Qué hace esta habilidad

Cuando embeds un documento, conservas lo que dice. Pierdes quién lo decidió, por qué, qué reemplazó y qué causó. Esta habilidad te enseña a capturar esa procedencia faltante como memoria institucional estructurada, para que tu agente pueda responder preguntas que ningún sistema RAG puede abordar.

Problemas que resuelve

• Ceguera de procedencia — «¿Por qué lo hacemos de esta manera?» no tiene respuesta en un vector store porque el razonamiento nunca fue indexado, solo el documento de salida.

• Brecha de conocimiento Tipo 3 — la mayoría de las organizaciones capturan hechos (Tipo 1) y algunos eventos (Tipo 2), pero casi nunca capturan el razonamiento causal (Tipo 3) en el momento en que se toman las decisiones. Esta habilidad cierra esa brecha antes de que se agrave.

• Fallo de ingesta retroactiva — los equipos que intentan reconstruir la historia institucional a partir de documentos antiguos descubren que los vínculos causales nunca fueron registrados. Esta habilidad proporciona un flujo de trabajo de extracción asistido por modelo con revisión humana para la validación de vínculos causales.

• Consultas del tipo «¿Por qué usamos X?» — las decisiones tecnológicas, de política y de arquitectura requieren recorrido de grafos sobre cadenas de decisiones, no similitud semántica.

Qué obtienes

La habilidad define tres tipos de conocimiento con destinos de almacenamiento diferenciados:

• Declarativo (Tipo 1): Hechos y políticas de estado actual → Vector RAG. La única categoría donde los embeddings son estructuralmente suficientes.

• Episódico (Tipo 2): Eventos, incidentes y decisiones con marcas de tiempo → Almacén temporal con esquema de evento completo.

• Causal (Tipo 3): Justificación de decisiones, cadenas de restricciones, alternativas consideradas → Grafo de conocimiento con aristas causales explícitas de predecesor/sucesor.

También obtienes un esquema de evento institucional completo — una estructura JSON que captura actores, entidades afectadas, justificación, alternativas consideradas, restricciones, resultado y vínculos causales — más un flujo de trabajo de ingesta tanto para captura en tiempo real como para extracción retroactiva de documentos heredados como ADRs, post-mortems y notas de reuniones.

Quién debería usar esto

• Equipos que desarrollan agentes de IA que deben responder preguntas sobre el razonamiento organizacional — por qué se tomaron decisiones, cómo evolucionó la arquitectura actual, qué restricciones históricas impulsan la política vigente — en ingeniería, cumplimiento normativo, estrategia o cualquier dominio donde la memoria institucional se acumula con el tiempo.