El Brain de conocimiento: cómo convertir la información dispersa de tu equipo en un activo vivo · LAB

Cada día, un equipo genera transcripciones de reuniones, entrevistas, notas internas y documentos que acaban repartidos entre carpetas, chats y herramientas distintas. Esa información existe, pero no trabaja para nadie.

El pasado 1 de octubre, en el Runroom LAB, Laura Polls (Head of Experience Research & Director of Runroom Academy) presentó cómo construimos y gestionamos Brains de conocimiento: bases de conocimiento compartidas, o wikis de la organización, apoyadas en Obsidian y Claude. El objetivo es transformar la información dispersa de un equipo o de una compañía de un activo pasivo en un activo vivo, estructurado y accionable para la toma de decisiones.

El Brain es un producto digital

La primera conclusión del LAB: el error más común al arrancar un proyecto de este tipo es empezar por las herramientas (Obsidian, Claude, NotebookLM).
La tesis es empezar por las personas y tratar el Brain como cualquier otro producto digital, con una metodología Lean (Lean Product Discovery y Management).

Eso implica definir tres cosas antes de abrir ningún software:

• Para quién es. Un Brain puede ser individual, de proyecto, de cliente o de organización.
• Qué problema concreto resuelve.
• En qué momentos o liturgias de trabajo del equipo se va a consultar.

Un Brain tampoco se diseña perfecto desde el inicio. Se construye mediante hipótesis, empezando por casos pequeños y con disposición a simplificar, pivotar o descartar estructuras cuando no aportan valor real.

El ecosistema: Obsidian, GitHub y Claude

Nuestra forma de estructurar el Brain partió del LLM wiki de Andrej Karpathy. Con el uso fuimos alejándonos de ese modelo y tomando decisiones propias.

La arquitectura que presentó el LAB combina tres piezas:La arquitectura que presentó Laura en el Runroom LAB combina tres piezas:

• Obsidian como visor Markdown. Trabaja con archivos de texto plano (.md), conecta "átomos de conocimiento" mediante hipervínculos y genera un mapa en red interactivo y visual.
• GitHub como repositorio central. Sincroniza los archivos entre el equipo y conserva el historial de cambios con seguridad.
• Claude como asistente de IA. Permite interactuar con el Brain en lenguaje natural, construir dashboards personalizados, ejecutar análisis avanzados (como evaluaciones de madurez metodológica) y resolver conflictos de código o sincronización.

Cuatro funciones para que un Brain sea sostenible

Para que una base de conocimiento funcione en el tiempo, debe estructurarse en torno a cuatro funciones:

1. Nutrir. Entrada de información en crudo: transcripciones de reuniones, entrevistas, notas internas, PDFs.
2. Organizar (ingesta). Procesar y limpiar los datos extrayendo propiedades estructuradas como roles, categorías y contextos. Así se ahorran tokens en las búsquedas y se conectan los conceptos con eficacia.
3. Consultar. Adaptar las vías de acceso a cada necesidad: desde lecturas directas hasta briefings, dashboards visuales interactivos o alertas automáticas en Slack.
4. Cuidar. Gestionar permisos, criterios de entrada, frecuencias de revisión y control de calidad para evitar que se acumule información obsoleta.

Aprendizajes y conclusiones

Estandarizar solo si aporta valor real. El equipo probó primero a estandarizar la ingesta de reuniones con una estructura rígida de carpetas (inbox e ingest). Al detectar que generaba fricción, pivotó hacia un modelo en el que cada miembro hace la ingesta de forma individual, según su necesidad, antes de volcar el material procesado al Brain compartido.

Trazabilidad estricta de la información. El sistema debe distinguir la fuente en crudo (las transcripciones) de las interpretaciones, las hipótesis de solución y las decisiones finales. La IA no debe presentar una hipótesis como un hecho verificado.

El humano en el loop. La tecnología agiliza la síntesis y la estructuración. El criterio humano sigue siendo imprescindible para validar la relevancia, la vigencia y la veracidad del conocimiento.

Diseñar a través de la conversación. Crear un Brain no empieza abriendo software. Empieza debatiendo las dinámicas del equipo y las necesidades reales de consumo de información.

Un Brain empieza con una buena pregunta

La idea que resume el LAB: antes de elegir herramientas, conviene preguntarse qué decisiones queremos tomar y qué conocimiento necesitamos tener a mano para tomarlas. La tecnología llega después, y se ajusta con el uso.

Runroom LAB es un evento mensual presencial y gratuito. Tienes que inscribirte para reservar tu plaza. ¡Ahora también en streaming!