Descubra cómo las empresas pueden preparar y estructurar el conocimiento para el éxito de la IA con metadatos, gobernanza, capacitación y prácticas de gestión del conocimiento más inteligentes.
por David Barry
Las empresas se apresuran a implementar herramientas basadas en IA, desde asistentes conversacionales hasta motores de búsqueda cognitivos . Pero en medio de este auge de la IA, un desafío se cierne sobre nosotros: hacer que el conocimiento corporativo sea accesible, comprensible y útil para las máquinas. Si bien los humanos pueden reconstruir el significado de archivos PDF dispersos, presentaciones, wikis, correos electrónicos y sistemas de archivos con décadas de antigüedad, la ambigüedad, los formatos inconsistentes y los contextos desestructurados pueden obstaculizar incluso al sistema de IA más avanzado.
Las organizaciones que tratan la preparación del conocimiento como una prioridad estratégica, de modo que la información esté estructurada, sea precisa y esté gobernada tanto para las personas como para las máquinas, son las que prosperarán.
El estado de preparación de la IA en la empresa
La reciente encuesta AI Pulse de Protiviti destaca claramente este vínculo:
- El 97% de las organizaciones que informan un alto ROI de IA dicen que confían en su capacidad para recuperar, organizar y comprender los datos necesarios para lograr sus objetivos.
- Al mismo tiempo, más de la mitad de los primeros usuarios (51%) informan desafíos derivados de recursos limitados y brechas de capacitación .
Estos hallazgos ponen de relieve una tensión central: si bien las organizaciones pueden disponer de los datos, sus trabajadores podrían no contar con las habilidades, la gobernanza y el conocimiento estructurado necesarios para utilizarlos. En consecuencia, las herramientas de IA no pueden alcanzar su máximo potencial, señala el informe.
La encuesta también señala los desafíos que enfrentan las empresas para equilibrar la accesibilidad de la IA con la seguridad de la información, mantener un conocimiento actualizado y preciso y alinear las prácticas de gestión del conocimiento con la estrategia de IA a largo plazo.
Las organizaciones luchan por conciliar la necesidad de un acceso abierto a la IA con la protección de la información confidencial. Los hallazgos de Protiviti sugieren que la implementación de controles de acceso escalonados, auditorías automatizadas de contenido y marcos de gobernanza mitigan estos riesgos, a la vez que promueven un uso eficaz de la IA.
Además, la encuesta revela una brecha entre la disponibilidad y la eficacia de la capacitación. Incluso cuando existen los recursos, los empleados deben saber interpretar, estructurar y aplicar el conocimiento eficientemente. Este desafío se agudiza especialmente cuando las organizaciones intentan ampliar las iniciativas de IA más allá de los programas piloto, donde la preparación inconsistente del conocimiento a menudo se convierte en un obstáculo para la implementación a nivel empresarial.
“La información debe estructurarse según plantillas, títulos y frases claras”, afirmó Yad Senapathy, del Project Management Training Institute. La encuesta de Protiviti muestra que este enfoque estructurado marca la diferencia entre el retorno de la inversión (ROI) de la IA y las herramientas de IA que generan resultados inconsistentes o poco fiables.
Equilibrar la accesibilidad de la IA con la gobernanza y la seguridad
El conocimiento corporativo debe almacenarse en formatos en capas para servir tanto a los empleados humanos como a los agentes de IA, afirmó Jonathan Garini , director ejecutivo y estratega de IA empresarial en Fifthelement.
“Un enfoque al estilo Wikipedia funciona mejor: resúmenes breves, metadatos etiquetados y enlaces a documentos más completos”, afirmó Garini. “Este enfoque garantiza una accesibilidad superficial sin sobrecargar ni a los humanos ni a la IA, lo que permite que cada uno extraiga el nivel de detalle adecuado”.
Los metadatos y las taxonomías contribuyen a la legibilidad mecánica. El etiquetado claro de nombres de proyectos, departamentos y segmentos de clientes actúa como un GPS para el contenido empresarial. Las empresas que aplican metadatos de forma sistemática logran tiempos de recuperación entre un 30 % y un 40 % más rápidos, lo que mejora la eficiencia de todo el equipo, afirmó Garini. Este enfoque estructurado y etiquetado permite que las herramientas de IA ofrezcan resultados precisos y relevantes en lugar de filtrar información irrelevante.
Los datos desordenados o duplicados afectan el rendimiento de la IA, por lo que Garini recomienda realizar “auditorías de conocimiento” periódicas para fusionar o archivar contenido obsoleto en un repositorio coherente.
De igual manera, las organizaciones necesitan depurar archivos heredados, eliminar duplicados y estandarizar formatos, afirmó Adam Ilowite , director ejecutivo de Axero Solutions. «La IA solo es tan buena como la información a la que puede acceder», afirmó. «Los formatos estándar, las taxonomías claras y el etiquetado consistente ayudan a los sistemas a comprender el significado del contenido, no solo las palabras».
