Company brain: construirlo internamente o con una agencia

Ya has entendido que un company brain te hace falta de verdad. El conocimiento de tu empresa está disperso entre chats, correos, PDF de políticas, Excel de facturación y, sobre todo, en la cabeza de dos o tres personas que, si mañana se van, te dejan un agujero. La pregunta ahora es otra: ¿lo construyes internamente o se lo confías a una agencia?

Es una decisión de empresario, no de manitas informático. Un second brain no es una carpeta compartida bien hecha. Es un sistema diseñado para que lo lea y lo navegue una IA, donde cada decisión de estructura repercute en la calidad de las respuestas durante años. Equivocarse al principio significa construir sobre cimientos torcidos y darse cuenta cuando rehacerlo todo sale caro.

En este artículo te explico qué hace falta de verdad (estructura, notas atómicas, ontología, controles de calidad, RAG, compliance), dónde termina el hazlo-tú-mismo y por qué hay algo que nunca puedes delegar, ni siquiera a la IA más potente: la comprensión de tu negocio.

Por qué "build o agencia" es la pregunta correcta

Muchos la afrontan como una elección entre dos herramientas. No lo es. Lo que de verdad está en juego es el método. Un company brain vive o muere por su arquitectura, y la arquitectura no se ve mientras el sistema es pequeño. Con 50 documentos, cualquier disposición parece funcionar. El problema estalla con 2.000, cuando la IA empieza a pescar la nota equivocada, a confundir a dos clientes homónimos o a inventar porque no encuentra la fuente correcta.

Por eso no es una cuestión de software que instalar, sino de diseño. Y el diseño exige tres competencias que rara vez conviven en la misma persona: entender cómo razona una máquina sobre los textos, saber estructurar el conocimiento para que siga siendo reutilizable, y conocer tu negocio concreto. La tercera, como veremos, sigue siendo cosa tuya de todos modos.

Qué hace falta de verdad: las cinco capas que nadie improvisa

Antes de decidir quién lo construye, tienes que saber qué estás construyendo. Un company brain serio se apoya en cinco capas. Cada una tiene una forma correcta y cien formas equivocadas de hacerse.

1. Notas atómicas: el conocimiento partido en unidades reutilizables

El conocimiento no se vierte en un sistema como agua en un cubo. Se divide en muchas notas pequeñas, una idea por nota, todas interconectadas. Es el mismo principio con el que el sociólogo Niklas Luhmann, con el método Zettelkasten, gestionaba 90.000 fichas en papel y escribía sobre ellas decenas de libros: cada ficha era autónoma y estaba conectada a las demás. Una nota atómica bien hecha es reutilizable en contextos distintos y, sobre todo, navegable por una IA. Una nota mala (demasiado larga, con tres conceptos dentro) confunde al sistema y degrada las respuestas. Si quieres profundizar en la lógica, lo tratamos en detalle en el artículo dedicado a las notas atómicas como ladrillos del conocimiento corporativo.

2. Ontología: la diferencia entre archivar y razonar

Aquí es donde falla el hazlo-tú-mismo. Hay una diferencia sustancial entre taxonomía (cómo archivas las cosas, en qué carpeta las metes) y ontología (cómo se conectan los conceptos entre sí). La taxonomía la sabes hacer tú también: es el orden. La ontología es la red de conexiones que permite a la IA moverse entre las notas y razonar, pasando de un cliente a su sector, al contrato, a la política que lo regula. Sin una ontología diseñada tienes un archivo ordenado pero mudo. Con una ontología bien diseñada tienes un cerebro que conecta. Es la parte más técnica y la más fácil de subestimar.

3. Canon: una única fuente de verdad

El canon, o single source of truth, es la única verdad corporativa de la que bebe la IA. Es lo que impide que el sistema invente: la IA no imagina, solo reporta hechos presentes en el conocimiento de la empresa, reduciendo drásticamente las alucinaciones. Hace falta una regla clara sobre qué entra en el canon, quién lo actualiza y cómo se resuelven las contradicciones (dos documentos que dicen cosas distintas sobre el mismo precio). Sin gobernanza, el canon se contamina y la IA te responde con datos antiguos.

