IA más tu conocimiento: la ventaja que nadie puede copiarte

Le preguntas algo importante a tu IA y responde bien, pero en general. Como si fuera la primera vez que hablan. Y es la primera vez, siempre: no sabe cómo funciona lo tuyo, qué decidiste hace seis meses, ni qué ya intentaste y no sirvió.

Usas el mismo modelo que todos, al mismo precio. Lo único que abre una diferencia real es lo que tú sabes y los demás no. Acá vas a ver cómo dárselo: un método que publicó gratis uno de los fundadores de OpenAI, que se monta en una tarde y sirve igual para un equipo, para un negocio de tres o para ordenar lo tuyo. Al final tu IA deja de darte respuestas correctas y genéricas, y empieza a darte las tuyas.

Le explicas a la IA cómo funciona tu negocio, o el tema que llevas semanas estudiando. Le pasas los documentos que importan. Trabajan una hora y sale algo bueno. Cierras la ventana y ese trabajo se evapora: mañana arrancas otra vez desde el campamento base.

No es la memoria del modelo: es que el trabajo de entender, que es la parte cara, lo botas a la basura cada tarde. Y el que pierde eres tú.

Alguien ya resolvió esto, y lo publicó gratis

En abril de 2026, Andrej Karpathy publicó cómo lo resolvió para sí mismo. El texto se leyó 21 millones de veces en dos días. Importa quién lo dice: además de fundar OpenAI, dirigió la inteligencia artificial de Tesla. Y no vende una herramienta de notas: cuenta lo que hace todos los días con sus investigaciones.

Su diagnóstico apunta a cómo trabajamos casi todos: subes tus archivos, la IA busca los pedazos que le sirven, y responde (a eso se le dice RAG). Funciona. Y aun así:

El modelo está redescubriendo el conocimiento desde cero en cada pregunta. No hay acumulación. Haz una pregunta sutil que requiera juntar cinco documentos, y tiene que encontrar y ensamblar los pedazos relevantes cada vez. No se construye nada.

Su propuesta invierte el orden. La IA no solo guarda lo nuevo: lo lee, saca lo que importa y lo integra en lo que ya está escrito, marcando dónde contradice un dato viejo. Ese trabajo de entender se hace una vez y queda escrito.

Las tres capas

Tres cajas, cada una con un dueño distinto:

1. Las fuentes. Los documentos originales, tal como llegaron. La IA lee de ahí y nunca los toca.
2. La wiki. Notas de texto enlazadas entre sí (markdown, texto plano que siempre puedes exportar y llevarte). Karpathy es tajante sobre quién manda acá: tú la lees, la IA la escribe.
3. Las reglas. El archivo de instrucciones que le das a tu asistente de IA: cómo está organizado todo y qué hacer cuando llega algo nuevo.

De la tercera dice algo donde casi todos se equivocan sin darse cuenta: es “lo que convierte al modelo en un mantenedor disciplinado en vez de un chatbot genérico”. No es configuración: es la pieza que decide si esto funciona.

Sobre esas capas se trabaja de tres maneras: le entregas algo nuevo, le preguntas, y cada tanto le pides un chequeo de contradicciones. Con una vara que no perdona: “una sola fuente puede tocar entre 10 y 15 páginas”.

Por qué esta vez sí se mantiene

Los segundos cerebros no son idea nueva: Vannevar Bush describió el Memex en 1945. Y casi todos los que lo intentamos, con Notion o con una carpeta de archivos, terminamos igual:

La parte tediosa de mantener una base de conocimiento no es leer ni pensar: es la contabilidad. Los humanos abandonan las wikis porque la carga de mantenimiento crece más rápido que el valor.

Lo que cambió es quién lleva esa contabilidad: “los modelos no se aburren, no se olvidan de actualizar una referencia cruzada y pueden tocar quince archivos de una pasada”. Lo que Bush nunca resolvió, quién mantiene todo eso, hoy lo hace el modelo.