La gobernanza es clave para mantener tanto la usabilidad como la seguridad. La información confidencial debe estar estratificada con control de acceso, de modo que los sistemas de IA solo vean lo que les está permitido, afirmó Senapathy. Este equilibrio entre claridad, estructura y gobernanza permite que el conocimiento corporativo sea legible y procesable para la IA, a la vez que protege los activos.
Construyendo una base semántica para la IA
Preparar el conocimiento para la IA requiere más que simplemente depurar datos: requiere una base semántica , afirmó Dave Mariani , director de tecnología y fundador de AtScale. Es fundamental contar con definiciones empresariales coherentes, ya que la IA no puede interpretar términos como “pérdida de clientes” de forma diferente en los distintos departamentos, explicó.
Además, el control de versiones basado en Git, los registros de auditoría y las políticas de seguridad consistentes crean un entorno donde los sistemas de IA acceden de forma fiable al conocimiento institucional sin comprometer la seguridad. «La preparación del conocimiento para la IA no es un proyecto puntual», afirmó Mariani. «Requiere definiciones claras, estándares consistentes y una gobernanza continua». Este enfoque estructurado transforma el contenido no estructurado en inteligencia utilizable, manteniendo al mismo tiempo las barreras de seguridad empresariales.
La IA gestiona la clasificación rutinaria y señala inconsistencias, pero la supervisión humana sigue siendo importante para una toma de decisiones matizada. La IA puede identificar políticas duplicadas, pero los responsables de cumplimiento deciden qué versión es legalmente vinculante, señala Garini. Los humanos deben validar el conocimiento sugerido por la IA para evitar que el sistema se llene de información errónea, coincidió Lonnie Johnston , director ejecutivo de WizeCamel. Johnston recomienda un proceso estructurado: documentar temas comunes, dejar que la IA encuentre posibles respuestas y luego involucrar a los humanos para seleccionar el contenido correcto. Este flujo de trabajo impulsa el crecimiento mediante la automatización, manteniendo la precisión y la intención.
Mantener información precisa y actualizada es vital. Las personas pierden la confianza en las herramientas de IA si el conocimiento subyacente está desactualizado. Las organizaciones se benefician de las inspecciones periódicas de contenido, los recordatorios automatizados a los propietarios de contenido y la vinculación de las actualizaciones a las listas de verificación de cumplimiento. Tanto Garini como Ilowite priorizan la gobernanza y el mantenimiento rutinario para evitar que la IA proporcione información engañosa u obsoleta.
Formación, cultura y mantenimiento continuo del conocimiento
La evolución de las herramientas de IA transformará la gestión del conocimiento de repositorios estáticos a sistemas de conocimiento dinámicos. Los empleados interactuarán con agentes de IA que agregan respuestas en silos, proporcionando respuestas contextuales sin necesidad de búsqueda manual. Las organizaciones que invierten hoy en conocimiento estructurado, gobernanza y supervisión humana sentarán las bases para ecosistemas de conocimiento nativos de IA, afirmó Garini. La gestión del conocimiento del futuro se centrará en la creación de ecosistemas donde los humanos y la tecnología naveguen la información con confianza, en lugar de construir nuevos silos, añadió Ilowite.
A medida que la IA se vuelve cada vez más central en las operaciones empresariales, la preparación del conocimiento corporativo ya no es opcional. Requiere contenido estructurado, metadatos consistentes, una gobernanza sólida, supervisión humana y capacitación continua. Desde los hallazgos de la encuesta de Protiviti hasta las experiencias prácticas compartidas por expertos del sector, el mensaje es claro: las empresas deben considerar la preparación del conocimiento como una prioridad estratégica para aprovechar al máximo el potencial de la IA.
Invertir en conocimiento estructurado, preciso y gobernado significa que las herramientas de IA aportan valor y ayudan a los empleados a trabajar de forma más inteligente. Las organizaciones que triunfen en IA serán aquellas que combinen la tecnología con prácticas de conocimiento disciplinadas, formación continua y una supervisión rigurosa, transformando la información dispersa en un ecosistema de conocimiento corporativo coherente, accesible y preparado para el futuro.
Nota del editor: Lea más sobre la intersección de la gestión del conocimiento y la IA:
- Cómo la IA y la gestión del conocimiento pueden impulsarse mutuamente : la gestión del conocimiento desempeña un papel a la hora de ayudar a definir cómo debería ser la cultura laboral del futuro en un mundo mejorado por la IA.
- Gráficos de conocimiento: la salsa secreta detrás del desarrollo de IA : la combinación de gráficos de conocimiento con LLM mejora el razonamiento, la precisión y la capacidad de explicación de la IA.
- 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.
Fuente: https://www.reworked.co/knowledge-findability/when-ai-meets-your-messy-knowledge-hubs-nobody-wins/