LA CARRERA POR LA MEMORIA DE LAS EMPRESAS

Miles de millones invertidos en IA corporativa no dieron retorno, los despidos están borrando el conocimiento que haría funcionar la tecnología — y una nueva categoría de empresas surgió para capturar lo que ningún sistema registró jamás.

Hay un número que resume el momento más extraño de la inteligencia artificial corporativa: 95%. Es la fracción de los pilotos de IA generativa que, según un estudio del MIT publicado en 2025, no produjo impacto medible en los resultados de las empresas que los contrataron — después de una inversión acumulada estimada entre 30 y 40 mil millones de dólares. El estudio, conducido por el Project NANDA a partir de 300 implantaciones públicas, 52 entrevistas en organizaciones y 153 respuestas de ejecutivos, derribó la explicación preferida del mercado. La diferencia entre el 5% que funcionó y el resto no estaba en la calidad de los modelos, ni en la regulación. Estaba en algo más prosaico: las herramientas que fallaron no retenían contexto sobre la operación en la que fueron insertadas. Brillaban en la demostración y se rompían el lunes.

La recomendación final del MIT a los ejecutivos cupo en una línea: financien la capa de memoria — lo que no retiene contexto, no escala.

Mientras tanto, en el mismo año en que gastaban miles de millones en herramientas sin memoria, las empresas borraban la memoria que ya tenían. Más de 90 mil puestos fueron eliminados en el sector tecnológico en 2026, con una porción creciente atribuida a la reestructuración por IA. En febrero, la consultora de recolocación Careerminds publicó una encuesta con 600 profesionales de recursos humanos: dos tercios de las empresas que despidieron a causa de la IA en el último año afirman ya enfrentar las consecuencias de la decisión. La consultora IDC estima que las fallas en la transmisión de conocimiento cuestan 31,5 mil millones de dólares por año solo a las empresas de la Fortune 500.

Los dos números cuentan la misma historia desde ángulos opuestos. El contexto que les falta a los pilotos de IA y el conocimiento que sale por la puerta en los despidos son, en gran medida, la misma cosa — y tienen nombre desde 1966, cuando el filósofo Michael Polanyi lo definió en seis palabras: sabemos más de lo que podemos contar. El conocimiento tácito es el juicio que se aplica sin poder explicar el criterio, el ajuste informal que sostiene un plazo, el motivo nunca escrito de una excepción recurrente. En marzo de 2026, la California Management Review, de Berkeley, elevó el concepto a titular de estrategia: el conocimiento tácito, escribió la revista, es la próxima ventaja competitiva de la era de los agentes de IA.

Donde hay un dolor con nombre y miles de millones mal gastados, surge una categoría. Acaba de nacer — y ya tiene tres caminos disputando quién llega primero a la memoria de las empresas.

El camino de la minería

El movimiento más ruidoso vino de Múnich. En marzo de 2026, Interloom anunció una ronda de 16,5 millones de dólares liderada por DN Capital, con participación de Bek Ventures y Air Street Capital, para una tesis que el fundador Fabian Jakobi resume con un dato: cerca del 70% de las decisiones operativas nunca fueron formalmente documentadas. La apuesta de la empresa es reconstruir esas decisiones minando lo que ya existe — correos de soporte, tickets, transcripciones de llamadas — y transformarlas en un “grafo de contexto” que alimenta agentes de IA.

Los clientes anunciados impresionan: Zurich Insurance, donde la startup ganó una competencia interna contra cerca de 2.000 competidores; Volkswagen; la inmobiliaria JLL; la logística Fiege; y el Commerzbank, dueño del caso más citado de la categoría — al analizar millones de correos contra la documentación interna, la brecha entre el proceso documentado y el practicado habría caído de cerca del 50% al 5%. A Jakobi le gusta provocar al mercado de consultoría: el suscriptor de Zurich, dijo a la prensa al anunciar la ronda, sabe cómo funciona el proceso mejor de lo que cualquier consultoría externa sabrá jamás.

El camino de la extracción

En Texas, Skill Refinery, de Matt Cretzman, ataca por el lado opuesto de la mesa: en vez de minar el rastro de la operación, extrae método de lo que los especialistas ya produjeron. Un libro de 200 páginas se convierte en 30 a 80 “tarjetas de habilidad” estructuradas, entregadas dentro de las herramientas que el profesional ya usa — ChatGPT, Copilot, Claude —, con el especialista monetizando su propio nombre en un modelo de reparto de ingresos. Es la respuesta de la categoría a otro miedo de 2026: profesionales que ven a la IA absorber su oficio prefieren empaquetar y vender su propia experiencia antes de que sea simplemente copiada.

El tercer camino — y la porción que los otros dos no alcanzan

Los dos modelos comparten una dependencia silenciosa: solo funcionan sobre lo que, en algún momento, se convirtió en artefacto digital. La minería lee correos y tickets que existen; la extracción estructura lo que el especialista decidió declarar y firmar. Pero la porción más valiosa del “70% no documentado” de Jakobi nunca generó artefacto alguno — se decidió en el pasillo, se acordó por teléfono, se ajustó por un criterio que nadie verbalizó. No se puede minar lo que no existe.

Es en ese vacío donde opera la brasileña Zthex, cuyo mecanismo invierte los anteriores: en vez de leer rastros, pregunta — por conversación estructurada con quien ejecuta el trabajo, en ciclos de hasta cinco semanas y precio cerrado. La diferencia técnica que los fundadores subrayan está en el origen del dato: la información minada de un ticket ya nace con dueño — remitente, responsable, atribución —, y anonimizarla después es reconstrucción. En la conversación, la identidad se remueve antes de cualquier grabación; en los sistemas de la empresa, afirman, el campo de identidad simplemente no existe. Lo dicho se confronta entonces con otras dos fuentes — lo que la política determina y lo que el registro de los sistemas muestra — y cada divergencia entre las tres se convierte en un hallazgo con origen rastreable, entregado como pregunta a investigar, nunca como veredicto. Al final, la empresa se queda con un “Índice de Divergencia”: la fracción de sus procesos en que lo documentado, lo registrado y lo vivido no coinciden.

El contraste de filosofía es nítido incluso en lo que las empresas exhiben. Mientras la categoría disputa logotipos de clientes en sus sitios, Zthex no publica ninguno — por política declarada: quien contrata una investigación de su propia operación, argumentan los fundadores, contrata discreción, incluso sobre haber contratado.

Quién se lleva la carrera

La categoría es demasiado joven para tener ganador, y lo bastante madura para tener tesis de inversión: DN Capital justificó el cheque en Interloom con la frase que resume la carrera — un agente de IA es tan bueno como las decisiones de especialista en las que consigue apoyarse. El Gartner añade el sentido de urgencia por el lado de la destrucción: más del 40% de los proyectos de IA agéntica serán cancelados hasta el fin de 2027, y, entre los miles de proveedores que se dicen agénticos, la consultora estima que cerca de 130 lo sean de hecho.

Lo que los tres caminos tienen en común es la apuesta de fondo: en la próxima década, el diferencial de las empresas no estará en los modelos — que serán commodity, cada vez mejores e iguales para todos —, sino en la memoria propietaria que cada organización consiga estructurar antes de que se evapore en despidos, jubilaciones y reorganizaciones. O, como los fundadores de Zthex eligieron grabar en su manifiesto: todo el mundo compra la misma inteligencia; el juego es construir la que no se compra.