Una lectura larga sobre cómo la IA generativa está reescribiendo, literalmente, qué entendemos por gestión del conocimiento en una empresa. Spoiler: ya no es un repositorio, es un organismo.
// 00TL;DR
Si solo tienes dos minutos, quédate con esto. Si tienes veinticinco, baja conmigo a la raíz del sistema.
Las tres ideas que vertebran este post
- El mercado de KMS está atravesando su mayor mudanza en 25 años. La pila tradicional (Confluence, SharePoint, Notion) está siendo absorbida por una nueva capa AI-native (Glean, Sana, Hebbia, Dust) y por los copilots embebidos en las suites (M365 Copilot, Google Gemini, Atlassian Rovo). Los analistas no se ponen de acuerdo en el tamaño (de 13,7 B USD según Mordor Intelligence a 23,2 B según Fortune Business Insights en 2025), pero coinciden en crecimiento de doble dígito (11–26 % CAGR) hasta 2030–2034. Hay tormenta, y va a ser larga.
- La IA generativa no «mejora» el KMS: le cambia el ADN. La unidad ya no es el documento, es la respuesta sintetizada. La interfaz ya no es la búsqueda, es la conversación (y pronto, el agente que ejecuta por ti). La arquitectura de gobierno tradicional —permisos basados en ficheros— se rompe y exige capas nuevas: RAG, GraphRAG, agentic retrieval, context engineering.
- Estamos cruzando el umbral donde el conocimiento corporativo deja de ser un archivo y empieza a comportarse como un organismo vivo: con sistema nervioso (los agentes), metabolismo (los pipelines de RAG), memoria episódica (las transcripciones ambient) y un riesgo nuevo —la atrofia del juicio humano cuando la respuesta llega siempre masticada—.
// 01Panorama del mercado de KMS
1.1 Cuatro generaciones, un mismo bicho
El Knowledge Management System es uno de esos conceptos que se reinventa cada década sin morirse del todo. Cuatro generaciones reconocibles, donde cada nueva no sustituyó a la anterior —igual que una nueva especie no extingue a sus ancestros, los desplaza al sotobosque—. Lo que importa es entender qué capa domina la conversación estratégica en cada momento. Y ahora mismo, sin duda, es la cuarta.
La cuarta generación no es una mejora incremental, es una mutación: cambia la unidad atómica del KMS (del documento a la respuesta), el modelo de interacción (de la búsqueda a la conversación, y de ahí al agente) y la arquitectura de gobierno (de las ACL estáticas al permission-aware retrieval en tiempo real). Es como pasar de un herbario disecado a un jardín que responde cuando lo riegas.
1.2 Tamaño y crecimiento: una niebla con dirección
Los analistas no se ponen de acuerdo porque cada uno dibuja la frontera del mercado por donde le conviene. Aun así, las cifras de 2025 dan una idea de la magnitud:
| Fuente | Tamaño 2025 (USD) | Futuro | CAGR |
|---|---|---|---|
| Mordor Intelligence | 13,70 B | 37,64 B (2031) | 18,34 % |
| Fortune Business Insights | 23,2 B | 74,22 B (2034) | 13,8 % |
| Future Market Insights | 22,9 B | 81,9 B (2035) | 13,6 % |
| Market Research Future | 30,1 B | 97,73 B (2035) | 11,3 % |
| Straits Research | ~26 B | 59,51 B (2033) | 12,3 % |
| USDAnalytics | 40,1 B | 339,8 B (2034) | 26,8 % |
El dato que sí merece subrayado: el segmento de chatbots inteligentes y virtual agents crece al 21,88 % CAGR (Mordor), mucho más rápido que document management. El despliegue cloud copa el 62,18 %. La selva se reorganiza rápido.
Y otro dato de Menlo Ventures: el gasto en infraestructura GenAI alcanzó 18 B USD en 2025 (×2 vs. 2024). Dentro de las apps horizontales, los copilots dominan: «Copilots dominate with 86 % share ($7.2 billion)». Las plataformas de agentes capturan otros 750 M (Salesforce Agentforce, Writer, Glean).
1.3 Gartner y Forrester: el momento en que los analistas se enteran
- Gartner declara que no publica un único Magic Quadrant para KM porque «no hay características comunes suficientes para que exista un solo mercado». KM aparece embebido en cuatro mercados adyacentes, y en nov 2025 lanza el Emerging Market Quadrant for Generative AI Knowledge Management Apps, donde Glean fue nombrado Emerging Leader.
