(sustantivo)/dɑrk ˈkɑn.tɛkst/
Lo que su organización sabe pero nunca escribió. Un modelo general de lenguaje (LLM) contiene todo el conocimiento general pero nada del suyo. Esa brecha es su dark context.
Sin escribir y sin medir, es aquello con lo que operan la mayoría de las empresas.
Similar memoria institucional, know-how, conocimiento silencioso, conocimiento tácito, conocimiento tribal
Hay una masa que no pueden ver
En física, la materia oscura es la masa invisible que mantiene unidas las galaxias, nunca vista directamente, conocida solo porque todo lo visible se mueve a su alrededor. Cada organización tiene la suya: el conocimiento que nadie escribió, las decisiones nunca registradas, el sentido de cómo se hacen las cosas que vive en las cabezas y en el espacio entre reuniones. No está en ningún documento, y mantiene unido todo el lugar.
Ese es el contexto del que la IA ahora está hambrienta, y la brecha que no puede ver.
La IA acaba de encarecer el conocimiento invisible
Durante mucho tiempo esto fue una fuga lenta: alguien se iba, un poco de know-how salía por la puerta, y ningún instrumento apuntaba siquiera a la pérdida.
Un modelo es pura capacidad sin idea de cómo trabajan ustedes. Denle su dark context y se mueve con ustedes; no le den nada y obtendrán respuestas seguras, genéricas y ligeramente equivocadas. Un conductor con licencia y sin mapa de sus calles.
Dos nunca capturadas, dos fuera de alcance
El dark context viene en cuatro formas. Dos son fallos de captura: el conocimiento nunca se expresó o nunca se escribió. Dos son fallos de acceso: se escribió, pero no se puede alcanzar.
Inarticulado
Conocimiento silencioso. Nadie lo ha puesto aún en palabras. Vive en las manos, en los hábitos y en el sentido de cómo se supone que van las cosas.
Articulado
Dicho en voz alta, no escrito. Alguien podría contárselo si preguntaran. Nadie preguntó. Nadie lo escribió.
Perdido
Documentado, pero enterrado. Nadie lo encuentra cuando lo necesita. Estar escrito no es lo mismo que estar al alcance.
Cercado
Documentado, pero cerrado con llave. Solo ciertas personas llegan a él. El resto del equipo opera sin él, y ninguna IA lo ve tampoco.
Los fallos de captura y los fallos de acceso piden soluciones distintas.
El contexto es el activo al que nadie pone precio todavía
Primero las empresas compraron trabajo, luego atención. Lo siguiente de valor que produce una persona es más silencioso: contexto, el sentido situado que hace que un sistema general sea específico para su martes, su cliente, su oficio.
Una cosa sin nombre no tiene precio, y a una cosa sin precio se la llevan, o le pone precio otro.
Ese contexto se está convirtiendo en lo más valioso que crean en el trabajo, y casi nadie lo trata como algo propio. Dark Context parte de la postura contraria: nómbrenlo como suyo y consérvenlo, antes de que alguien le ponga precio por ustedes.
Tomen el conocimiento sin cuidado y perderán a quien sabe
Cuando el conocimiento tácito se cosecha sin cuidado, lo que se pierde no son los datos. Es quien sabe. El rol se adelgaza hasta ser una fuente de contexto, el criterio se alisa en prosa limpia. Lo que queda se lee bien y significa menos.
Cuando un modelo aprende de ustedes, no estoy seguro es lo primero que desaparece.
Hay una tragedia de los comunes en esto: un modelo puede pastar libremente en la experiencia viva de las personas que hacen el trabajo. Así que la verdadera pregunta no es la captura, es el incentivo: hagan que valga la pena ser la persona que mejor conoce ese rincón del trabajo, y mantenerlo afilado.
De un vacío a algo que es suyo
IA que trabaja desde su realidad
Las mismas herramientas que les daban respuestas genéricas empiezan a sonar como si conocieran el lugar.
Un mapa que comparte todo el equipo
Una imagen que vivía en una cabeza se convierte en una que el grupo sostiene junto, antes de que lo haga ninguna automatización.
Memoria que sobrevive a la persona
El mismo artefacto que pone al día a un nuevo empleado pone al día a un agente. El trabajo deja de salir por la puerta.
Un sentido más claro de su propia forma
Muestra lo que necesitan de otros, la contratación, el socio o la tarea correcta que delegar, y abre jugadas que antes no podían ver.
De silencioso a ejecutable por máquina, paso a paso
El conocimiento no salta directo de las manos de una persona a un sistema en marcha. Sube por etapas, y el trabajo ocurre en la base de la escalera, donde un humano todavía sostiene el marco y decide qué vale la pena decir.
Una manera probada de alinear a las personas
Dark Context está construido sobre MethodKit, un método para poner a los grupos en la misma página sobre cómo funcionan realmente las cosas. Esa imagen compartida siempre fue la parte difícil. Es también exactamente el contexto que una IA necesita.
A veces el punto es mantenerlo a oscuras
El dark context suele enmarcarse de dos maneras. Como riesgo: el conocimiento que sale por la puerta cuando alguien se va. Como oportunidad: el conocimiento que por fin capturan y ponen a trabajar. Hay una tercera, e importa tanto como las otras dos.
A veces mantener algo fuera del registro, lejos del próximo empleado, del proveedor, del modelo, no es una brecha que cerrar. Es la característica. Un periodista protege una fuente. Un clínico guarda lo que se dijo en confianza. El valor no está en sacar el conocimiento a la luz, está en decidir, a propósito, qué queda sin escribir y quién no llega a verlo nunca. Nunca dejen que una herramienta tome esa decisión por ustedes.
Un modelo no puede filtrar
algo que no puede ver.
¿Dónde deberíamos mirar ahora?
Señálennos un campo donde el conocimiento no escrito lleve la batuta. Una línea es todo lo que pedimos. Nos dice dónde excavar después.
Quiénes están detrás
Ola Möller
Su carrera es una larga versión del mismo proyecto: mapear cómo un grupo habla de un tema, ahora a través de MethodKit. Capítulos anteriores fueron el fotoperiodismo ciudadano que ponía distintas realidades lado a lado, el comisariado de arte y el trabajo de taxonomías. Cada uno se apoyó en el mismo método: trabajar con la gente sobre cómo ve las cosas y sacar a la superficie la imagen completa.
Andriy Zhukov
Lleva mucho tiempo intentando hacer las máquinas más humanas: construyó videojuegos de niño e intentó construir IA en el instituto, mucho antes de que fuera fácil. El hilo conductor es una pregunta terca: ¿cómo se logra que un sistema encuentre a una persona donde realmente está?
darkcontext:~$¿quieren seguir pensando en esto?
Dejen un correo si quieren seguir la idea con nosotros. Sin pitch, solo alguna nota ocasional mientras mapeamos dónde aparece el dark context y qué ayuda a traerlo a la superficie.