Reflexiones · memoria organizacional
Cuando la empresa pierde el porqué, pierde su memoria
Una persona deja la empresa. Los archivos siguen ahí, los correos están guardados y las actas disponibles. Meses después, quien la sucede encuentra una decisión, pero nadie sabe explicar bien por qué se tomó. Falta algo más que un documento: la posibilidad de retomar el razonamiento.
La conclusión sobrevivió, sus condiciones no
Imaginemos una pyme que cambia de responsable comercial. En los expedientes, la nueva persona encuentra una política de precios, varias actas, una lista de clientes e intercambios con la dirección. Un descuento importante concedido tres años antes parece un precedente útil para una negociación difícil.
El escenario es ficticio. Aquel descuento compensaba un problema de suministro que impedía cumplir un compromiso. Se había autorizado para ese cliente y después había sido sustituido por otra regla. El importe sobrevivió; su alcance quedó menos claro. Copiarlo supondría convertir una excepción en política comercial.
El problema existe sin inteligencia artificial. Comienza cuando alguien confunde una conclusión recuperada con una decisión que sigue siendo aplicable. Conservar la información no garantiza preservar las condiciones de su uso.
Relacionar lo que permite comprender
La memoria organizacional tiene una trayectoria científica: Stein y Zwass propusieron en 1995 un modelo de sistema de información dedicado a ella [1]. Aquí propongo una guía práctica, no un modelo validado científicamente: huella → contexto → estado → conocimiento → posibilidad de acción.
La huella puede ser un correo, una reunión, una fotografía o una decisión registrada. El contexto identifica personas, época, objetivo, restricciones y alternativas consideradas. El estado indica qué tenemos realmente delante: hecho documentado, decisión, testimonio, hipótesis, interpretación, información cuestionada o sustituida, o pregunta todavía abierta.
El conocimiento es lo que podemos aprender de esas relaciones. Para actuar hace falta otra valoración: ¿resulta pertinente esa enseñanza aquí, hoy y para esta persona? Una decisión conservada no se convierte automáticamente en autorización. Las preferencias cambian; un procedimiento puede ser válido solo en determinadas circunstancias.
En nuestra pyme, una memoria contextualizada debería explicar: «Este descuento se decidió en esta fecha para compensar este problema. Afectaba a este cliente y después fue sustituido por esta regla». Cada elemento debería remitir a una prueba. Si falta el motivo, hay que señalar la laguna, no inventar una explicación verosímil.
Transmitir antes de que se marche el experto
El conocimiento tácito también requiere práctica. Un estudio de 2026 en Fagor Automation describe el aprendizaje mediante tareas acompañadas; la intervención tuvo un éxito parcial [2]. No demuestra que unos expedientes completos basten para asegurar un relevo.
De ahí extraigo una propuesta concreta: que quien vaya a tomar el relevo trabaje sobre una decisión real mientras el experto todavía pueda observar y explicar. Las dudas revelan criterios poco documentados, intentos abandonados y personas a quienes consultar. Registrar después esas explicaciones permite transmitir el razonamiento, atribuyendo los recuerdos recogidos a posteriori.
Documentar quién produjo qué ofrece otro apoyo. W3C PROV proporciona un marco de procedencia que relaciona entidades, actividades y agentes [3]. No certifica la veracidad de un contenido ni su validez comercial actual. Esas valoraciones todavía deben documentarse y quedar bajo una responsabilidad definida.
La IA amplía el alcance de las decisiones antiguas
La IA permite consultar grandes cantidades de registros. Pero una búsqueda basada únicamente en similitud podría presentar nuestro descuento como una práctica válida: se parece a la consulta, aunque no se reconozca su alcance original. Una hipótesis puede convertirse en hecho, un resumen en fuente y una experiencia particular en recomendación general.
El benchmark Memora, publicado en Findings ACL 2026, evalúa la reutilización de recuerdos invalidados en conversaciones sintéticas [4]. MCMA experimenta con niveles de abstracción en ALFWorld, ScienceWorld y BabyAI [5]. Estos resultados experimentales no prueban la fiabilidad de un agente comercial real.
