Captura de conocimiento experto para contenidos y para la IA

Ideas clave sobre la captura de conocimiento experto

• El conocimiento tácito, el criterio que una persona experta aplica sin ser necesariamente capaz de formularlo como regla, es el más difícil de capturar y también el más valioso cuando se captura bien.
• La grabación de una reunión o la transcripción de una entrevista es material en bruto, no un activo de conocimiento aprobado. Hay que extraerlo, estructurarlo y someterlo a la validación de la propia persona experta antes de que nadie se apoye en él.
• El tiempo de las personas expertas es el recurso más escaso de todo el proceso. Por eso el método de elicitación debe elegirse para respetar ese tiempo, y no para maximizar la cantidad de material grabado.
• El consentimiento, la confidencialidad y los permisos de reutilización deben ser explícitos y quedar documentados antes de empezar la captura, y no darse por supuestos ni negociarse a posteriori.
• Un cortafuegos de confidencialidad separa lo aprendido que es específico de un cliente o sensible del conocimiento generalizado y reutilizable. Solo el material anonimizado y revisado de forma deliberada atraviesa ese cortafuegos y pasa a ser contenido canónico y reutilizable.

Definición

La captura de conocimiento experto es el proceso gobernado que convierte la experiencia tácita, el criterio, los ejemplos, las decisiones y los modelos mentales de una persona experta en la materia en conocimiento validado, estructurado y reutilizable. Respeta el tiempo de la persona experta y conserva el matiz de cómo piensa realmente, en lugar de reducir un criterio rico a una viñeta genérica que pierde justo lo que lo hacía valioso.

El riesgo del conocimiento oculto

El riesgo oculto que aborda esta guía consiste en tratar una transcripción o la grabación de una reunión como si ya fuera un activo de conocimiento. Una conversación grabada con una persona experta contiene un valor real, pero ese valor está enterrado entre digresiones, contexto sobreentendido y un lenguaje que la persona usó precisamente para el público de aquella conversación. Entregar una transcripción en bruto a un flujo de redacción y pedirle que «escriba algo a partir de esto» se salta el trabajo de extracción y validación que esta guía considera imprescindible. El resultado suele ser un contenido que recoge la superficie de lo que dijo la persona experta y pierde el criterio que hay debajo o, peor aún, que presenta un comentario casual como si fuera una postura meditada y citable.

El resultado que promete este proceso es un flujo repetible que va de la elicitación a la canonización, con la aprobación de la propia persona experta, controles de confidencialidad explícitos, procedencia documentada y derechos de reutilización definidos. Así, capturar una vez el conocimiento de una persona experta sirve para muchas piezas de contenido futuras, en lugar de exigir su tiempo una y otra vez para el mismo material de fondo.

Elija el objetivo de la captura de conocimiento experto

No todas las lagunas del contenido de una organización merecen el tiempo de una persona experta. Antes de convocar ninguna sesión de captura, conviene priorizar el objetivo con dos preguntas: si esa laguna afecta a las decisiones reales de la audiencia y si cerrarla tiene un valor genuino de reutilización en varias piezas futuras, y no para un único fin limitado.

Un objetivo bien elegido es lo bastante concreto como para diseñar en torno a él una elicitación centrada. «Capturar todo lo que sabe [la persona experta] sobre gobernanza de la IA» es demasiado amplio para planificar una sesión y demasiado amplio para que la persona experta se prepare con provecho. «Capturar los criterios concretos con los que [la persona experta] clasifica una solicitud de contenido como de alto riesgo o rutinaria, con al menos dos ejemplos reales de cada tipo» da a quien entrevista y a quien responde algo tangible con lo que trabajar, y se corresponde directamente con un objeto de conocimiento que la organización puede usar de verdad.

Priorización

La priorización debe sopesar varios factores entre sí, en lugar de limitarse a la laguna que parezca más urgente esta semana. El potencial de reutilización es lo que más pesa: un conocimiento que alimentará muchas piezas futuras, como un framework de decisión recurrente o una pregunta frecuente que solo esa persona sabe responder bien, justifica la inversión de tiempo mucho más que un dato puntual y aislado. El riesgo de pérdida también cuenta: el conocimiento que existe solo en la cabeza de una persona, sin documentación en ningún sitio, es prioritario aunque salga poco a la conversación, porque la organización no tiene plan B si esa persona deja de estar disponible. Y la accesibilidad pesa en la práctica: un objetivo que exige el tiempo de una persona experta con la agenda desbordada debe compararse con objetivos que podría cubrir una colega más disponible con experiencia solapada, siempre que esa sustitución no comprometa de forma notable la calidad de lo capturado.

