En muchas organizaciones existe una paradoja.
Hay abundancia de información, pero escasez de evidencia útil para tomar decisiones.
Documentos, informes, procedimientos, reglamentos, presentaciones, correos electrónicos y bases de datos contienen miles de piezas de información. Sin embargo, cuando llega el momento de justificar una decisión importante, suele aparecer la misma pregunta:
¿Cuál es la evidencia que respalda esta conclusión?
Y con demasiada frecuencia, nadie puede responderla con claridad.
El resultado es conocido: las organizaciones acumulan información, pero tienen dificultades para transformarla en conocimiento reutilizable. La información existe, pero las decisiones continúan dependiendo de interpretaciones individuales, experiencia acumulada o criterios difíciles de verificar.
El problema no es la información
Tradicionalmente hemos intentado resolver este desafío organizando documentos. Creamos carpetas, repositorios, bases documentales o sistemas de gestión del conocimiento. Sin embargo, los documentos son solo contenedores.
Lo que realmente utilizan las personas para decidir son conceptos: definiciones, criterios, reglas, indicadores, evidencias, interpretaciones y relaciones entre distintos elementos. Son estas piezas de conocimiento las que permiten evaluar una situación y tomar una decisión.
El problema es que, con el tiempo, esos conceptos se fragmentan. Diferentes áreas los interpretan de maneras distintas, los documentos evolucionan por separado y las evidencias que originalmente justificaban una decisión terminan perdiéndose o quedando desconectadas.
Cuando eso ocurre, la organización sigue teniendo información. Lo que pierde es la capacidad de explicar por qué decide de una determinada manera.
Un ejemplo: la autoevaluación para acreditación
Este problema aparece con especial claridad en los procesos de autoevaluación para acreditación institucional o de programas académicos en instituciones de educación superior.
En teoría, el desafío parece simple: determinar el nivel de cumplimiento de un criterio y presentar evidencias que lo respalden. Sin embargo, en la práctica ocurre algo muy distinto.
Los equipos interpretan los criterios de maneras diferentes. Los documentos institucionales contienen información relevante, pero no siempre son específicos. Las evidencias existen, pero suelen encontrarse dispersas entre reglamentos, informes, bases de datos, actas, encuestas, sistemas académicos y múltiples fuentes adicionales.
Entonces comienzan las preguntas. ¿Qué significa realmente cumplir este criterio? ¿Qué evidencia es válida? ¿Qué nivel de cumplimiento corresponde asignar? ¿Por qué distintos equipos llegan a conclusiones diferentes utilizando los mismos documentos?
En muchos procesos de acreditación, la mayor parte del tiempo no se dedica a buscar información. Se dedica a construir una interpretación compartida. Cuando esa interpretación no existe, la autoevaluación se vuelve lenta, inconsistente y difícil de sostener frente a evaluadores externos.
¿Qué es la minería de conceptos?
La minería de conceptos busca identificar, estructurar y conectar las piezas reutilizables de conocimiento que aparecen distribuidas en múltiples fuentes de información.
Mientras la minería de procesos intenta reconstruir cómo funcionan realmente los procesos a partir de eventos y registros operativos, la minería de conceptos busca reconstruir los conceptos que permiten interpretar esos procesos y tomar decisiones sobre ellos.
En nuestro caso, gran parte de la inspiración metodológica proviene de los trabajos desarrollados en torno a Process Intelligence y Process Mining por organizaciones como Celonis. Su propuesta busca reconstruir procesos a partir de evidencia observable y no únicamente desde la documentación formal.
Para quienes quieran profundizar, recomendamos especialmente la guía:
Meet Process Intelligence – Celonis
La diferencia es que nuestro foco no está en descubrir el flujo de actividades. Nos interesa identificar los conceptos, criterios, reglas, evidencias y relaciones que aparecen distribuidos en documentos, entrevistas, procedimientos, reglamentos y otras fuentes de información.
Creemos que estos conceptos constituyen una capa complementaria al proceso: una capa de conocimiento reutilizable que permite explicar por qué se toman determinadas decisiones y cómo deberían evaluarse en distintos contextos.
De documentos a conceptos reutilizables
Por ejemplo, en un proceso de acreditación pueden aparecer conceptos como cumplimiento de un criterio, evidencia válida, indicador de desempeño, mecanismo de aseguramiento de la calidad, resultado de aprendizaje o mejora continua.
Cada uno de estos conceptos puede encontrarse en múltiples documentos. Sin embargo, lo importante no es dónde aparece un concepto, sino comprender qué significa, qué evidencia lo respalda, cómo se relaciona con otros conceptos y qué decisiones permite tomar.
Cuando estas relaciones quedan explícitas, la organización deja de depender de interpretaciones individuales. El conocimiento se vuelve reutilizable. Cada concepto mantiene su vínculo con las evidencias que lo respaldan y con los documentos de los cuales proviene.
La conversación deja de centrarse en opiniones y comienza a centrarse en evidencia verificable.
Trazabilidad: la condición para reutilizar conocimiento
Existe un principio que guía todo este enfoque:
Un concepto solo es realmente útil si puede rastrearse hasta la evidencia que lo respalda.
Por esa razón, cada concepto debe mantener vínculos explícitos con sus fuentes, contexto de aplicación y evidencias asociadas.
La trazabilidad no es un requisito técnico. Es una condición para que el conocimiento pueda reutilizarse, auditarse y evolucionar en el tiempo.
Cuando una organización pierde la capacidad de explicar de dónde proviene una conclusión o qué evidencia la sustenta, el conocimiento comienza a degradarse. Las decisiones se vuelven dependientes de interpretaciones individuales y resulta cada vez más difícil mantener criterios consistentes.
Hemos profundizado en esta idea en una entrada anterior de nuestro blog:
Diseñar trazabilidad: la frontera real de la adopción de IA
La minería de conceptos busca precisamente evitar ese problema, transformando información dispersa en conocimiento que conserve su origen, contexto y evidencia.
El verdadero valor de la IA
En este contexto, la inteligencia artificial no reemplaza el juicio humano.
Su principal aporte es ayudar a identificar, organizar, relacionar y reutilizar conocimiento. Cuando los conceptos están bien definidos, la IA puede ayudar a encontrar evidencia, detectar inconsistencias, sugerir interpretaciones y apoyar procesos de evaluación.
Pero cuando los conceptos son ambiguos o contradictorios, la IA solo amplifica el problema existente.
Por eso creemos que el desafío principal no es entrenar mejores modelos. Es construir mejores estructuras de conocimiento.
Una nueva forma de gestionar conocimiento
La minería de conceptos propone cambiar la pregunta.
En lugar de preguntar:
“¿Dónde está el documento?”
Comenzamos a preguntar:
“¿Cuál es el concepto que necesitamos comprender y qué evidencia lo respalda?”
Ese cambio parece pequeño, pero transforma la manera en que las organizaciones aprenden, evalúan y toman decisiones.
Porque al final, una decisión confiable no depende de la cantidad de información disponible. Depende de la calidad de los conceptos que utilizamos para interpretarla y de la capacidad de rastrear la evidencia que los sustenta.
Si no puedes volver a mostrar la evidencia, no es conocimiento. Es una suposición.
*Escrito en colaboración con Sofia, asistente IA.