La IA de tu despacho no fallará por falta de potencia sino de skills

Un nuevo trabajo académico defiende que el verdadero límite de los agentes de IA no es lo listo que sea el modelo, sino cómo de bien esté estructurado el conocimiento de tu firma. La idea es prometedora.

Si has probado un agente de IA en tu despacho y te ha decepcionado, la explicación habitual es que "el modelo todavía no está maduro". Un trabajo reciente sostiene justo lo contrario: el modelo probablemente ya es suficientemente bueno. Lo que falla es que tu firma no ha puesto su conocimiento en un formato que la máquina pueda usar.

Es una tesis incómoda, porque traslada el problema del proveedor de tecnología hacia dentro de tu organización. 

El estudio

El paper se titula "Knowledge Activation: AI Skills as the Institutional Knowledge Primitive for Agentic Software Development" y lo firma Gal Bakal en marzo de 2026.

La pregunta que intenta responder es directa: ¿por qué los agentes de IA, que rinden de maravilla en demostraciones, decepcionan tanto cuando se meten en una empresa real con sus reglas, sus criterios y su historia? La respuesta del autor es que el conocimiento que distingue a un profesional veterano de un recién llegado nunca se ha escrito en ningún sitio. Vive en su cabeza. Y un agente de IA no puede leer cabezas.

Lo que descubrieron

El concepto central tiene un nombre técnico feo ("desajuste de impedancia institucional"), pero una idea sencilla detrás. Un agente de IA llega a tu despacho con un conocimiento genérico, aprendido de todo internet. No conoce el criterio concreto de la Dirección General de Tributos que tu firma aplica, ni cómo interpretáis vosotros un convenio colectivo, ni qué cliente exige siempre un informe previo. Así que adivina. Se equivoca. Alguien lo corrige. Vuelve a intentarlo y choca con otra norma que tampoco conocía. Y vuelta a empezar.

Ese ciclo de adivinar, fallar, corregir y reintentar tiene un coste que el paper bautiza como context rot, algo así como la "degradación del contexto". Imagina la memoria de trabajo del agente como una pizarra de tamaño fijo. Cada intento fallido, cada corrección, cada reintento ocupan espacio en esa pizarra. Cuando se llena de los restos de los errores anteriores, ya no queda sitio para razonar bien. El agente empeora cuanto más lo usas en una misma tarea.

De ahí surge la idea más interesante para cualquiera que dirija un equipo: el impuesto del conocimiento institucional. Quien mejor puede corregir al agente es precisamente tu gente más veterana, la que ha interiorizado durante años los criterios de la casa. Así que cada interacción con la IA se convierte en una exigencia disimulada de que tus seniors vuelquen su conocimiento tácito, en tiempo real, mediante correcciones. Cuando ese impuesto supera el beneficio que perciben, los seniors simplemente se retiran del flujo de trabajo con agentes; no porque la tecnología sea mala, sino porque la arquitectura de conocimiento que la rodea lo es.

La solución que propone el autor se llama "activación de conocimiento", y consiste en dejar de tratar la documentación como textos para leer y empezar a tratarla como instrucciones para actuar. En lugar de darle al agente un manual de veinte páginas, le das una unidad de conocimiento compacta que le dice qué hacer, qué herramienta usar, qué límites respetar y qué hacer después. Bakal llama a estas piezas "unidades atómicas de conocimiento", y se apoyan en el estándar abierto de Agent Skills que Anthropic publicó en diciembre de 2025.

El dato que mejor dimensiona la idea es el de la densidad. Un manual de despliegue narrativo típico puede ocupar unos 2.000 "tokens" en la memoria del agente; la misma información, reescrita como una instrucción estructurada y sin paja, ocupa unos 300. Seis o siete veces más conocimiento útil en el mismo espacio. Para una máquina con pizarra limitada, eso lo cambia todo.

Qué significa esto para tu despacho? Si la tesis se sostiene en nuestro sector (y es un "sí" grande), las implicaciones son concretas.

• Primero, deja de esperar a que "salga un modelo mejor". Si tu equipo ha probado una IA para revisar contratos o clasificar facturas y se ha frustrado, el problema rara vez es la potencia del modelo. Es que el agente no tiene acceso a vuestros criterios. Antes de cambiar de herramienta, pregúntate si has puesto el conocimiento de la casa en un formato que la máquina pueda consumir.

• Segundo, vigila el impuesto sobre tus seniors. Si tu fiscalista de más experiencia pasa el día corrigiendo a un agente, no estás ahorrando: estás cobrando a tu activo más caro un peaje invisible. Y si esa persona acaba apartándose de la herramienta, habrás "implantado IA" sobre el papel mientras en la práctica nadie la usa.

• Tercero, y quizá lo más accionable: tu ventaja competitiva no está en la herramienta que compres, porque esa misma herramienta la puede comprar el despacho de al lado. Está en el conocimiento estructurado que solo tu firma posee. La interpretación que hacéis de una consulta de la DGT, vuestro criterio sobre la deducibilidad del IVA de un vehículo, vuestra lectura de un convenio colectivo concreto. Mientras ese conocimiento siga viviendo solo en las cabezas de tu gente, ni la IA ni un nuevo empleado pueden aprovecharlo. El día que lo conviertes en instrucciones reutilizables, se vuelve un activo que multiplica a todo el equipo.

Qué significa esto para el sector?

La industria de la tecnología legal y fiscal lleva dos años vendiendo la IA como si bastara con enchufarla. Este trabajo encaja con una corriente más escéptica y, francamente, más realista: la que sostiene que el valor no está en el modelo, que es una commodity accesible para todos, sino en la materia prima que cada organización le da de comer. Hay un dato del paper que debería bajar los humos a más de un vendedor. Cita el informe DORA de 2025: pese a que el 90% de las organizaciones encuestadas había adoptado herramientas de IA, no se encontró un vínculo claro entre esa adopción y una reducción de la fricción o del agotamiento de los equipos; la velocidad individual subió, pero la entrega de la organización en su conjunto no mejoró.

Más tareas hechas, mismo resultado global. La IA mal integrada produce la ilusión de productividad sin la productividad. Para un sector como el nuestro, donde el conocimiento institucional (criterios, precedentes, interpretaciones normativas) es literalmente el producto, la lectura es clara. Los despachos que ganen la próxima década no serán los que compren más IA, sino los que primero hayan hecho el trabajo aburrido y poco glamuroso de poner su saber por escrito, en un formato que tanto las personas nuevas como las máquinas puedan usar. La tecnología está disponible para todos. El conocimiento estructurado, no.