31 de enero de 2026 # Cómo mitigar el AI Workslop, primera parte  > [!tip] >#### En 2026, no podemos *no* usar IA en las empresas. > >#### Pero desde luego, tampoco podemos lanzarnos a usar IA sin cambiar cómo gestionamos el conocimiento. > >#### Os cuento por qué. Si en tu empresa ya hay caos documental (y lo hay), la IA no lo va a arreglar: lo normal es que lo multiplique **mientras todo parece ir bien**. Hay un importante riesgo de que el conocimiento interno se convierta en algo inmanejable. Es la parte del AI workslop creado por la propia IA. Ya hablamos el otro día de esto del [slop y el workslop](65-Slop-y-workslop.md) creados por la IA. Además, os he dejado [aquí una defición esquemática y objetiva](Eco-AI-slop-vs-ai-workslop-definiciones.md) de todo esto. Pongamos que tienes Microsoft 365 Copilot trabajando sobre datos almacenados en SharePoint, OneDrive y Outlook y conectado al CRM o ERP de turno, todo ello controlado y gobernado con Purview, Entra, Defender y el novísimo Agent 365. Bien. O podría ser cualquier otra herramienta de IA accediendo a otros repositorios de documentación. Con este escenario, la IA no “piensa” tu conocimiento interno. No lo razona. Lo que hace es recuperarlo, mezclarlo y redactarlo en tono profesional. Si el contenido de base está degradado, lo que obtendrás será un texto convincente apoyado en datos dudosos, incompletos o con errores. A partir de aquí, da igual la marca o el stack de tu tecnología. El patrón se repite. El problema es que muy pronto, gran parte de esa documentación habrá sido generada por IA y probablemente nadie la haya leído en profundidad. Y tendrá erroes. Errores grandes o pequeños, pero tendrá errores. ## Documentación zombie Máquina y yo hemos decidido llamar *documentación zombie* a los documentos que parecen válidos, pero no lo son. Suelen tener alguno de estos rasgos: - **Forma impecable**: estructura, tono, vocabulario profesional. Una rápida lectura en diagonal da la sensación de *documentación de calidad*. - **Sustancia floja**: vaguedad, conclusiones sin datos, frases que suenan bien pero no dicen nada. Una lectura en profundidad por un experto, y claramente *falta chicha*. - **Evidencia débil**: cifras sin fuente sólida, tablas “aproximadas”, enlaces rotos o referencias discutibles. - **Datos erróneos**: el más peligroso, desde mi punto de vista, algunos datos son simplemente erróneos. La tercera cifra de una tabla no es cierta. El porcentaje de crecimiento en un párrafo es erróneo. Y así. Peligroso porque tenemos *algunos datos erróneos* dentro de un documento lleno de datos buenos. Dos problemas a partir de aquí. ### Documentos que parecen buenos El primer problema serio aparece cuando utilizas esos documentos, ya sea en una reunión, comité o enviándolos a un cliente. Los documentos parecen buenos. Al profundizar salen los errores. O peor: nadie profundiza. Errores que pasan desapercibidos y se almacenan para la posteridad. ### Propagación de errores Y aquí aparece el segundo problema, que creo que se puede convertir en sistémico: un zombie deja de ser un archivo aislado. Se convierte en ingrediente. Dado que la documentación almacenada es la materia prima de la IA, ésta lo cita, lo resume, lo remezcla y genera nuevos documentos. **Los errores se propagan**. Epidemia zombie. Guerra Mundial Z, o The Walking Dead, o 28 días después, pero con documentos. --- > [!warning] > Mitigar el AI Workslop empieza por aceptar esto: no es un problema de la IA y no es un problema derivado de usar IA. Es un problema que se produce porque **empezamos a utilizar IA sin cambiar cómo gestionamos el conocimiento**. > > Es un problema derivado de añadir IA en la empresa pero seguir trabajando como antes. --- ## Las cinco palancas Se me ocurren 5 ideas (seguro que hay