Digital Workers: Sin conocimiento crítico, son Ferraris sin combustible

Capítulo 2 de la serie

En el artículo anterior dejé planteada una pregunta que sigue siendo incómoda y, al mismo tiempo, inevitable: ¿quiénes van a diseñar los Digital Workers y quiénes van a quedar fuera de ese proceso? Hoy quiero avanzar un paso más, porque hay algo que todavía no se está diciendo con suficiente claridad en la conversación sobre agentes de inteligencia artificial: un Digital Worker es tan inteligente como el conocimiento que lo alimenta. Ni más, ni menos.

La metáfora es simple. Es como contratar al mejor piloto de Fórmula 1 del mundo, ponerlo en el mejor auto disponible, con el mejor equipo técnico detrás, pero olvidarse de cargar el combustible. El sistema está completo, el talento está ahí, la tecnología también, pero no hay nada que lo haga moverse en la dirección correcta. Eso es exactamente lo que ocurre cuando una organización implementa agentes de IA sin haber activado primero su conocimiento crítico. El agente existe y funciona desde un punto de vista técnico, pero opera en el vacío: sin contexto, sin criterio, sin comprensión de lo que realmente importa. Ejecuta tareas, pero no entiende por qué lo hace ni qué consecuencias tienen sus decisiones.

Hoy muchas personas están recién comenzando a interactuar con estas tecnologías. Se habla de mejores prompts, de cómo formular instrucciones más precisas, de qué herramientas usar. Todo eso es necesario, pero es apenas la superficie. El verdadero salto no está en cómo le pedimos cosas a la IA, sino en qué conocimiento somos capaces de transferirle. Porque los llamados “inputs de calidad” no son simplemente buenas instrucciones; son conocimiento profundo de los procesos, de su lógica interna, de sus excepciones, de sus reglas formales y, sobre todo, de aquellas reglas no escritas que sostienen el funcionamiento real de una organización. Y ahí es donde aparece el desafío de fondo, que no es técnico sino organizacional y humano.

En Wikiflix lo estamos viviendo de manera directa. Hoy estamos construyendo un sistema de orquestación de agentes aplicado al core de desarrollo de software, un entorno que nos permite diseñar, testear y evolucionar Digital Workers en condiciones reales de operación. Sin embargo, el principal aprendizaje hasta ahora no ha sido tecnológico. Ha sido entender que antes de orquestar agentes es imprescindible orquestar el conocimiento.

Cada proceso que intentamos automatizar nos obliga a hacer un trabajo previo mucho más exigente de lo esperado: capturar excepciones, explicitar criterios de decisión, reconstruir contexto histórico y, especialmente, traducir esas reglas no escritas que suelen vivir únicamente en la experiencia de las personas clave. Sin ese trabajo, el agente puede aprender a ejecutar tareas, pero inevitablemente aprende mal. Y cuando ese aprendizaje defectuoso se escala, deja de ser un error aislado para transformarse en un problema que se multiplica por sí solo.

Por eso, lo que estamos viendo no es un problema tecnológico. Es la expresión amplificada de un problema antiguo: la gestión del conocimiento. Durante años, las organizaciones han convivido con conocimiento crítico que no está documentado, que depende de individuos específicos y que rara vez se sistematiza. Antes, eso generaba ineficiencias o dependencias difíciles de resolver. Hoy, en un contexto de automatización basada en inteligencia artificial, genera algo más complejo: Digital Workers ciegos, capaces de ejecutar pero incapaces de entender, que cometen errores a gran escala.

En este escenario, también es necesario corregir una idea que se ha instalado con demasiada ligereza. La secuencia no es implementar IA y esperar resultados. La secuencia correcta es más exigente: primero activar el conocimiento crítico, luego entrenar a los agentes con ese conocimiento, después orquestarlos y recién entonces escalar. El conocimiento no es una etapa previa de la transformación digital; es su condición de posibilidad. Es, en términos simples, el combustible sin el cual nada despega.

La pregunta que queda abierta, y que define tanto el presente como el futuro de las organizaciones, es incómoda pero inevitable: ¿cuánto del conocimiento crítico de una empresa está realmente disponible para ser transferido a un Digital Worker? ¿Cuánto de ese conocimiento sigue disperso en correos, en documentos inconexos o, más frecuentemente, en la memoria de algunas personas? Y, quizás más importante aún, ¿cuánto de ese conocimiento simplemente no existe de forma explícita?

Responder esas preguntas no es un ejercicio teórico. Es, cada vez más, una decisión estratégica. Una urgencia con el tiempo en contra...