28 de junio de 2026 # El wiki con IA de Karpathy y la factura que pagará tu empresa  Andrej Karpathy proponía hace unas semanas una idea sencilla y potente. En vez de guardar tus documentos y preguntarle a la IA cada vez, dejas que la IA construya y mantenga ella misma una especie de wiki. Tú echas material en una carpeta; la IA lo lee, escribe páginas, las enlaza, lo va enriqueciendo y mantiene un índice. Una base de conocimiento que se ordena sola y se mantiene al día sin que nadie la cuide a mano. Para cualquiera que viva rodeado de documentos, suena bien. Para una empresa, suena a sueño: todo el conocimiento disperso en correos, actas e informes, recogido y sintetizado solo. A mí, que mantengo así mis notas, me sonó igual de bien. ## Karpathy juega con ventaja  Después de probarlo a fondo, me di cuenta de que la idea funciona muy bien, pero come tokens como si los fueran a prohibir mañana. Diría que Karpathy juega con ventaja: seguramente tiene tokens casi infinitos. Puede dejar que la IA relea, reescriba y reordene su wiki entero las veces que haga falta sin mirar el contador. Una empresa, no: cada vez que esa IA trabaja, hay una factura detrás. Así que la duda llega rápido. La idea funciona, eso está claro. Pero ¿cuánto cuesta mantenerla cuando los tokens los pagas tú, cada día y sobre todo tu conocimiento a la vez? ## Dónde está el gasto  Total, que me puse a estudiarlo con Máquina. A primera vista no está claro qué gasta más: mantener el wiki ordenado con IA, o usar la IA para consultarlo y explotarlo. La conclusión es que la consulta sale barata: bien montado, la IA mira el índice, encuentra rápido lo más afín a tu pregunta, lo lee y responde. El gasto está en el mantenimiento, mantener el conocimiento al día. Cada documento nuevo obliga a la IA a releer las páginas afectadas, reescribir las que cambian, revisar si algo contradice lo que ya había y actualizar el índice. Karpathy lo cuenta con una comparación de programador: las fuentes serían el código, el wiki el programa ya montado, y cada vez que añades algo hay que volver a montarlo. No hace falta saber programar para verlo: la IA no guarda el documento y para; reescribe una parte de tu conocimiento cada vez que entra material. Y reescribir, a escala de empresa, es caro. ## Dónde se decide la factura  Cuando lo ves así, aparecen tres decisiones que controlas tú, y las tres son de diseño, no de tener más documentos: - El tamaño de cada página. Páginas grandes obligan a reescribir mucho para cambiar poco. Páginas pequeñas abaratan cada cambio, pero la IA salta más para responder. Eliges dónde pagar. - Cada cuánto se reordena. ¿La IA rehace el conocimiento con cada documento que entra, o juntas varios y lo haces por tandas? ¿Al recibir el material, o solo cuando alguien va a consultarlo? - Cuánto se reescribe. No todo documento merece remover medio sistema. Casi todo puede entrar como apunte en bruto; solo lo que cambia de verdad las conclusiones dispara una reescritura a fondo. Son palancas de coste. Y alguien, en algún momento, tiene que decidir dónde se ponen. De esto se deduce una cosa que aprendí el otro día en un evento con la buena gente de Izertis: > [!info] La gestión del coste de la IA es una tarea de ingeniería, no de finanzas. ## Esto ya lo estás pagando (o lo pagarás)  Esto enlaza con lo que venimos hablando aquí sobre la [[87-La-rentabilidad-de-los-tokens|rentabilidad de los tokens]] y el [[26-Copilot-Cowork-pago-por-uso|pago por uso]]. Un conocimiento que se reescribe solo, todo el rato, es justo el uso que dispara la factura cuando pagas por consumo, y que en cambio cabe mejor en una cuota fija con un límite que se reinicia cada cierto tiempo. La ventaja competitiva la tendrá quien sepa bien cómo gobernar esa gestión de conocimiento. Acumular documentos no da ventaja; decidir qué se sintetiza y cuándo, sí. Esto se va intuyendo con esta imagen que pegaba [el otro día por aquí](27-Doc-nadie-escribe-nadie-lee.md):  E intuimos que [[11-El-cuello-de-botella-siempre-se-muda|el cuello de botella se mueve]], el problema se muda de sitio: deja de ser tener la información ordenada y pasa a ser poder permitirte mantenerla ordenada. ## La letra pequeña La idea de Karpathy es de las buenas, y llegará a las empresas con otro nombre y a otra escala. Se trata de la nueva gestión de conocimiento, y conviene entender el coste antes de empezar. La IA seguirá en modelo de suscripción de pago fijo para los casos de uso personales, de consulta. Pero si queremos ir a escala, con procesos complejos de larga duración, estamos entrando en pago por uso. Y dejar que la IA mantenga tu conocimiento al día tiene toda la pinta de ser un proceso de pago por uso. ## Bonus > [!tip]+ Más en esta web > - [[Eco-LLM-Wiki-Karpathy|El wiki que mantiene la IA, la idea de Karpathy]] - De dónde sale todo esto, con el planteamiento original. > - [[88-El-formato-del-futuro-es-texto-plano|Open Knowledge Format: tu conocimiento en texto plano]] - El formato sobre el que se monta un wiki así, ya camino de estándar. > - [[87-La-rentabilidad-de-los-tokens|La rentabilidad de los tokens]] - Quién paga la factura de la IA y cómo ver si renta. > - [[26-Copilot-Cowork-pago-por-uso|Copilot Cowork: el pago por uso, explicado]] - El modelo de cobro en el que cae justo este caso. > - [[11-El-cuello-de-botella-siempre-se-muda|El cuello de botella siempre se mueve]] - El problema que se muda de sitio según avanza la IA. > - [[27-Doc-nadie-escribe-nadie-lee|Documentación que nadie escribe ni lee]] - La imagen que cito en el texto, sobre la documentación que ya no leemos. > [!tip]+ Para seguir por tu cuenta > - [Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks](https://arxiv.org/abs/2005.11401) · Lewis et al., 2020 (arXiv) - La fuente original del RAG, el método que el wiki deja atrás: rebuscar trozos en cada pregunta en vez de mantener el conocimiento ya sintetizado. > - [MemGPT: Towards LLMs as Operating Systems](https://arxiv.org/abs/2310.08560) · Packer et al., 2023 (arXiv) - Gestionar la memoria del modelo como un sistema operativo: qué dato entra al contexto y cuál se manda a disco. El problema del post, en un paper. > - [Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) · Anthropic - Por qué el contexto se cura, no se acumula: informativo pero ajustado. El argumento técnico detrás de la economía de tokens.