más) que Máquina ha sugerido que llamemos *palancas*, y que sirven para mitigar el problema. ### 1) Higiene de conocimiento Durante 25 años muchas intranets han funcionado como un sitio donde “se dejan cosas”. Todo. Todo documento, borrador, versión, texto, se guarda y se almacena para el futuro, por si acaso hace falta. De forma desordenada. Porque almacenar documentación es barato. Con IA eso se ha de terminar. Necesitamos limpiar la Intranet de documentos. **Guardar un documento mediocre ahora es un problema**. La higiene de conocimiento es una disciplina sencilla de explicar y difícil de mantener: **almacenar conocimiento, no archivos**. Cualquier cosa que se almacena y está al alcance la de IA debe considerarse *conocimiento publicado*. Dos reglas mínimas: - Si no es un contenido que pondrías delante de un cliente o de un comité sabiendo que lo van a leer con detenimiento, no se publica. - Si no tiene metadatos básicos, no se publica. Metadatos básicos, sí o sí: **Estado** (borrador o final), **Fecha** y **Propietario** (responsable de la vigencia) Parece burocracia pero es simple control. Si no existe un responsable claro, nadie se siente obligado a mantenerlo, corregirlo o retirarlo. Si no tiene fecha, en unas semanas nadie sabrá si es válido o no. Y entonces la IA lo trata como una fuente más. > Dime que nunca has visto esto --> **Keynote_apertura_v_final_corregida_2.pptx** --- ### 2) Arquitectura de conocimiento por defecto El error que seguro muchas empresas van a implementar es “un repositorio para la IA” y dejar el resto igual. Mala idea, porque esto produce una zona limpia, potencialmente pequeña y sin impacto, y una *vieja intranet* que sigue siendo enorme y que es lo que seguirá usando casi todo el mundo. La arquitectura de conocimiento es distinta a las taxonomías tradicionales de las intranets: ahora consiste en **diseñar el alcance por defecto de la IA**. Necesitas separar tres zonas, con definición clara: - Zona A, **Conocimiento vivo**: lo que la IA usa por defecto. Lo que es conocimiento bueno y actualizado. - Zona B, **Archivo**: contenido consultable, pero fuera de uso por defecto. La IA solo accede aquí si se lo pides. Aquí se guardan las versiones antiguas si hay contenido actualizado en la zona A. - Zona C, **Retención/legal**: conservación por obligación, con acceso restringido, nunca por defecto para el gran público. Solo accesible por la IA si alguien *con los permisos pertinentes* lo pide *explícitamente*. Un documento sin owner, sin fecha o sin estado no entra en conocimiento vivo. Está prohibido porque no es fiable. En serio, toda información en la Zona A será potencialmente recogida, resumida, tratada, razonada, justificada, explicada, por la IA. --- ### 3) Caducidad automática y mantenimiento forzado Si tu conocimiento “no vence” explícitamente seguirá siendo usado. ¿De verdad quieres que la IA responda con información de documentos de 2015 solo porque la respuesta a esa pregunta no está en ningún sitio? ¿No sería mejor *no* devolver información de hace 10 años? Aquí la palanca es convertir la vigencia en un mecanismo automático. Todo documento vivo nace con vencimiento. 90, 180 o 365 días, según el tipo. Cuando vence: - deja de ser “vivo” y pasa a “en revisión” o se degrada al archivo - el owner tiene que renovarlo, actualizarlo o retirarlo Este mecanismo evita que lo viejo se disfrace de vigente durante años. No promete perfección. Evita abandono. Las personas tendrán que mantener la información. Pero no pasa nada, que utilicen para ello **parte del tiempo que se van a ahorrar** escribiendo documentos. --- ### 4) Trazabilidad mínima y documentos más esquemáticos Hay un patrón que conviene romper: **almacenar narrativa larga** como si fuese el activo. No lo es. **Dejemos de almacenar