Conviene mantener a la vista un backlog de objetivos de conocimiento candidatos, en lugar de decidir las prioridades de captura sobre la marcha cada vez que una persona experta tiene un hueco. Un backlog permite aplicar con coherencia los criterios anteriores, en vez de ceder ante la laguna que se haya planteado más recientemente y con más insistencia en una reunión.

Diseñe la elicitación

Elegir bien a la persona experta y el método importa tanto como elegir el objetivo. Algunos objetivos se capturan mejor con una entrevista individual estructurada, sobre todo cuando se quiere entender a fondo un proceso de decisión concreto. Otros encajan mejor en un taller, sobre todo cuando se quiere ver cómo gestiona un equipo en conjunto un tipo de situación y los desacuerdos entre sus miembros son ya información valiosa. Y otros pueden capturarse de forma asíncrona, con una pregunta escrita y estructurada que la persona experta responde cuando le conviene, lo que respeta la agenda de alguien con muy poco tiempo a costa de la capacidad de quien entrevista para repreguntar y profundizar en el momento.

El consentimiento y los permisos de grabación deben quedar resueltos antes de que empiece la sesión, y no negociarse con torpeza cuando la grabación ya está en marcha. La persona experta debe saber exactamente cómo se usará el material, si su nombre se asociará al contenido resultante y qué ocurre si quiere retirar o corregir algo de lo dicho después de revisar el material extraído. No es solo una cuestión de cortesía: es lo que hace posible la franqueza, porque una persona experta que no sabe cómo se usarán sus palabras tiende a matizarlo todo, y eso frustra el propósito de capturar su criterio real.

La preparación por parte de quien entrevista se amortiza de forma desproporcionada. Repasar antes de la sesión lo que ya se sabe del tema, para no pedir a la persona experta que repita lo que es de dominio común, y preparar escenarios concretos en lugar de preguntas abiertas hacen que el poco tiempo disponible rinda mucho más.

Elegir entre estos métodos es en sí una decisión de criterio que conviene tomar de forma deliberada, y no rendirse al formato más cómodo de agendar. Una laguna factual acotada y bien conocida rara vez justifica el coste de un taller en tiempo total de personas expertas. En cambio, una cuestión de criterio realmente discutida, en la que la organización sospecha que sus propias personas senior podrían discrepar entre sí, es exactamente lo que un taller está pensado para sacar a la luz: una entrevista individual se limitaría a registrar la opinión de una sola persona como si fuera consenso.

Capture el criterio tácito

La elicitación debe dirigirse a los tipos de material que no aparecen en la documentación: las decisiones y el razonamiento que hay detrás, las compensaciones que sopesa la persona experta cuando una situación no tiene una respuesta evidente, los fallos y lo que aprendió de ellos, los ejemplos concretos que ilustran un principio abstracto en acción y las excepciones, esos casos límite en los que la regla habitual no se aplica y hay que recurrir al criterio.

Una técnica de incidentes críticos funciona bien aquí: pedir a la persona experta que recorra con detalle una situación real y concreta (qué pasó, qué notó, qué decidió y por qué), en lugar de pedirle que exponga en abstracto su filosofía general. Las personas expertas suelen narrar mucho mejor un ejemplo concreto que formular directamente el principio que lo sustenta, y quien entrevista con oficio puede extraer el principio generalizable de varios ejemplos concretos con más fiabilidad que pidiéndolo de entrada.

Las preguntas de seguimiento que exploran el desacuerdo y la excepción son especialmente valiosas, porque son justo el material que con más probabilidad falta en la documentación existente. «¿Hay algún caso en el que actuaría de otra manera que según la regla general que acaba de describir?» suele sacar a la luz la parte realmente tácita del criterio de una persona experta: la que no está escrita en ninguna parte porque depende del contexto de un modo que una regla sencilla no puede recoger.

Conviene preparar también a quien entrevista, y no solo a la persona experta, para el carácter particular de este tipo de conversación. Quienes describen su propio criterio suelen quitarse mérito, porque una decisión que exigió años de reconocimiento de patrones para tomarla con rapidez les parece, a ellas mismas, «puro sentido común». Una persona entrevistadora con oficio se da cuenta de cuándo la persona experta pasa por alto un paso que en realidad no es obvio y le pide con suavidad que vaya más despacio y lo desgrane, en lugar de aceptar su propia valoración, a veces inexacta, de qué fue fácil y qué exigió criterio de verdad.