Lo que nadie te dice: no es magia

Casey Newton, de Platformer, sembró el suyo con el archivo entero de su boletín y hoy tiene más de 1.440 páginas. Le ahorra mucho tiempo, pero también reporta lo otro: páginas que crecen demasiado y procesos que se rompen. Quien lleva un mes con esto lo resume como un empate entre lo que ahorra y lo que cuesta mantenerlo.

Los dos apuntan a lo mismo: el costo no está en el método, está en el andamiaje. Es lo que Karpathy llamó “un montón de scripts improvisados” cuando pidió que alguien construyera el producto.

Nosotros llevábamos meses construyendo ese producto

Cuando salió su texto ya teníamos Sherpa Mind corriendo, y la coincidencia fue tan exacta que resultó incómoda. Notas enlazadas entre sí (wikilinks, como en Wikipedia), enlaces de vuelta que se mantienen solos y una vista de mapa. Con la diferencia que resultó ser la importante: no es una carpeta en tu disco, es un lugar al que tu IA se conecta.

Se conecta con el estándar que usan hoy los asistentes de IA para hablar con herramientas de afuera (se llama MCP, y ya lo hablan Claude y Codex, entre otros). No importa cuál uses ni hay nada que instalar: le pegas una dirección, autorizas con tu cuenta y listo. El mismo cerebro desde el portátil, el celular y el computador del trabajo.

Cómo se ve esto un martes cualquiera

• Sales de una reunión y dices “guarda esto”. Tres meses después preguntas qué le prometiste a ese cliente, y sale con fecha.
• Tienes un negocio chico: por qué cambiaste de proveedor, qué precio te dio el anterior, cuál es la queja que se repite cada diciembre. Eso hoy vive en tu cabeza y en un chat de WhatsApp.
• Estudias por tu cuenta: cada cosa que entiendes queda escrita y enlazada, y tu asistente responde con lo que ya leíste, no con lo que se imagina.
• Trabajan en equipo: lo que aprendió uno el martes le sirve a otro el jueves, sin preguntar en quince mensajes quién sabe de esto.

Lo que hicimos distinto

• La búsqueda es un menú, no un buffet. No le mandamos todo a tu IA: le devolvemos unas pocas fichas de tres líneas con título, resumen y carpeta (unos 50 tokens cada una, la unidad en la que tu IA paga lo que lee). La nota completa solo viaja cuando ya decidió que es la correcta.
• Las reglas vienen puestas de fábrica. Esa tercera capa de la que depende todo, la que casi nadie escribe bien, se la entregamos a tu asistente apenas se conecta: cómo buscar, cómo resumir, cómo enlazar y qué no hacer nunca. No tienes que redactarla.
• La contabilidad la lleva el sistema, no el modelo. Los enlaces de vuelta (backlinks), el índice y el mapa se actualizan solos cada vez que alguien guarda. Y enlazar a una nota que todavía no existe vale: queda como marcador de intención, y se resuelve el día que nace.
• Sirve para un equipo, no solo para una persona. Espacios compartidos, invitación por correo, y la propiedad que lo hace útil de verdad: la IA hereda tus permisos. Escribe solo donde tú podrías escribir.
• El mapa además interpreta. Ese mapa es un grafo: agrupa las notas que se hablan entre sí, y esos grupos salen de cómo enlazaste, no de dónde guardaste. Cuando un tema reparte sus notas entre tres carpetas, ahí hay algo que tu organización no reconoce todavía.

Preparado para embeddings y vectores

Hoy la búsqueda encuentra por palabras, y eso tiene un límite que medimos en nuestro propio cerebro. Preguntamos “cuánto nos cuesta la nube al mes” y no devolvió nada, aunque hay diez notas de costos guardadas. Preguntamos “costo AWS mensual” y salieron todas. La nota estaba; lo que no coincidía eran las palabras.

