Serie · Parte 2 de 6: Cómo montamos el departamento de IA en Twim
Si no has leído la parte 1, te recomendamos empezar por ahí: De la IA puntual al departamento de IA →
La IA funciona. Ese no es el problema.
Es más: herramientas como ChatGPT, Claude o Gemini ya tienen memoria. Si trabajas dentro del mismo proyecto o chat, van acumulando contexto y mejorando con el tiempo. Cualquiera que lleve unos meses usándolas lo habrá notado.
El problema es otro: ese contexto vive dentro de la plataforma del proveedor, no en tu empresa.
Si tu equipo comercial ha entrenado su ChatGPT Project durante meses para que entienda vuestra forma de vender, ese conocimiento está en OpenAI. No en un formato que pueda leer otra herramienta, no en algo que un compañero de otro departamento pueda consultar, no en un archivo que podáis versionar, auditar o llevaros si dec idís cambiar de plataforma.
Para un uso individual, eso no importa. Para una organización que quiere usar la IA de forma coherente entre departamentos y sin depender de un único proveedor, es un problema estructural.
El contexto no se transfiere solo
Imagina que cada vez que un empleado nuevo entra a trabajar, nadie le explica nada. Ningún proceso documentado, ninguna reunión de introducción, ningún acceso a decisiones anteriores. Tiene que deducirlo todo por su cuenta, conversación a conversación.
Eso es exactamente lo que le pasa a la IA si no le das un marco previo.
Puedes tener el modelo más potente del mercado, pero si el contexto que le das es vago o inconsistente, las respuestas también lo serán. La IA no puede inferir lo que no sabe. No tiene acceso a tu empresa, a tus proyectos, a tu historia. Solo tiene lo que le dices.
El problema se multiplica con el equipo
Cuando eres una sola persona, puedes compensar la falta de estructura escribiendo un buen prompt —el encargo detallado que le haces a la IA al inicio de cada conversación— cada vez que la necesitas. Es ineficiente, pero funciona.
Cuando quieres pasar ese contexto a otra persona o a otra herramienta, siempre puedes pedirle a la IA que genere un resumen de lo trabajado hasta ese momento. Y funciona, en cierta medida. El problema es que ese resumen lo genera la IA con su propio criterio, no siempre captura lo que realmente importa, y obliga a alguien a revisarlo, validarlo y reintroducirlo manualmente en otro contexto. No es un sistema: es un parche.
Cuando son cinco personas, la situación se complica más. Cada una acumula su propio contexto en su propia herramienta. No hay coherencia entre lo que produce una persona y otra. Y el conocimiento que cada empleado construye con la IA queda en manos de esa persona: si se va, si cambia de herramienta, o simplemente si no tiene el hábito de compartirlo, la empresa pierde ese trabajo. La organización depende de la buena voluntad de cada individuo para que ese conocimiento no desaparezca.
Y cuando intentas revisar o mejorar algo que generó un compañero, no tienes manera de saber bajo qué instrucciones lo hizo, ni de reproducirlo de forma fiable.
La ilusión del prompt perfecto
Durante un tiempo, la respuesta habitual en el sector era: “hay que aprender a hacer buenos prompts.” Existe incluso una disciplina llamada prompt engineering —literalmente, ingeniería de instrucciones— dedicada a formular de la mejor manera posible los encargos que se le dan a la IA.
Y es verdad que importa. Pero el problema más profundo es que estás poniendo el conocimiento de tu empresa dentro de una herramienta externa, en un formato que no controlas.
Cada vez que alguien construye un buen contexto en su ChatGPT o en su Claude, está haciendo un trabajo que queda atrapado en esa plataforma. No lo puede aprovechar el compañero que usa otra herramienta. No se puede auditar. No se puede exportar fácilmente si mañana cambia el proveedor. Ese conocimiento no es de la empresa — es del proveedor que lo almacena.
Lo que realmente necesitas
Lo que necesitas no es un prompt mejor. Lo que necesitas es un sistema que haga que la IA entienda tu empresa antes de que empiece a trabajar.
Un sistema donde el contexto esté documentado de forma permanente, sea accesible para cualquier herramienta, y se actualice cuando las cosas cambian. Igual que tienes un manual de empleado, una guía de estilo de marca o un reglamento interno: documentos que describen cómo funciona tu organización y que cualquier persona nueva puede leer para ponerse al día.
La IA necesita exactamente lo mismo.
Eso fue lo que empezamos a construir. Y antes de llegar a la solución correcta, cometimos un error bastante instructivo que vale la pena contar.
Siguiente en la serie: El experimento Paperclip →