Episodio podcast Pioneros IA sobre wiki LLM: hombre cansado de explicarle otra vez "mi negocio" a la IA

Un segundo cerebro con IA: cómo darle memoria a tu negocio

«¿Por qué dejamos de hacer esto?» «¿Cuándo autorizamos aquella excepción para este cliente?» Son preguntas que aparecen en cualquier empresa. En la mía también. Y casi siempre la respuesta cuesta encontrarla: pasamos horas revisando mensajes, mails y, sobre todo, la memoria de cada uno, a ver si alguien se acuerda.

Para resolver justamente eso existe un concepto nuevo que se llama wiki LLM. Lo trajo a la luz Andrej Karpathy, una persona que nombré muchísimas veces en este podcast, y lo que hace es juntar tres ideas: el famoso segundo cerebro, que popularizó Tiago Forte con su libro, los agentes de inteligencia artificial y las wikis de toda la vida.

En este episodio te cuento qué es una wiki LLM, cómo la usamos en Pioneros IA, cómo la está usando un montón de gente de nuestra comunidad y por qué creo que es una de las mejores formas de darle a la IA el contexto que necesita para trabajar con tu negocio.

El problema de siempre: la información que vive en la cabeza de las personas

Las wikis no son nada nuevo. La más famosa es Wikipedia, ese lugar donde podíamos ir y encontrar información de cualquier cosa. Pero en las empresas, y sobre todo en los proyectos, las wikis se vienen usando desde hace años.

Yo las usaba mucho en proyectos de tecnología. Empezábamos a trabajar con un cliente y ahí guardábamos todo: las definiciones del proyecto, los porqués, por qué íbamos a hacer tal cosa, qué arquitectura íbamos a usar, las decisiones y los links importantes a dónde estaban las cosas.

Por qué las wikis tradicionales se mueren

¿Qué pasaba con esas wikis? Que dos meses después de que arrancaba el proyecto quedaban totalmente desactualizadas. Nadie iba a cargar lo nuevo. Había cosas que cambiaban en reuniones y después nadie actualizaba la wiki.

Entonces eso que había empezado con muchísimo entusiasmo terminaba lleno de telarañas, en el olvido. Y todas las decisiones volvían a quedar en la memoria de las personas.

Y la memoria de las personas tiene dos problemas:

  • Nos olvidamos. Lo que se decidió hace meses se mezcla con lo que se decidió la semana pasada.
  • Las personas se van. Alguien deja el equipo, se va a trabajar a otro lugar, y si todo estaba en su cabeza, perdimos esa memoria.

Qué es una wiki LLM

La idea de Karpathy, que me parece una genialidad, parte de algo muy simple: a los humanos no nos gusta mantener este tipo de repositorios de información. Nos parece aburrido. Entonces, démosle ese trabajo a los agentes de IA y que sean ellos los que se encarguen de mantenerlo actualizado.

Eso es una wiki LLM: una base de conocimiento que escriben, ordenan y actualizan agentes de inteligencia artificial, y que después esos mismos agentes (u otros) pueden leer para entender todo sobre tu empresa.

Carpetas y archivos de texto, nada más

Por dentro, esta base de conocimiento es bastante simple. Son carpetas y archivos:

  • Las carpetas le dan una estructura a la información, para que quede compartimentada y ordenada.
  • Los archivos son de texto, en formato Markdown, que es muy fácil de leer y escribir para la inteligencia artificial. Tienen títulos, bullets y estructuras simples de reconocer.

Obsidian para mirarla

Para visualizar estos archivos, la aplicación que recomendó Karpathy es Obsidian. Te permite leer los archivos Markdown de forma cómoda y además tiene una vista gráfica: una nube de puntos interconectados con líneas. Si te parás arriba de un punto, te muestra todas sus conexiones.

Eso arma una especie de red neuronal, y creo que de ahí viene lo de «segundo cerebro». Aunque, para mí, más que un cerebro es una memoria. El cerebro es el modelo de lenguaje, el LLM. Esto le da una memoria permanente.

Enchufar a los agentes a la Matrix

La forma en que lo pienso es esta: conectar ese cerebro con esta memoria es como enchufar a los agentes a la Matrix. De repente leen todo y pueden entender tu empresa: qué decisiones se tomaron, cómo son los procesos, las áreas, las personas. Básicamente todo.

Esto es lo que nos da el contexto para la era agéntica. Y como sabemos, hoy el contexto es todo: cuanto más contexto tiene la inteligencia artificial, más provecho le podemos sacar.

Si querés aprender a armar este tipo de sistemas para tu negocio sin programar, en Pioneros IA trabajamos justamente esto con profesionales que quieren aplicar la IA en su día a día.

Cómo usamos la wiki LLM en Pioneros IA

Yo lo vengo usando hace varios meses, lo usamos en Pioneros IA y lo usa mucha gente de nuestra comunidad para tener actualizada la información de sus empresas y sus procesos.

Las fuentes que alimentan la wiki

Tenemos armada la wiki de Pioneros con distintas carpetas y archivos, y un agente de inteligencia artificial se encarga de actualizarla y mantenerla. Día a día va procesando distintas fuentes de datos:

  • Slack, que es la herramienta de mensajería que usamos. El agente revisa los canales y toma lo que se fue hablando y lo que se fue definiendo.
  • Transcripciones de las reuniones de equipo. Todas las reuniones se transcriben, y esas transcripciones se procesan y van a la wiki.