Eso lo resuelven los vectores. Un vector ubica cada nota en un mapa por su significado y no por sus letras: “presupuesto aprobado” y “cuánto cuesta el proyecto” quedan cerca; “receta de ajiaco” queda lejos. Con eso, las dos preguntas de arriba llegan a la misma nota.

Esa capa ya está construida dentro de Sherpa Mind, y hoy está apagada: encenderla es poner una llave, no rediseñar nada. Está hecha con cuatro decisiones:

• Los vectores viven en la misma base de datos que las notas. Sin un segundo sistema que operar, pagar y sincronizar.
• El vector se calcula sobre el resumen, no sobre el texto completo. Más barato y más preciso, porque el resumen ya es la destilación del significado. Y se paga una vez, al escribir la nota.
• La mezcla de las dos búsquedas ocurre de nuestro lado (búsqueda híbrida). Para tu IA el costo es el mismo de una búsqueda normal: la misma lista corta, mejores resultados.
• Es una mejora, no una dependencia. Si mañana se cae el proveedor de vectores, la búsqueda sigue funcionando igual.

¿Y esto no contradice a Karpathy? No. Lo que él critica no es buscar: es rehacer ese trabajo de cero, cada vez, sobre documentos en bruto. El RAG de siempre apunta a un pedazo de PDF partido donde cayó el corte; acá, a una nota que alguien ya destiló, tituló y conectó con otras cinco. El buscador no reemplaza el pensamiento: encuentra el que ya se hizo.

Qué cambia cuando tu IA sabe lo que tú sabes

La respuesta segura y equivocada deja de aparecer. Tenemos una nota cuyo resumen termina así: “ahorra romper el documento a quien lo edite por primera vez”. Son las trampas del archivo con el que armamos propuestas: no están en ninguna documentación, se aprenden rompiéndolo una vez. Sin el cerebro, tu asistente arma la propuesta y la rompe con toda la confianza del mundo. Con el cerebro, la primera búsqueda se las entrega antes de tocar una línea.

El cerebro le gana al disco. En la máquina donde construimos Sherpa Mind, el archivo de reglas que nuestro asistente lee al arrancar dice, antes que nada: busca en el cerebro antes de responder. Y va más lejos: si el disco y el cerebro se contradicen, gana el cerebro. Nadie decidió eso en una reunión: apareció por experiencia, porque el archivo del disco envejece y la nota no.

Con un matiz que recomendamos copiar: leer, vía libre; escribir o borrar, siempre con permiso.

Dónde el método todavía te toca a ti

Sherpa Mind es donde el conocimiento vive, se busca y se conecta, pero la disciplina de actualizar las diez notas que toca una fuente nueva la pones tú. Y no guardamos los documentos originales, sino lo que aprendiste de ellos.

Nada de eso impide arrancar. Empieza pequeño: nuestro cerebro tiene unas 38 notas por espacio, y alcanza para que una pregunta se responda con la precisión de alguien que sí estuvo ahí. Y no acumules, conecta: una nota suelta se pierde; una con resumen y enlaces se encuentra sola.

Si te interesa la memoria que traen los propios asistentes, la cubrimos en Adiós a la IA con amnesia: esa memoria es del proveedor, esta es tuya.

Tu conocimiento, empezando hoy

Los modelos van a seguir mejorando, y van a seguir siendo los mismos para todos. Lo que nadie te puede copiar es lo que tú ya sabes y todavía no está escrito en ninguna parte.

Empieza tu expedición ahora. Crea tu cuenta en mind.sherpalogic.co/registro, conecta tu asistente y haz la prueba que hicimos nosotros: escribe cinco notas de algo que estés cansado de explicar, y pregunta. Toma diez minutos y la diferencia se nota en la primera respuesta.

¿Lo quieres puertas adentro? Si tu empresa o tu negocio necesita que este conocimiento no salga de casa, instalamos Sherpa Mind en tu propia infraestructura, con tus reglas y tus accesos (self-hosted). Estamos preparados para hacerlo hoy: escríbenos y te contamos cómo se ve para tu caso.