Por qué la memoria organizacional no es solo un sistema de conocimiento de IA.
Author: Yauheni Kurbayeu
Published: Mar 11, 2026
LinkedIn
Tras la publicación de la versión inicial del Provenance Manifesto, comencé a analizar si las soluciones existentes en el mercado se alinean con los principios descritos en él.
La pregunta era sencilla: ¿existen actualmente herramientas que puedan preservar y gestionar de forma efectiva las decisiones que influyen en el desarrollo de nuestros sistemas?
Muy pronto observé un patrón interesante. Muchas soluciones se describen a sí mismas como plataformas de memoria organizacional, pero en realidad ofrecen algo ligeramente distinto. En la mayoría de los casos, proponen lo que podría llamarse un sistema moderno de conocimiento basado en IA.
Estas plataformas conectan herramientas de la empresa como Slack, Jira, GitHub, Notion, sistemas CRM y repositorios de documentación. Ingestan los datos, generan embeddings y permiten a los agentes de IA recuperar contexto mientras realizan tareas.
En esencia, convierten los datos de la organización en una capa de conocimiento consultable.
Desde una perspectiva técnica, la mayoría de estos sistemas se construyen alrededor de Retrieval Augmented Generation (RAG). Documentos, tickets, conversaciones y código se indexan y se transforman en un espacio de búsqueda semántica. Cuando un asistente de IA necesita contexto, recupera fragmentos relevantes y los incorpora a su razonamiento.
Esta es una capacidad poderosa.
Por primera vez, los agentes de IA pueden navegar por el paisaje fragmentado de información dentro de las organizaciones.
Pero llamar a esto memoria organizacional resulta algo engañoso.
Lo que realmente proporcionan estos sistemas es recuperación de conocimiento organizacional.
- Pueden decirnos qué información existe.
- Pueden mostrar documentación, tickets y conversaciones relacionadas con una pregunta.
- Incluso pueden resumir discusiones o explicar partes del código.
Sin embargo, las organizaciones no están definidas principalmente por documentos.
Están definidas por decisiones.
Cada arquitectura, cada comportamiento de producto y cada solución operativa existe porque alguien tomó una decisión en un momento concreto del tiempo. Esas decisiones estuvieron influenciadas por restricciones, supuestos, riesgos y compromisos que muchas veces solo se documentaron parcialmente.
Cuando un sistema de conocimiento recupera un documento que dice “usamos Kafka para streaming de eventos”, nos muestra el resultado.
Pero no nos dice por qué se eligió Kafka.
- ¿Se seleccionó por su escalabilidad?
- ¿Se adoptó porque el equipo ya tenía experiencia operativa con él?
- ¿Se rechazó otra tecnología debido a preocupaciones sobre fiabilidad?
Sin ese razonamiento, la organización recuerda el resultado pero olvida la lógica que lo produjo.
Aquí es donde la idea de la proveniencia de decisiones (decision provenance) se vuelve fundamental.
Si los sistemas de conocimiento representan la capa de información de la memoria organizacional, la proveniencia de decisiones representa la capa de razonamiento.
Los sistemas de conocimiento responden preguntas como:
- ¿Qué hace el sistema?
- ¿Dónde está la documentación?
- ¿Qué servicio implementa este comportamiento?
La proveniencia de decisiones responde a un conjunto diferente de preguntas:
- ¿Por qué el sistema funciona de esta manera?
- ¿Qué alternativas se consideraron?
- ¿Qué supuestos dieron forma a la arquitectura?
- ¿Quién es responsable de la decisión y cuándo podría necesitar revisión?
Estas dos capas son complementarias.
Los sistemas de conocimiento basados en RAG permiten a la IA recuperar artefactos existentes.
La proveniencia de decisiones conecta esos artefactos con las decisiones que los crearon y el contexto que las justificó.
Cuando se combinan, forman algo mucho más cercano a una verdadera memoria organizacional.
La capa de conocimiento cuenta la historia de lo que existe.
La capa de proveniencia explica por qué existe.
A medida que la IA se integra cada vez más profundamente en el desarrollo de software y en los flujos operativos, esta distinción se vuelve cada vez más importante. Los agentes de IA que pueden leer documentos ayudarán a los equipos a navegar la información. Pero los agentes de IA que pueden comprender el razonamiento detrás de los sistemas podrán participar en la evolución de esos sistemas.
En otras palabras, el siguiente paso más allá de la gestión del conocimiento basada en IA no es simplemente una mejor recuperación.
Es memoria organizacional consciente de las decisiones.
Esta es la dirección explorada en el Provenance Manifesto, que propone tratar las decisiones como artefactos de primera clase, cuyo contexto, razonamiento y evolución deberían preservarse junto con los sistemas que moldean.
Porque, al final, las organizaciones no funcionan únicamente sobre documentos.
Funcionan sobre las decisiones incrustadas en ellos.