Glosario · Software
La Biblioteca de Innguma: la memoria de vigilancia de tu organización
La Biblioteca de Innguma es el repositorio donde se conserva y acumula lo que tu equipo valida en la vigilancia, con sus etiquetas, sus comentarios y el enlace a su fuente, consultable como histórico. Desde ella se envían los boletines, con resúmenes generados mediante IA. Es lo que convierte señales sueltas en conocimiento acumulado: búsqueda, vigilancia, histórico y contexto.
¿Por qué una vigilancia necesita memoria?
Una señal aislada dice poco. Un anuncio de inversión de un competidor gana sentido cuando se lee junto a la patente que solicitó hace un año y a la licitación que ganó hace seis meses. Sin un repositorio común, esa lectura depende de que alguien lo recuerde, y se pierde cuando esa persona cambia de puesto.
La gestión del conocimiento está normalizada como sistema de gestión: ISO 30401:2018 fija requisitos para crear, mantener, revisar y mejorar un sistema de gestión del conocimiento en cualquier organización, y en octubre de 2026 ISO la tiene en revisión, con una nueva edición en fase de proyecto (ISO/DIS 30401).[1] La UNE 166006:2018 incluye el almacenamiento entre los requisitos del proceso de vigilancia, junto con la búsqueda, el tratamiento y la distribución.[2]
Qué se conserva de cada señal y para qué sirve
- La señal validada. Solo entra lo que tu equipo ha revisado y decidido conservar. A diferencia de un buscador, la Biblioteca no recoge todo lo publicado, sino lo que ha pasado por el filtrado, la clasificación con IA y la validación.
- Etiquetas. Agrupan y recuperan por los temas que importan a tu organización, que no siempre coinciden con las categorías generales de la IA: un proyecto interno, un cliente, una línea de producto.
- Comentarios. Explican por qué una señal es relevante y para quién. Son la parte del conocimiento que no está en la fuente: la interpretación de tu equipo.
- Fuente. Cada señal enlaza a la publicación de la que procede, de modo que cualquier afirmación se puede comprobar años después.
¿Etiquetas libres o vocabulario controlado?
La forma de etiquetar decide si el histórico se puede recuperar dentro de tres años. La documentación lo resolvió hace décadas con los tesauros: listas de términos preferentes con sus sinónimos y relaciones. La norma de referencia es ISO 25964-1:2011, sobre tesauros para la recuperación de información, cuya segunda edición está en fase de publicación en octubre de 2026.[3]
| Enfoque | Ventaja | Riesgo | Cuándo conviene |
|---|---|---|---|
| Etiquetas libres | Rápidas; cada analista etiqueta como piensa | Sinónimos y variantes («H2», «hidrógeno», «hidrógeno verde») que parten el histórico | Equipos de una o dos personas, al empezar |
| Lista cerrada de etiquetas | Recuperación fiable; informes comparables en el tiempo | Se queda corta si no se revisa | Varias personas validando o varias áreas consultando |
| Lista cerrada con términos preferentes y sinónimos | Une variantes bajo un término y mantiene la coherencia entre áreas | Exige una persona responsable de mantenerla | Vigilancias corporativas con años de histórico |
Boletines que salen de lo validado
Los boletines se envían desde la Biblioteca, de modo que cada destinatario recibe información ya revisada y no una lista de resultados en bruto. Innguma genera resúmenes de los boletines mediante IA para que el lector capte lo esencial antes de abrir cada señal, y la fuente original sigue a un clic.
Consultar el histórico desde tu asistente de IA
Un asistente de IA responde mejor cuando trabaja sobre documentos recuperados y revisados que cuando depende solo de lo que aprendió en su entrenamiento. Es la idea de la generación aumentada por recuperación (RAG), formulada por Lewis y otros en 2020, cuyo propio artículo reconoce que dar la procedencia de las respuestas seguía siendo un problema abierto.[4] Una Biblioteca donde cada señal tiene fuente, etiqueta y comentario es exactamente ese tipo de base.
Innguma incorpora conectividad mediante Model Context Protocol (MCP), el estándar abierto para conectar aplicaciones de IA con sistemas externos,[5] compatible actualmente con ChatGPT, Claude, Microsoft Copilot y Gemini. Con las capacidades que tu organización habilite en su integración, desde el asistente se puede buscar sobre los contenidos publicados, gestionar las noticias publicadas (editarlas o eliminarlas) y publicar resúmenes, insights, etiquetas o campos adicionales. Qué se automatiza y qué pasa antes por revisión humana lo decide tu equipo.
Por ejemplo, podrías pedir «resume lo que hemos validado este trimestre sobre baterías de estado sólido» o «prepara un briefing con las señales de este competidor, con sus enlaces». Son ejemplos ilustrativos. Tu IA aporta capacidad de análisis. Innguma aporta contexto.
Cómo mantener una Biblioteca útil
- Valida con criterio, no por volumen. Una Biblioteca con todo lo capturado es tan difícil de usar como no tener ninguna.
- Amplía antes que renombrar. Cambiar el nombre de una etiqueta rompe la continuidad del histórico; añadir una nueva no.
- Escribe el porqué. Dentro de un año nadie recordará por qué una noticia parecía importante; el comentario sí.
- Ordena una vez al año. Une etiquetas que significan lo mismo y retira las que nadie usa.
Fuentes y referencias
- [1] ISO. ISO 30401:2018 Knowledge management systems — Requirements (estado: en revisión). 2018
- [2] Utrilla, F. (UNE). Sistemas de vigilancia e inteligencia en la gestión de la I+D. Revista UNE, n.º 3. 2018
- [3] ISO. ISO 25964-1 Thesauri and interoperability with other vocabularies — Part 1, 2.ª edición (en publicación; sustituirá a la de 2011). 2026
- [4] Lewis, P. et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. arXiv:2005.11401. 2020
- [5] Model Context Protocol. What is the Model Context Protocol (MCP)? Documentación oficial