- Forrester publicó por primera vez The Forrester Wave™: Knowledge Management Solutions, Q4 2024 el 2 dic 2024 — la primera Wave KM dedicada de la historia. Leaders: Atlassian y KMS Lighthouse. Strong Performers: USU y SearchUnify.
Verbatim · Forrester, ene 2025
«Knowledge management is changing before our eyes. The past decade has seen little advancement in knowledge management (KM) solutions, practices, or standards… With the introduction of generative and conversational AI, knowledge management is returning.»
1.4 Taxonomía actual (2026)
Cinco capas conviven, no se excluyen, y se solapan cada vez más: KMS tradicional (Confluence, SharePoint, Notion), Enterprise/Cognitive Search (Glean, Coveo, Elastic), AI-native Knowledge Platforms (Glean, Sana, Hebbia, Dust, Writer), Copilots embebidos (M365 Copilot, Google Gemini, Atlassian Rovo) e Infraestructura RAG/Vector/KG (Pinecone, Weaviate, Databricks Vector Search, Azure AI Search, Neo4j).
Las capas 1 y 4 se están solapando peligrosamente. Si la mayoría del conocimiento ya vive en M365/Google/Atlassian, ¿para qué pagar Confluence + Glean + Notion AI + M365 Copilot a la vez? La respuesta de los CIOs en 2026 se bifurca: (a) Microsoft-centric (Copilot + SharePoint Advanced Management + Purview); o (b) multi-suite con Glean (o Sana/Dust) como overlay agnóstico. Las pymes tienden a (a); las grandes a (b).
1.5 Consolidación: cuando los grandes empiezan a engullir
- ServiceNow → Moveworks (mar 2025, 2,85 B USD): la jugada más cara hasta la fecha en KM/enterprise search.
- Databricks → Neon (may 2025, ~1 B) y Snowflake → Crunchy Data (jun 2025, ~250 M): Postgres serverless para cargas agénticas.
- Hebbia → FlashDocs (jun 2025): cerrar el «last mile» de generación de artefactos.
- Accenture → Keepler (2025): boutique data/AI española absorbida por Big 4.
La batalla por el knowledge worker se gana en el control plane (gobierno, identidad, agentes, datos), no en la UI de la wiki. Quien se queda con el sistema nervioso central, se queda con el cuerpo entero.
// 02El impacto de la IA generativa en los KMS
2.1 De buscar, a preguntar, a actuar
El State of AI in 2025 de McKinsey (n=1.993) dice: «88 % of organizations use AI in at least one business function, up from 78 % last year.» Por primera vez, knowledge management aparece como una de las funciones con mayor uso reportado de AI. Pero solo el 5,5 % de las empresas atribuyen >5 % de su EBIT al AI. La brecha es de rediseño de workflows, no de tecnología. Comprar la herramienta sin replantear cómo trabajas equivale a meter un pulmón nuevo en un cuerpo que sigue respirando por la nariz que tenía: no notas la diferencia.
El cambio es triple: de documentos a respuestas (la unidad consumida deja de ser el PDF y pasa a ser un párrafo sintetizado con citas), de búsqueda a conversación a agente (el usuario formula intenciones; los agentes pueden ejecutar) y de estático a vivo (el conocimiento se construye en tiempo real desde Slack, meetings transcritos, CRM, código, tickets). Es la diferencia entre un fósil y un ser vivo.
2.2 Arquitecturas emergentes de retrieval
RAG baseline (2023): query → embedding → vector search → top-K → LLM. Hybrid + Reranking (2024): añade BM25 keyword y cross-encoder reranker. GraphRAG (Microsoft Research, feb 2024, open-source jul 2024): construye un grafo de conocimiento desde texto y permite razonamiento jerárquico vía community summaries. Indexado costoso (hasta 33K USD para datasets grandes); LazyGraphRAG (nov 2024) reduce coste 10–90 % difiriendo summaries al query time.
Agentic RAG (Singh et al., ene 2025): supervisor agent + sub-agentes (SQL, doc, KG) + reflective retry + synthesizer con audit trail. VentureBeat VB Pulse Q1 2026: la adopción de hybrid retrieval pasa de 10,3 % a 33,3 % en un trimestre.
Context Engineering / Knowledge Fabric (2026): capa semántica continua que une datos estructurados + no estructurados + workflows + conversaciones. «El cuello de botella ya no es el modelo, es el contexto.»
2.3 Los retos críticos
- Alucinaciones y trazabilidad: la respuesta debe venir con citaciones al chunk fuente. Quien no cite, miente con seguridad.