narrativa como el activo principal** Hoy ya tienes IA capaz de generar documentos bien redactados a partir de datos, estructura y contexto. Cada vez conviene más almacenar el dato verificable, y generar narrativa cuando al vuelo, cuando haga falta, en el formato y forma necesarios en ese momento. Almacenemos únicamente datos esquemáticos y su trazabilidad. **Trazabilidad mínima** Trazabilidad mínima significa: - si hay una cifra importante, debe estar anclada a una fuente clara - si hay una afirmación fuerte, debe apuntar a evidencia o declararse como hipótesis --- Con esto reduces el contenido “bonito y vacío” y haces que la IA tenga puntos de apoyo reales. Luego, si necesitas un informe largo, lo generas al vuelo desde una base sólida. El único lugar donde se me ocurre que hay que almacenar la narrativa es en la documentación legal. Para todo lo demás, acostumbrémonos a almacenar solo información esquemática. Nos lo agradeceremos en el futuro. --- ### 5) Control de propagación Si la palanca 2 define dónde vive el conocimiento, la 5 controla cómo se replica y se transforma. El workslop se vuelve sistémico cuando los duplicados y las versiones paralelas se convierten en normalidad. Con IA esto se acelera con el problema de que todos los documentos son bonitos y perdemos visibilidad clara de cuál era la fuente. Aquí la regla es simple y exigente: - una única fuente oficial por tema crítico (pricing, políticas, producto, cifras clave) - todo lo derivado enlaza a lo oficial, no lo sustituye Y además: el duplicado no puede convertirse en conocimiento vivo por inercia. Si alguien crea un “nuevo oficial” sobre un tema ya cubierto, tiene que justificarlo y reemplazar el anterior de forma explícita. Este mínimo sobreesfuerzo de ordenar sirve para evitar que la IA aprenda cinco verdades distintas sobre lo mismo. --- ## La parte humana: el siguiente capítulo Hasta aquí hemos hablado del AI Workslop que nace de la IA alimentándose de documentación mala (o mejor dicho, *no del todo buena*) y produciendo *documentación zombie* como consecuencia. Aquí las personas tenemos que cambiar cómo trabajamos y cómo almacenamos información, para que el uso de la IA sea de verdad muy productivo a la vez que *de calidad*. Porque hay otro aspecto de las personas que me preocupa. La otra mitad del uso de la IA en las empresas: la **productividad cosmética**. Mucho output, poco impacto. Trabajo placebo. Formato perfecto, ilusión de productividad. Eso merece un artículo aparte, porque el tratamiento es distinto. Aquí el objetivo era evitar que la adopción de IA falle por una causa que casi nunca aparece en las presentaciones bonitas. --- ## Cierre Si estás metiendo IA en productividad, estas cinco palancas, u otras similares, deberían ser parte del plan de adopción. En el apartado del plan de gobierno. Si no gobiernas el conocimiento interno, la IA no va a darte claridad, probablemente va a hacer contrario. Peor, **va a engordar tu conocimiento interno no gobernado**, lo cual es mucho peor. > Hasta ahora no era problema porque siempre tenías a una persona mirando qué fichero abrir y usando su experiencia y sentido común para saber cómo de bueno era el documento. > > La IA hace muchas cosas mejor y más rápido que nosotros. Lo que no hace es dudar, sospechar o desconfiar de un documento “bien escrito”. --- ## Bonus  En la última revisión, Máquina dice que *"le gusta el artículo porque funciona"*. Sigo pensando que es demasiado condescendiente y buenrollista, pero me ha hecho gracia porque parece sacado del [libro de Ochoa](https://www.linkedin.com/posts/javier8a_activity-7419283546231431168--GpA?utm_source=share&utm_medium=member_desktop&rcm=ACoAAAAT5UsBH3ISG9LTxrgEnB7glCf9CerKWno), que tengo que decir que lo estoy disfrutando como un enano :-)