flujos de conocimiento y reducir la fricción. La IA destaca en ambas. Sin embargo, si se aceleran los flujos en una organización que desconoce su rumbo, se genera caos a mayor velocidad. Reduzca la fricción en sistemas donde las personas no se mueven en direcciones útiles y no se produce ningún cambio significativo; simplemente, el proceso se realiza con mayor rapidez y eficiencia.
La Inteligencia Conectada funcionará para las organizaciones que ya han resuelto los problemas complejos. El resto obtiene documentación costosa de sus disfunciones, actualizada en tiempo real con análisis de alta calidad. La IA será más rápida, inteligente y capaz, pero las organizaciones seguirán siendo tan disfuncionales como antes. Dentro de tres años, cuando llegue la próxima tecnología que prometa solucionar por fin la gestión del conocimiento, volveremos a hablar de esto.
Nota del editor: Póngase al día con otros enfoques sobre la gestión del conocimiento empresarial y la transferencia de conocimiento:
- 5 desafíos clave de la gestión del conocimiento (y cómo superarlos) : Probablemente poseas una gran cantidad de datos e información valiosa. Pero la forma en que los usas y los compartes lo es todo. Algunos consejos para construir una cultura de intercambio de conocimiento.
- No deje que el conocimiento crítico se pierda : cuando la experiencia se pierde, también se pierde la ventaja competitiva. Es hora de que compartir el conocimiento sea tarea de todos.
- La gestión del conocimiento implica mucho más que simplemente extraer información digital : si queremos que la inteligencia de las máquinas desempeñe un papel en la creación de conocimiento, necesitamos un diseño consciente, no accidentes perezosos.
Acerca del autor
David es un periodista europeo con 35 años de experiencia que ha dedicado los últimos 15 años al seguimiento del desarrollo de las tecnologías en el lugar de trabajo, desde los inicios de la gestión documental, la gestión de contenido empresarial y los servicios de contenido. Actualmente, con el desarrollo de nuevos modelos de trabajo remoto e híbrido, cubre la evolución de las tecnologías que facilitan la colaboración, la comunicación y el trabajo, y recientemente ha dedicado mucho tiempo a explorar los amplios alcances de la IA, la IA generativa y la IA general.