Extraiga y estructure

El material en bruto, ya sea una transcripción, las notas de un taller o una respuesta escrita asíncrona, necesita una extracción deliberada a objetos de conocimiento con tipo antes de poder usarse. Eso significa identificar las decisiones, los principios, los procesos, los ejemplos, las afirmaciones, las preguntas abiertas y las excepciones que contiene y separarlos uno a uno, en lugar de dejarlos mezclados en forma de narración.

En este paso de extracción la ayuda de la IA es realmente útil: identificar candidatos a objeto de conocimiento dentro de una transcripción larga, redactar una primera versión estructurada de cada uno y señalar para su revisión humana los pasajes que parecen contradictorios o poco claros. El resultado de la extracción es un borrador, no un activo de conocimiento terminado, y sigue necesitando el paso de validación que se describe más abajo antes de que nadie lo trate como canónico.

Separar estos tipos de objeto importa porque cada uno tiene implicaciones distintas de reutilización y exige un nivel de confianza distinto. Un principio está pensado para generalizarse a muchas situaciones futuras, así que merece un escrutinio adicional antes de la canonización: un principio exagerado o mal recordado propagará su error a todo lo que se apoye después en él. Un ejemplo aislado, en cambio, entraña por sí solo menos riesgo de generalización, porque es un único dato, siempre que se etiquete con claridad como ejemplo y no se dé a entender que es una regla universal. Las afirmaciones extraídas de lo que dice la propia persona experta merecen la misma disciplina de verificación externa que se describe en los flujos de investigación con IA (AI Research Workflows) cuando son afirmaciones factuales que, en principio, podrían contrastarse con evidencias externas, en lugar de aceptarse solo por la autoridad de quien las dice.

Valide y canonice

Cada objeto de conocimiento extraído necesita la validación de la propia persona experta antes de pasar a ser canónico. Este paso existe porque la extracción, incluso la más cuidadosa y hecha por personas, puede reformular con leves errores lo que la persona experta quería decir realmente, y quien revisa la versión estructurada tiene la oportunidad de corregirla, afinarla o retirarla antes de que se trate como un activo aprobado. No es una formalidad: las personas expertas descubren a menudo que la versión extraída de sus propias palabras, aun siendo técnicamente exacta, pierde un matiz importante o simplifica algo que ellas consideran esencial.

La revisión de sensibilidad se hace junto con la validación. Un objeto de conocimiento que menciona a un cliente concreto, una cifra comercial concreta o cualquier cosa que la persona experta dijo en confianza necesita una decisión explícita sobre si puede generalizarse hasta convertirse en algo reutilizable y cómo. Esto es el cortafuegos de confidencialidad en la práctica: lo aprendido que es específico de un cliente se queda detrás, salvo que se extraiga, se anonimice y se apruebe su reutilización de forma deliberada, mientras que los principios y ejemplos realmente generalizables pueden cruzar a la base de conocimiento canónica de la organización. Una vez validado y autorizado, cada objeto recibe un destino canónico (la base de conocimiento o el sistema de contenidos donde vivirá) y los metadatos (confianza, sensibilidad, responsable, fecha de revisión) que permiten a quien lo use en el futuro saber cuánta confianza darle y cuándo hay que volver a comprobarlo.

La anonimización merece más cuidado que quitar sin más el nombre de un cliente. Un ejemplo lo bastante específico puede seguir siendo identificable para cualquiera que conozca la situación, aunque se hayan eliminado los nombres: por ejemplo, por una combinación concreta de sector, momento y resultado. Anonimizar de verdad para reutilizar suele significar generalizar el escenario concreto hasta convertirlo en un patrón representativo, «un cliente B2B de tamaño medio ante esta restricción operativa concreta», y no limitarse a borrar nombres de un relato tan detallado que el cliente seguiría reconociéndose y, con toda probabilidad, se opondría a ver publicada su situación aunque no se le nombrara directamente.

La validación aporta además un segundo beneficio, más discreto que la exactitud: da a la persona experta una sensación de propiedad sobre el objeto de conocimiento resultante, lo que suele hacerla bastante más dispuesta a participar en futuras sesiones de captura. Una persona experta que siente que sus palabras se extrajeron, se publicaron y se usaron sin un paso de revisión con sentido se vuelve, con toda lógica, una participante reticente la próxima vez que haga falta su conocimiento. Por eso la validación es tanto una práctica para cuidar la relación como una garantía de exactitud.

Generada con IA imagen

Generada con IA imagen

Reutilización y mantenimiento

Un objeto de conocimiento validado y canonizado debe poder usarse mucho más allá de la pieza concreta que motivó su captura. El mismo objeto de decisión, de principio o de ejemplo puede alimentar una guía de referencia, una pieza derivada más breve dentro de la reutilización de contenido (Content Repurposing), un módulo formativo de la AI Capability Academy o un futuro flujo de redacción asistida por IA que necesite material verificado y bien fundamentado en el que apoyarse, en lugar de generar a partir de conocimiento general.