4. Memoria viva: un sistema que se actualiza solo

Un company brain no es una foto tomada una vez. Es una memoria viva que se actualiza con las conversaciones y las sesiones de trabajo diarias. Es lo que te permite, seis meses después, preguntar "¿qué habíamos decidido en marzo con ese cliente?" y obtener la respuesta en lugar de rebuscar en un chat muerto. Pero para que funcione hace falta un mecanismo de actualización fiable y un control de versiones que conserve el histórico y garantice una fuente única incluso cuando trabajas en equipo.

5. RAG: la búsqueda semántica para escalar a miles de documentos

Mientras las notas son pocas basta con un mapa de contenidos y un índice. Cuando se vuelven muchas hace falta el RAG (retrieval aumentado): una búsqueda semántica que, entre miles de documentos, encuentra solo los verdaderamente relevantes para la pregunta, de forma eficiente. Como orden de magnitud orientativo: por debajo de las 500 notas bastan mapas de contenido y un índice; entre 2.500 y 20.000 notas hace falta introducir embeddings y RAG; por encima de las 20.000 hace falta una pipeline RAG completa. Montar RAG demasiado pronto es un desperdicio, montarlo demasiado tarde te deja con un sistema que ya no responde. Saber cuándo hace falta es exactamente el tipo de decisión que distingue a quien lo hace por oficio.

Cuánto cuesta (en tiempo) equivocarse en solitario

El conocimiento disperso ya tiene un coste que pagas cada día, incluso sin company brain. Según estimaciones de McKinsey, cerca del 19% de la semana laboral (casi un día de cada cinco) se va en buscar información. Es un orden de magnitud, no una verdad absoluta, pero da una idea: ese día perdido es el precio del caos informativo.

Luego está el coste del onboarding. Un nuevo empleado tarda de media entre 8 y 12 meses en ser realmente productivo, con una curva que varía bastante: un top performer llega a su rendimiento pleno en 3-6 meses, un perfil medio en 8-12, uno más lento en 14-18. Lo interesante es que en la primera parte de la curva quien gana es el empleado (absorbe), en la segunda gana la empresa (rinde). Reducir el tiempo de rampa desplaza el centro de gravedad a tu favor y, como cuento en el artículo sobre cómo reducir los tiempos de onboarding con la IA, también facilita la rotación interna y reduce la rotación de personal.

El problema del build hazlo-tú-mismo es que corres el riesgo de convertir meses de trabajo interno en un archivo que la IA no consigue usar bien. Has gastado el tiempo de las personas más caras (las que conocen la empresa) en construir unos cimientos que luego hay que rehacer. Es el caso clásico en el que el ahorro inicial acaba siendo el coste mayor.

La verdad incómoda: la comprensión no se externaliza

Aquí llega el insight que cambia la perspectiva sobre toda la elección entre build y agencia. Con la IA hoy puedes externalizar dos cosas: la competencia técnica (la IA escribe código por ti) y el pensamiento (la IA te propone arquitecturas, opciones, estructuras). Pero hay una tercera cosa que no puedes delegar a nadie, ni a la IA ni a una agencia: la comprensión de tu negocio.

Ningún partner externo sabe por qué ese cliente debe gestionarse de forma distinta a los demás, por qué existe esa política, qué decisión tomada hace dos años sigue siendo vinculante. Esa comprensión vive dentro de la empresa. Lo que significa que un buen company brain nace siempre de una colaboración: la agencia aporta el método (estructura, ontología, RAG, compliance), la empresa aporta el significado. Quien te promete construirte el cerebro corporativo "llave en mano" sin pedirte tu tiempo para entender el negocio, te está vendiendo un archivo, no un cerebro.

Y es precisamente por eso que la elección no es realmente "build interno o agencia". Es "quién diseña la estructura" y "quién aporta la comprensión". La estructura casi siempre conviene confiarla a quien lo hace por oficio. La comprensión sigue siendo tuya, por fuerza.