2030 Una empresa nativa de Provenance.
Author: Yauheni Kurbayeu
Published: March 13, 2026
LinkedIn
Imaginemos una “empresa nativa de Provenance” en 2030: una organización construida desde el principio alrededor del linaje de decisiones, la memoria del SDLC y la trazabilidad de la ejecución de IA, en lugar de intentar incorporarlo posteriormente.
1. La memoria organizacional es infraestructura central.
En una empresa nativa de provenance, la memoria organizacional se trata como infraestructura, no como documentación.
En lugar de que el conocimiento esté disperso entre herramientas como Jira, Slack, GitHub y Notion, todos los eventos de trabajo producen automáticamente registros estructurados de provenance.
Cada acción significativa genera nodos en un grafo de decisiones:
- Decision
- Assumption
- Constraint
- Risk
- Experiment
- Artifact
- Agent execution
Estos nodos se enlazan automáticamente.
El resultado es un grafo causal vivo de la organización.
No es documentación escrita después, sino memoria producida como efecto secundario del trabajo.
2. Los agentes de IA deben producir provenance.
En 2030, gran parte del trabajo involucra agentes de IA.
En una empresa nativa de provenance, los agentes de IA no pueden ejecutarse sin producir registros de trazabilidad.
Cada ejecución captura:
- Agent identity
- Model version
- Inputs
- Reasoning chain
- Tools used
- Decision references
- Output artifacts
- Confidence / risk notes
Esto se convierte en telemetría operativa estándar, similar a la observabilidad actual.
Pero en lugar de observar sistemas, la empresa observa flujos de decisiones.
3. La arquitectura se convierte en un grafo vivo de decisiones.
Los diagramas de arquitectura pasan a ser secundarios.
En su lugar, la arquitectura se representa como un grafo de decisiones a lo largo del tiempo.
Ejemplo:
Decision: Split EU infrastructure
├── Assumption: GDPR enforcement risk
├── Constraint: Data residency
├── Risk: Deployment complexity
└── Resulting artifacts:
- AWS EU cluster
- Separate pipelines
Seis meses después aparece otro nodo:
Decision: Merge EU & US services
Reason: Regulatory change
Supersedes: Decision #231
La arquitectura se convierte en razonamiento consciente del tiempo, no en diagramas estáticos.
4. Las reuniones se convierten en sistemas de captura de decisiones.
Las reuniones siguen existiendo, pero su propósito cambia.
En lugar de que las discusiones desaparezcan en notas, los sistemas extraen:
- Proposed decisions
- Risks
- Assumptions
- Disagreements
- Action items
Estos elementos se almacenan como nodos estructurados.
El sistema los conecta automáticamente con:
- cambios de código
- funcionalidades del producto
- incidentes
- experimentos
Con el tiempo, la empresa acumula una historia causal de por qué ocurrieron las cosas.
5. Los incidentes se investigan a través del linaje de decisiones.
Hoy en día, el análisis de incidentes suele centrarse en:
- logs
- métricas
- código
En una empresa nativa de provenance la investigación comienza de forma diferente:
¿Qué cadena de decisiones produjo la falla?
Ejemplo:
Incident: Payment outage
Trace:
Code change
↓
Decision: switch payment provider
↓
Assumption: fallback system ready
↓
Assumption invalid
La causa raíz pasa a ser suposiciones inválidas, no solo código defectuoso.
6. El conocimiento institucional se vuelve consultable.
Los empleados pueden preguntar:
- ¿Por qué usamos esta arquitectura?
- ¿Qué suposiciones justifican esta restricción?
- ¿De qué decisiones depende este componente?
El sistema reconstruye las respuestas utilizando el grafo de decisiones.
Esto es fundamentalmente diferente de RAG sobre documentación.
Responde usando linaje causal, no similitud textual.
7. La estrategia se rastrea como evolución de decisiones.
Incluso las decisiones ejecutivas se registran en el grafo de provenance.
Ejemplo:
Strategic Decision: Enter EU market
Assumptions:
- EU demand growing
- compliance manageable
Constraints:
- data residency
- local legal frameworks
Dos años después:
Decision: Expand EU infrastructure
Supersedes: initial EU strategy
Reason: adoption exceeded forecast
La estrategia se convierte en razonamiento rastreable a lo largo del tiempo.
8. La empresa desarrolla “capital de decisiones”.
Este es el resultado más interesante.
Hoy las empresas acumulan:
- código
- datos
- documentos
Una empresa nativa de provenance acumula capital de decisiones.
Es decir, posee un grafo histórico de:
- trade-offs
- ideas fallidas
- suposiciones validadas
- evolución de la arquitectura
- razonamiento estratégico
Los nuevos empleados y los sistemas de IA pueden comprender instantáneamente el razonamiento de la organización.
Esto acelera enormemente el onboarding y la alineación estratégica.
9. La IA se vuelve más segura de usar.
Uno de los mayores problemas de los sistemas de IA actuales es la responsabilidad.
En una empresa nativa de provenance cada acción de IA puede rastrearse hasta:
- quién aprobó el objetivo
- qué suposiciones se utilizaron
- qué modelo produjo el resultado
- qué cadena de decisiones autorizó la ejecución
Esto hace que la IA sea auditable y gobernable.
10. La cultura cambia hacia el pensamiento basado en decisiones.
Los ingenieros dejan de preguntar:
"¿Qué código deberíamos escribir?"
Empiezan a preguntar:
"¿Qué decisión estamos tomando?"
Artefactos como el código, los documentos y los experimentos se convierten en consecuencias de las decisiones.
La ironía
El aspecto más interesante de este futuro es que no requiere tecnología revolucionaria.
Todo lo necesario ya existe:
- bases de datos de grafos
- embeddings vectoriales
- agentes de IA
- pipelines de eventos
- stacks de observabilidad
Lo que falta es el modelo mental.
Eso es exactamente lo que introduce el Provenance Manifesto.