Este valor de reutilización depende por completo del mantenimiento. Un objeto de conocimiento sin responsable ni fecha de revisión acabará quedándose obsoleto (el mercado cambia, el pensamiento de la propia persona experta evoluciona, una norma se modifica) sin que nadie advierta que la versión canónica ya no refleja la realidad actual. Asignar un responsable de mantenimiento con nombre y una cadencia de revisión realista en el momento de la canonización, y no dejarlo para después, es lo que mantiene fiable una base de conocimiento, en lugar de ir acumulando poco a poco material desfasado que nadie ha señalado.

Hay además un incentivo recíproco que conviene incorporar al proceso de forma deliberada. Las personas expertas están mucho más dispuestas a invertir tiempo en las sesiones de captura cuando ven que el conocimiento resultante se usa de verdad: que se cita en una guía publicada, que se menciona en material formativo, que se les reconoce por su nombre cuando procede, y no que desaparece en un sistema interno que no vuelven a ver. Cerrar ese círculo, mostrar a la persona experta dónde y cómo ha acabado usándose su conocimiento capturado, cuesta muy poco y mejora de forma medible la participación en futuros trabajos de captura. Y eso importa, porque todo este proceso depende de que las personas expertas sigan dispuestas a ceder un tiempo escaso.

Este valor de reutilización escala además de forma distinta que el coste inicial de la captura, algo que conviene explicitar al pedir tiempo a una persona experta. Una sola sesión de captura bien llevada, extraída y validada como corresponde, puede alimentar una guía de referencia, un módulo formativo y varias piezas derivadas mediante Content Repurposing, todo a partir de una única conversación programada. Plantear la petición así, como una inversión única que rinde en múltiples activos futuros, y no como un favor puntual para una sola pieza de contenido, suele calar mejor en una persona experta con la agenda llena que pedirle que repita el mismo tipo de conversación cada vez que una nueva pieza necesita su aportación.

Modos de fallo de la captura de conocimiento experto

El fallo más habitual es la extracción sin matices: comprimir un criterio experto cuidadosamente matizado hasta convertirlo en una regla general sin condiciones, porque el matiz resultaba incómodo de conservar en un objeto de conocimiento breve. El segundo es la carga sobre la persona experta: programar sesiones repetidas y mal planificadas que consumen un tiempo desproporcionado en relación con el conocimiento realmente capturado, lo que erosiona su disposición a participar en futuras capturas. El tercero es tratar las transcripciones en bruto como si ya fueran canónicas, saltándose por completo la extracción y la validación porque la grabación misma parece documentación suficiente.

Un cuarto fallo, más sutil, es el desajuste de incentivos: una organización que solo pide a una persona experta su tiempo, sin mostrarle nunca el valor de lo capturado, verá cómo la participación decae a lo largo de peticiones sucesivas, aunque ninguna de ellas fuera irrazonable por sí sola. Tratar la captura de conocimiento experto como un proyecto puntual y no como una relación continuada, con una reciprocidad visible, tiende a dar rendimientos decrecientes justo cuando la organización más necesita seguir teniendo acceso al criterio de esa persona.

Un quinto fallo que conviene nombrar es saltarse la validación por presión de plazos: publicar material extraído para cumplir una fecha antes de que la persona experta lo haya revisado de verdad, suponiendo que «seguramente está lo bastante bien». Es un riesgo concreto y evitable, porque todo el valor del paso de validación está en detectar los casos en los que ese «seguramente está lo bastante bien» resulta ser falso. Una organización que se lo salta para llegar a una fecha de publicación ha cambiado un riesgo de calendario por un riesgo de confianza y de exactitud que suele ser bastante más caro de reparar después.

Preguntas frecuentes

De la captura al conocimiento que se acumula

La captura de conocimiento experto alimenta directamente los flujos de investigación con IA (AI Research Workflows), donde ese material se combina con evidencias externas, y la Authority Engineering, donde se acumula hasta convertirse en autoridad publicada y duradera. Las organizaciones con poco tiempo de personas expertas que quieran escalar este proceso sin sobrecargar a ninguna de ellas deberían consultar también Scaling Expert-Led Content Without Diluting Expertise. Los equipos que estén listos para desarrollar esta capacidad pueden empezar por la AI Capability Academy o por un Executive AI Marketing Assessment de kōdōkalabs.

Si su equipo busca cómo organizarse ante este cambio, un Executive AI Marketing Assessment es un buen punto de partida.

Reservar un Executive AI Marketing Assessment