Mi interpretación es que una memoria útil debe preservar tanto el estado de lo que contiene como el nivel al que puede reutilizarse una experiencia. Un recuerdo exacto puede resultar perjudicial si se generaliza sin justificación. El olvido útil incluye retirar a una regla antigua su autoridad presente, sin convertir esa distinción en una obligación de conservarlo todo.
Cuanto más pueda actuar una IA, más debe poder justificar sus fundamentos. En este ejemplo debería distinguir el precedente histórico de la regla actual y dejar la aprobación del descuento a la persona autorizada.
La continuidad cognitiva como aspiración
En este sentido utilizo «continuidad cognitiva»: una formulación propuesta para describir cómo retomar un razonamiento más allá de las personas y las herramientas, no una categoría científica universalmente establecida. La memoria se convierte en infraestructura de continuidad cuando también permite entender qué ha cambiado.
Esta aspiración explica el principio que persigue Mnemory Knowledge: preservar las relaciones entre huellas, contexto, estado, temporalidad y conocimientos. El propósito va más allá de otro repositorio documental. Abarca a las personas, sus sucesores, los asistentes y los futuros agentes de IA, incluso después de un cambio organizativo. Es una orientación de diseño que debe ponerse a prueba, no una garantía de que todas esas capacidades estén ya aseguradas.
Para ponerlo en práctica
Elija una decisión importante tomada hace más de un año. Intente responder a cinco preguntas:
- ¿Qué decisión se tomó realmente?
- ¿Por qué?
- ¿Qué alternativas se consideraron?
- ¿Sigue siendo válida hoy?
- ¿Podría alguien que llegara mañana comprender todo esto sin consultar a quienes estaban presentes?
Si la última respuesta es no, probablemente la empresa tiene la información, pero todavía no toda la memoria que necesita para su continuidad. Esta prueba propuesta es un ejercicio de trabajo, no una medición científica.
Lo que sigue siendo utilizable
El almacenamiento conserva elementos. La continuidad exige que su significado siga siendo accesible y que su uso pueda cuestionarse.
La memoria de una empresa no se mide por lo que conserva, sino por lo que otra persona todavía puede comprender y utilizar cuando quienes sabían ya no están.
Philippe Contal
Fuentes y lecturas complementarias
- Eric W. Stein & Vladimir Zwass : Actualizing Organizational Memory with Information Systems (1995)Marco teórico fundacional de los OMIS; no valida el modelo práctico propuesto aquí.
- Nerea Sanchez-Urien et al. : Organisational learning structures favour knowledge transfer in succession planning (2026)Investigación-acción cualitativa en Fagor Automation; resultados parciales y generalización limitada.
- W3C : PROV-Overview (2013)Marco técnico de procedencia; no garantiza la verdad ni la validez de una decisión.
- Md Nayem Uddin et al. : From Recall to Forgetting: Benchmarking Long-Term Memory for Personalized Agents (Findings ACL 2026)Benchmark experimental Memora con conversaciones sintéticas; alcance limitado al protocolo estudiado.
- Sirui Liang et al. : Learning How to Remember: A Meta-Cognitive Management Method for Structured and Transferable Agent Memory (Findings ACL 2026)Experimentos en tres entornos; sin validación en operaciones comerciales reales.
Preguntas frecuentes
¿Por qué los documentos no bastan para transmitir una decisión?
Pueden conservar la conclusión sin sus motivos, las alternativas descartadas o las condiciones de validez. Una nota de decisión útil relaciona esos elementos con fuentes, una fecha y las personas implicadas.
¿Hay que borrar una regla antigua que ha sido sustituida?
Primero debe dejar de presentarse como actual. Su conservación histórica dependerá después de los derechos, las finalidades y las reglas de conservación aplicables; archivarlo todo no es una respuesta universal.
¿Puede una IA recuperar los motivos que faltan?
Puede relacionar fuentes que documenten esos motivos. Si faltan pruebas, una reconstrucción plausible sigue siendo una hipótesis. La respuesta debe señalar ese límite y solicitar una validación humana adecuada.