En toda organización hay alguien que lo sabe todo.
El que lleva veinte años en ventas y detecta al cliente difícil antes de que abra la boca. La médica que en diez segundos de exploración sabe lo que tarda el residente dos horas en diagnosticar. El técnico que con un vistazo a la máquina ya sabe por dónde va a fallar.
El problema no es que ese conocimiento exista. El problema es que está atrapado.
Atrapado en su agenda, en sus reuniones, en sus viajes. Y cuando por fin le tienes delante, lo que consigues es la versión resumida, la que podría haber estado en un manual: el 30% de lo que de verdad sabe.
Esto tiene nombre en el mundo de la formación y el diseño de aprendizaje: el cuello de botella del experto. Un estudio con más de 400 profesionales del sector publicado en 2025 lo confirma: los retrasos por falta de acceso al experto son la segunda barrera más citada para avanzar en cualquier proyecto, mencionada por el 30% de los profesionales. Y no estamos hablando de horas perdidas, sino de semanas y meses.
¿Puede la IA solucionar esto? No del todo. Pero sí puede reducirlo de forma significativa. Y en este post te contamos cómo lo están haciendo ya equipos de todo el mundo.
🧠 Por qué el experto no puede explicar lo que sabe
Antes de hablar de soluciones, hay que entender bien el problema. Porque si no, cualquier herramienta que uses va a capturar solo la mitad de lo que necesitas.
Cuando alguien se vuelve muy bueno en algo, ese conocimiento deja de ser consciente. Se automatiza. Se «compila», como dirían los programadores. El experto ya no piensa en los pasos: simplemente los ejecuta.
¿El resultado? Un estudio clásico con cirujanos expertos mostró que, cuando se les pedía que describieran un procedimiento que habían realizado cientos de veces, omitían de media el 70% de los pasos de decisión críticos. No porque no los supieran. Sino porque para ellos eran tan obvios que ni los veían.
Esto se llama la «maldición de la experiencia»: cuanto más sabes, menos puedes explicar lo que sabes.
La conclusión práctica: una entrevista estándar con un experto solo te da la capa superficial del conocimiento, la que ya estaba en el manual. Lo que hace valioso al experto —el juicio, los atajos, los errores que evita de forma inconsciente— eso no sale en la entrevista.
Con esto en mente, veamos qué puede hacer la IA.
🎯 Método 1: La IA como secretaria que no pierde nada
Dónde está el conocimiento: en las conversaciones que ya tienes con el experto.
El primer movimiento es el más sencillo y, paradójicamente, el que menos equipos aplican: grabar, transcribir y analizar cada minuto de contacto con el experto.
Una investigación publicada en 2026 demostró que los modelos de lenguaje analizan conversaciones con una precisión comparable a la de analistas humanos entrenados. Y lo hacen en diez minutos.
Lo que antes era una nota caótica llena de huecos ahora puede ser un documento estructurado, listo para trabajar.
El prompt que puedes copiar y usar hoy:
«Aquí tienes la transcripción de una reunión con un experto [pégala] y el objetivo de lo que necesito conseguir [descríbelo]. Analiza la conversación y dime: (1) qué preguntas de mi lista quedaron respondidas y qué dijo exactamente sobre cada una, (2) qué afirmaciones necesitan verificación, (3) compromisos adquiridos: quién prometió qué y para cuándo, (4) preguntas que hice pero recibieron respuestas vagas o incompletas, (5) lagunas: qué necesito saber que no salió en esta conversación. Formatea el resultado como una tabla de trabajo.»
Lo que resuelve: cero pérdida de información en cada contacto.
Dónde falla: captura perfectamente lo que se dijo, pero si el experto solo te dio la capa superficial, tú tendrás la capa superficial perfectamente documentada. El problema de articulación sigue ahí.
🔗 Método 2: La IA que entrevista al experto por ti
Dónde está el conocimiento: en la cabeza del experto, extraído mediante entrevista estructurada.
Imagina esto: en lugar de intentar cuadrar agendas durante semanas, mandas al experto un enlace a un chatbot entrenado específicamente para hacerle una entrevista de extracción de conocimiento.
El experto lo abre cuando tiene un hueco —en el metro, entre reunión y reunión, a las ocho de la noche— y el bot le hace preguntas estructuradas: situaciones críticas, errores comunes que cometen los novatos, decisiones que toma de forma automática. Y cuando la respuesta es vaga, el bot pregunta: «Has dicho que depende. ¿De qué exactamente?».
Un estudio de 2025 en el ámbito de la ingeniería de software —que tiene el mismo problema de extracción de conocimiento que cualquier otro sector— mostró que los entrevistadores basados en IA capturaban hasta el 73,7% de los requisitos técnicos relevantes, con tasas de error comparables a las de entrevistadores humanos formados.
Lo más interesante: algunos expertos se muestran más abiertos con la IA que con un colega. Menos miedo a parecer que no saben algo, menos autocensura. La IA no juzga.
Un alumno de nuestro bootcamp que trabaja en recursos humanos lo puso en práctica con expertos de su equipo de operaciones: «Les mandé el enlace el lunes. El miércoles tenía tres entrevistas completas. Antes tardaba dos semanas solo en cuadrar las reuniones».