- Permission-aware retrieval: el RAG ingenuo destruye los permisos heredados. Microsoft tuvo que sacar SAM, Purview DLP for Copilot, DSPM y consolidarlo en el Copilot Control System. La vuln «Echoleak» (principios 2025) demostró exfiltración silenciosa vía Copilot. Si das de comer todo a un agente, también le das tus secretos.
- Knowledge decay: la documentación caduca. Los KMS modernos incorporan content pruning automatizado (18–26 % anual). Igual que un bosque sano necesita su ciclo de hojarasca, una base de conocimiento sana necesita morir un poco cada año.
- Coste: GraphRAG indexing hasta 33K USD; el consumption pricing en Glean Protect Plus genera «CFO conversations» en renovación.
- EU AI Act: mayoría en limited risk (transparencia). Si influye en decisiones de empleo/crédito/servicios públicos, escala a high-risk. El Omnibus de 7 may 2026 postpuso el deadline Annex III al 2 dic 2027. GPAI ya en vigor desde ago 2025.
2.4 Knowledge Fabric: el tejido conectivo del organismo
Tres frames convergen: Data Fabric (Talend, Informatica, Atlan), Knowledge Graph + LLM (Neo4j, Stardog, Ontotext) y Knowledge Fabric (Teradata, Glean Enterprise Graph, Atlassian Teamwork Graph). Es lo que da contexto a los agentes.
En 3 años, el Knowledge Fabric desplazará al data lake como el activo arquitectónico más discutido en los comités de inversión IT. Si el data lake era el hígado (almacén metabólico), el Knowledge Fabric es el sistema nervioso central.
2.5 Copilots embebidos: ¿comoditización o nueva complejidad?
M365 Copilot Business a 21 USD/user/mes para SMB <300 empleados desde dic 2025 vuelve commodity el search corporativo dentro del estuario M365. Pero genera nueva complejidad: sobre-permisado, proliferación de copilots (Sales, Service, Finance, Agent Builder, Copilot Studio) y Shadow AI: Harmonic Security identificó 665 herramientas GenAI distintas en empresas tras analizar 22,4 M de prompts; solo el 37 % de orgs tiene políticas formales (IBM 2025). Microsoft responde con Agent 365 (GA 2026).
2.6 Métricas y ROI
La mayoría de orgs todavía mide vanity metrics. Los high performers redefinen el work design alrededor del AI. Eso es lo que correlaciona con EBIT real.
// 03El futuro de los KMS en distintos contextos
3.1 Grandes corporaciones
Escala y heterogeneidad (múltiples ERPs, suites, M&A acumulado → silos crónicos). Coexistencia con plataformas de datos: Databricks (Mosaic AI, Agent Bricks, Lakebase, Unity Catalog) y Snowflake (Cortex AISQL, Cortex Search, Snowflake Intelligence) se convierten en knowledge backbone, no solo data backbone. Multi-jurisdicción y compliance (GDPR + AI Act + DORA, NIS2, MDR, HIPAA). Riesgo de proliferación de copilots: ya hay orgs con 5–10 copilots no coordinados.
El stack ganador combinará: (1) control plane multi-vendor (Agent 365 + Purview); (2) Knowledge Fabric con grafos + vectores sobre Databricks/Snowflake; (3) capas de agentes verticales por función; (4) un KMS de autoría/curación reducido (Confluence o Notion siguen para «single source of truth» pero ya no son la UI principal de consumo).
3.2 Pymes
Acceso a capacidades enterprise vía SaaS plug-and-play: Notion AI (10 USD/user), M365 Copilot Business (21 USD/user SMB), Guru AI, Glean for SMB. Barreras: datos no estructurados y desordenados, ausencia de «knowledge manager», recursos para curación limitados. Oportunidad de knowledge concierge: consultora externa como guardián del knowledge.
Las pymes que llegaron tarde a la digitalización pueden saltarse la generación G2 (wikis) y montarse directamente sobre G4 (AI-native). Es el viejo truco evolutivo del salto adaptativo: cuando llegas tarde, te ahorras una era entera.
3.3 Organizaciones planas, startups, orgs ágiles
El KMS tradicional ha tenido siempre baja adopción aquí: las wikis se llenan, se abandonan y se relanzan. Mucho del know-how vive en Slack, calls y Loom recordings. Los AI notetakers son la nueva infraestructura: Granola cerró el 25 mar 2026 una Series C de 125 M USD liderada por Danny Rimer (Index Ventures) y Mamoon Hamid (Kleiner Perkins), elevando la valoración a 1,5 B USD — sixfold increase en menos de un año. Embeddings de Slack/Teams/Discord (Glean, Coveo, Dust, Sana) convierten la conversación pasada en knowledge searchable.
