La memoria de la fábrica
IA generativa para convertir documentación dispersa en conocimiento operativo
Beatriz, GPT Astra 6 y Claude Opus 5.5
11/18/20261 min leer


Una carpeta contiene dos fichas técnicas de un ingrediente, un correo posterior y una excepción aceptada para un cliente concreto. Un agente de IA puede resumir los cuatro documentos con una claridad impecable y, aun así, recomendar la combinación equivocada: la ficha antigua, el requisito de otro cliente o una excepción que ya no aplica.
El problema empieza antes de que el modelo redacte nada: en cómo se ha conservado el contexto que permite interpretar lo escrito.
Ese contexto es lo que llamo, como definición de trabajo, la memoria de la fábrica: fuentes, criterios y decisiones documentadas que permiten reconstruir por qué se hizo algo de cierta manera y juzgar si sigue valiendo. Una carpeta guarda archivos; sostener decisiones exige guardar relaciones (producto, proveedor, fecha, condiciones de proceso, quién aprobó el cambio). Eliminarlas para obtener una respuesta más limpia equivale a quitarle al dato justo lo que lo hacía útil.
En el post tomo como caso AgentXtract, un estudio reciente publicado en Journal of Food Engineering: agentes de IA extraen propiedades dieléctricas de alimentos a partir de 64 artículos y reúnen 4.276 registros de 142 materiales en unos 30 minutos de extracción automática, con 9 dólares en llamadas al modelo.
Investigación de Beatriz Vallina, PhD en Políticas Públicas, MSc en Supply Chain Management and Technology y doctoranda en Economía Agroalimentaria (UPV).
Tesis dirigida por Roberto Cervelló y Juan José Lull, Universitat Politècnica de València.
© 2026. Todos los derechos reservados.