Estos procesos se ejecutan de manera automática, en ciertos horarios y momentos del día o de la semana. Por eso la wiki no queda desactualizada: refleja lo que va pasando.

El agente que la opera

Yo lo opero a través de Codex, que es bastante económico en el uso de tokens. Se puede hacer de forma manual o automática; en mi caso está automatizado.

Además, tengo la wiki sincronizada con GitHub. Eso me da un respaldo en la nube y me resulta fácil conectarla desde otros lugares.

Después, cuando necesitamos algo, conectamos agentes a esa wiki para que la lean y trabajen sobre ella, o directamente le hacemos preguntas.

Varios segundos cerebros, separados por tema

Algo que nos gusta hacer es no meter todo en un solo lugar. Tenemos segundos cerebros diferenciados por tema: uno general de la empresa, otro especializado en marketing, otro para mapear procesos, y se pueden integrar entre sí.

¿Por qué separarlos? Porque operarlos cuesta tokens. Si tenemos todo junto, la wiki crece mucho en tamaño y eso la vuelve ineficiente.

Un ejemplo personal: tengo uno donde voy cargando artículos y papers que leo, con sus autores. Lo tengo separado de la wiki de Pioneros. Podría estar bueno mezclarlo, pero me parece ineficiente y consumiría muchos más tokens de lo que me conviene.

Para qué sirve en el día a día

Responder «¿por qué dejamos de hacer esto?»

Volvamos a las preguntas del principio. Si tenés conectadas todas las fuentes de donde pueden surgir esas decisiones (transcripciones de reuniones, mails, canales de mensajería), seguramente eso en algún momento se dijo, y quedó guardado en el segundo cerebro.

Entonces vas al agente y le preguntás: «¿Cuándo hicimos tal excepción a tal cliente?». Y la va a encontrar, porque va a estar ahí.

No explicarle todo de nuevo a cada IA

Supongamos que en tu wiki tenés guardado a qué se dedica tu empresa, quiénes son tus clientes, qué estrategias de marketing probaste, por qué las cambiaste y cuál funcionó mejor.

Cada vez que aparece una nueva inteligencia artificial, o cada vez que necesitás empezar a trabajar con un agente, no tenés que explicarle todo de nuevo. Lo conectás a este repositorio y ya tiene esa memoria creada y actualizada. Eso acelera muchísimo el poder sacarle provecho a los agentes.

Incorporar gente nueva

También sirve cuando entra alguien nuevo a la empresa: puede acceder a cierta información y ponerse al día sin depender de que otro se lo cuente todo.

Un segundo cerebro de marketing listo para usar

Por eso creamos un segundo cerebro de marketing, que está dentro de los materiales que tienen las personas de Pioneros IA para descargar. Ya trae las skills creadas para que el agente te haga una entrevista: te va haciendo preguntas y, con tus respuestas, va cargando la base de conocimiento. A partir de ahí queda creada y podés trabajar todo el marketing de tu empresa con ese agente.

Otros beneficios: contradicciones e historial

Detecta contradicciones

Cuando el agente ingesta información, es decir, cuando lee una fuente para llevarla a la wiki, analiza lo nuevo y lo contrasta con lo que ya estaba guardado. Así puede detectar contradicciones: algo que habíamos dicho antes y ahora dijimos lo opuesto.

En ese momento podés decidir cómo querés que se guarde. O le podés indicar una regla fija: que siempre pise lo anterior, o que guarde el historial. Lo configurás como quieras.

Queda registrado quién dijo qué

Queda todo registrado: quién definió qué, qué día y por qué. No perdemos esa historia. Todas esas preguntas que a veces nos hacemos y no recordamos, quedan respondidas en un lugar permanente.

Conclusiones

La wiki LLM resuelve un problema viejo con una idea simple: si a las personas nos aburre mantener la documentación, que la mantengan los agentes de inteligencia artificial. Así la información de tu negocio deja de depender de la memoria de cada uno.

Lo importante para llevarte:

  • Es una base de carpetas y archivos Markdown, fácil de leer para la IA, que podés mirar con Obsidian.
  • Se alimenta de tus fuentes reales, como mensajería y transcripciones de reuniones, y se actualiza de forma automática.
  • Conviene separarla por temas para no gastar tokens de más.
  • Te deja preguntar por decisiones pasadas, detectar contradicciones y ver quién dijo qué.
  • Le da a cualquier agente nuevo el contexto completo de tu empresa sin que tengas que explicarle todo otra vez.

Pensando en que los agentes van a tener cada vez más protagonismo en el trabajo, tener un lugar al que puedan conectarse y leer todo de una vez es buenísimo. Te recomiendo mucho implementarlo.

Y si en tu empresa o tu área aparecen preguntas como «¿por qué dejamos de hacer eso?» y nadie tiene la respuesta a mano, dejame un comentario. Esta es una forma de resolverlo.

Si te gustó el episodio, podés dejar cinco estrellas en Spotify, un me gusta en YouTube y suscribirte, que es gratis. Nos escuchamos en el próximo episodio.