Desaparece el «search corporativo» como interfaz: todo va por chat ambient (Slack + AI assistant) y por «agent boss» (gestionar agentes especializados como becarios virtuales). El documento como artefacto pierde valor; lo que importa es la grabación + el agente que extrae la decisión + el ticket creado automáticamente. Y aquí viene la nota distópica: cuando todo lo que dices puede ser escuchado, transcrito, embebido y consultado por un agente, ¿cuándo dejas de hablar para tu equipo y empiezas a hablar para tu propio expediente?
3.4 Predicciones cruzadas a 3–5 años
- Search como interfaz primaria desaparece en favor de chat conversacional y agentes proactivos.
- Convergencia KMS + Agent platform + iPaaS: los KMS dejan de ser repositorios y se vuelven plataformas de orquestación.
- Agent-readable knowledge: documentos diseñados para ser consumidos por LLMs (estructurados, citables, versionados con embeddings de calidad).
- Roles nuevos: Knowledge Architect, Context Engineer, Agent Operator, Prompt Engineer. El Knowledge Manager clásico se transforma en «knowledge operations».
- Anti-tendencia: resurgimiento del knowledge engineering humano. Cuanto mejor el agente, más valor tienen las bases curadas a mano y los knowledge graphs construidos por humanos expertos. Hebbia ya contrata ex-bankers y ex-lawyers como forward-deployed engineers.
- Bifurcación del documento: artefactos legales/regulatorios siguen doc-centric con firma y versión; «conversaciones congeladas» reemplazan a los wikis blandos.
// 04Posicionamiento estratégico
Espacio reservado. Aquí iba un análisis de posicionamiento de servicios de consultoría que de momento dejamos en barbecho. Lo retomaremos en una entrega futura cuando quiera abrir esa parte del melón. Si has llegado hasta aquí buscando la parte «comercial», siento la trampa: el resto del post es donde está la chicha.
// 05Conclusiones
Los KMS están entrando en su cuarta generación y, por primera vez en la historia del sector, el cambio no es incremental sino arquitectónico: la IA generativa convierte el documento en respuesta, el repositorio en knowledge fabric vivo, y al knowledge worker en «agent boss». La consecuencia comercial es una disputa por el control plane entre tres bandos: hyperscalers de productividad (Microsoft, Google, Atlassian), AI-native challengers (Glean, Sana, Dust, Hebbia, Writer) y data platforms (Databricks, Snowflake, ServiceNow).
Y por debajo de todo eso, una pregunta que me lleva ya unos meses dándome vueltas: cuando el sistema nervioso de la empresa pase a ser una capa de agentes que sintetizan, recuerdan y deciden por nosotros, ¿qué le pasa al músculo cognitivo de las personas que trabajan ahí dentro? Igual que un astronauta pierde masa ósea en gravedad cero, un knowledge worker rodeado de respuestas pre-sintetizadas puede perder pensamiento estructurado en pocos años. No es ciencia ficción; es la versión laboral del mismo principio biomecánico.
// 06Open questions y caveats
- ¿Microsoft Agent 365 + CCS se vuelve el de facto control plane, expulsando a Glean del enterprise? Indicador: ARR de Glean en los próximos 4 trimestres.
- ¿GraphRAG vs. Agentic RAG vs. long-context puro se estabilizan o seguimos en churn arquitectónico? Una decisión tomada hoy puede caducar en 18 meses.
- ¿La UE adopta más Omnibus AI Act y se relaja la presión de compliance? Si sí, el viento de cola compliance se debilita.
- ¿Pricing dominante en 2027 — seat, consumption u outcome-based? Crítico para diseñar contratos.
- ¿Se materializa el anti-trend del knowledge engineering humano? Si sí, abre una línea de servicio premium (knowledge curators-as-a-service).
- ¿Qué pasa con los datos de meetings transcritos en la UE? Otter, Granola, Fireflies abren un frente de «ambient surveillance» que los reguladores no han abordado. Aquí la distopía empieza a oler a real.
Caveats: el sizing varía hasta 10× entre analistas; las cifras del Forrester Wave KM Q4 2024 están confirmadas para Atlassian (Leader), KMS Lighthouse (Leader, «Top 3»), USU y SearchUnify (Strong Performers). Las predicciones a 3–5 años son inherentemente especulativas. Las menciones a roadmap producto (Agent 365 GA 2026, etc.) deben revalidarse trimestralmente.
Deja una respuesta