Auditoría de conocimiento antes de la IA empresarial
Una secuencia práctica para identificar conocimiento crítico, responsables y acceso antes de un proyecto de IA o base de conocimiento.
Eugeny Victorov · 2026-11-09
Empezar por una decisión
Elige una decisión o tarea recurrente y sus usuarios. Identifica qué deben saber, dónde una respuesta incorrecta genera riesgo y qué evidencias hacen fiable la respuesta. El resultado es una lista priorizada de necesidades, no un inventario indiscriminado de documentos.
Mapear conocimiento y responsabilidad
Registra fuente, experto, responsable del contenido, audiencia y motivo de revisión. Distingue conocimiento inexistente de información difícil de encontrar. Revisa restricciones y datos personales antes de cambiar accesos. Una capa de búsqueda o IA no determina por sí sola quién responde por una fuente o quién puede consultarla.
Probar un flujo de trabajo útil
Delimita un caso, como reutilizar una lección técnica o resolver una pregunta operativa recurrente. Acuerda preguntas representativas, fuentes esperadas y criterios de aceptación con los usuarios. Evalúa vigencia, accesibilidad y utilidad. Si interviene IA, contrasta las respuestas con las fuentes; una respuesta plausible no demuestra que sea correcta.
Medir sin inventar rentabilidad
Antes del piloto, registra una referencia: tiempo para encontrar una respuesta fiable, preguntas sin resolver o cobertura del conocimiento crítico. Selecciona indicadores que el equipo pueda recopilar. Separa resultados observados de beneficios previstos. Amplía el alcance cuando funcionen los responsables y el mantenimiento.
Experiencia que respalda el enfoque
En Gazprom Neft, Eugeny Victorov desarrolló mapas y auditorías de conocimiento crítico dentro del programa upstream. En Arrival trabajó en auditorías, mapas, glosario y lecciones aprendidas. Son actividades documentadas de gestión del conocimiento, no despliegues productivos de IA.