Idea principal

Mantener una capa de conocimiento neutra entre las fuentes y los documentos siempre ha sido posible: tomar notas limpias, conservar las fuentes, escribir síntesis. Lo que faltaba no era la materia, era el rendimiento. Una vez constituida la capa, producir cada salida seguía siendo un trabajo manual entero — así que la capa añadía un coste sin reducir el siguiente.

Lo que cambia es la recomposición: a partir de una materia bien organizada, un mismo conocimiento puede declinarse en versión larga, corta, comercial, técnica, prudente o pedagógica sin reescribirlo a mano cada vez.

El coste de la capa no ha bajado. Es lo que permite después lo que ha aumentado.

La recomposición solo es la primera de las operaciones desbloqueadas. Una capa bien mantenida se vuelve interrogable: pedir los puntos ciegos, comparar opciones, relacionar entrevistas entre sí, detectar recurrencias, producir una consulta para verificar un comportamiento en los datos, acercar un dolor de cliente a las funcionalidades existentes y ausentes. La ganancia ya no es solo escribir más rápido, es obtener preguntas que no se habrían planteado.

Capa aportada por "El backlog no es un vertedero: es una herramienta de acción" (2026-06-03).

Por qué es importante

Esto reformula un arbitraje que se creía zanjado. Muchas organizaciones renunciaron a capitalizar su conocimiento tras constatar que no rendía nada — y esa constatación era justa en la época en que se hizo.

También dice qué hay que darle a una IA para obtener una recomposición correcta: no el último documento enviado, ni una conversación, ni un PDF final, sino las fuentes, las notas, las decisiones, los límites y lo que sigue siendo incierto.

Matices y límites

La rentabilidad depende por completo de la organización de la materia. Una capa mal mantenida no se vuelve recomponible porque una IA la lea — solo se vuelve recomponible de forma torcida.

Y la ganancia recae sobre la producción de las salidas, no sobre la constitución de la capa, que sigue siendo un trabajo humano de juicio.

Capa aportada por "Wiki IA: por qué he construido una base de conocimiento mantenida por una IA" (2026-05-25). La restricción anterior se relaja, sin desaparecer. Sobre un conocimiento de dominio estable — normas, reglamentación, vocabulario del mantenimiento industrial —, la constitución de la capa se automatiza también: la máquina lee las fuentes, escribe las notas, actualiza las que existen. Novecientas cincuenta notas extraídas de una docena de obras no las ha escrito nadie a mano. Lo que sigue siendo humano se desplaza entonces un escalón, sin reducirse a nada: decidir qué dominio se presta a ello, ajustar las reglas de ingesta, y validar lo que sale — tres trabajos de juicio, pero que ya no son redacción.

Capa aportada por "He buscado qué había inventado de verdad en "Contexte"" (2026-09-21). La capa en sí no esperó a la IA, y una búsqueda de anterioridad lo demuestra. La Experience Factory de Victor Basili separa desde los años ochenta la organización de proyecto del dispositivo que recupera su experiencia, la analiza, la sintetiza en unidades reutilizables y la devuelve a los proyectos siguientes — el Software Engineering Laboratory de la NASA era un ejemplo operativo ya en 1992. Knowledge-Centered Service va más lejos al rechazar el proceso separado: el conocimiento se busca, se reutiliza, se mejora y se captura en el flujo mismo de la resolución, lo que el Consortium for Service Innovation resume con "reuse is review". Lo que cambia con la IA no es, pues, la idea de la capa, ni siquiera la de apoyarla en el trabajo corriente: es el precio de mantenerla.

Preguntas abiertas

• ¿A partir de cuántas salidas previstas se vuelve rentable la capa, y se puede calcular de antemano?