Lo que resuelve: el problema de acceso y agenda. La consistencia de las preguntas (la IA nunca acepta una respuesta vaga y sigue adelante, cosa que nosotros sí hacemos bajo presión).
Dónde falla: sigue siendo una entrevista, con las limitaciones que eso conlleva. El conocimiento tácito más profundo —el que el experto ni sabe que tiene— no sale. Además, requiere que el experto esté dispuesto a interactuar con un chat: quien no sea cómodo con esa interfaz, no va a participar.
🧪 Método 3: Conviértete en «medio experto» antes de hablar con el experto
Dónde está el conocimiento: en la literatura publicada y en fuentes verificadas del sector.
¿Qué haces cuando no tienes acceso al experto durante semanas? La respuesta habitual es esperar. La respuesta con IA es avanzar.
Herramientas como Perplexity, Elicit o Consensus te permiten interrogar bases de datos de investigación académica y sectorial como si fueras un investigador. Puedes preguntar: «¿Qué errores cometen los principiantes en esta área?», «¿Qué dice la evidencia sobre cómo se desarrolla esta habilidad?», «¿Cuáles son los puntos de inflexión típicos en el aprendizaje de este proceso?».
El resultado: llegas a la reunión con el experto con un borrador ya hecho. En lugar de que él tenga que llenar una página en blanco contigo, solo tiene que corregir y validar. Eso cambia por completo la dinámica y multiplica por tres la productividad de cada minuto de contacto.
Lo que resuelve: el problema del arranque en frío. Conviertes al experto de informante en revisor, lo que es mucho más rápido para él y para ti.
Dónde falla: la IA reproduce el conocimiento público, no el específico de tu organización. Para temas propietarios o muy especializados, lo que genera puede sonar bien pero ser incorrecto. Los profesionales más junior —los que más lo necesitan— son también los menos preparados para detectar esos errores.
🚀 Método 4: El experto virtual construido con todo lo que ya escribió
Dónde está el conocimiento: en los documentos, presentaciones, correos y grabaciones que el experto ya ha producido.
Este es el enfoque más potente —y el más infrautilizado.
La idea: recopilar todo lo que el experto ya ha creado —sus presentaciones, sus informes, sus correos más importantes, sus grabaciones de formaciones anteriores— y volcarlo en una herramienta como un proyecto de Claude o un GPT personalizado. El resultado es un «experto virtual» al que puedes consultar en cualquier momento.
No para reemplazar al experto. Para hacer el 80% del trabajo antes de sentarte con él, de modo que cuando lo tengas delante la conversación sea mucho más profunda, corta y productiva.
Un equipo de formación de una empresa de ingeniería con el que hemos trabajado construyó un experto virtual del jefe técnico con cinco años de documentación interna. Resultado: redujeron a la mitad las horas de consulta directa con él sin perder calidad en los materiales que producían.
Un estudio de simulación de 2025 sugiere que los sistemas de IA pueden reconstruir el conocimiento organizacional a partir de fragmentos dispersos en múltiples colaboradores, a veces sin necesidad de volver al experto original. El conocimiento ya está en la red; la IA aprende a leerlo.
Lo que resuelve: la dependencia de agenda y las horas de consulta directa. Genera un activo reutilizable que crece con el tiempo.
Dónde falla: el experto virtual solo sabe lo que estaba escrito. El conocimiento tácito —el que nunca se documentó— no aparece. Y si el experto no tiene hábito de documentar, no hay corpus del que alimentarse. Además, los documentos reflejan lo que el experto pensaba cuando los escribió: la actualización sigue necesitando al humano.
🚀 Cómo replicarlo hoy
Graba tu próxima reunión con un experto (con su permiso). Usa Otter.ai, Fathom o la grabación nativa de Meet o Teams.
Pega la transcripción en Claude o ChatGPT con el prompt del Método 1 y genera tu tabla de trabajo en diez minutos.
Crea un chatbot de entrevista asíncrona con un GPT o un proyecto de Claude. Entrénalo con las preguntas clave que necesitas responder y mándale el enlace al experto.
Antes de tu próxima reunión con un experto, dedica una hora a interrogar a Perplexity o Consensus sobre el tema. Llega con un borrador, no con una página en blanco.
Recopila los documentos clave del experto (presentaciones, informes, grabaciones) y crea un proyecto en Claude o un GPT alimentado con ese corpus.
Establece una revisión trimestral para actualizar el experto virtual con materiales nuevos.
Combina métodos: el virtual SME para avanzar, el bot de entrevista para profundizar, y la reunión real para validar y acceder al conocimiento tácito que nunca se va a documentar.
No necesitas ser experto en IA para hacer esto. Necesitas un proceso y diez minutos de configuración inicial.
❓ Preguntas frecuentes
¿Esto sustituye a la reunión con el experto?
No. Cambia la naturaleza de esa reunión. En lugar de usarla para recopilar información básica, la usas para acceder al conocimiento que ninguna IA puede extraer: el juicio profundo, el contexto que nunca se escribió, los matices que distinguen a alguien bueno de alguien brillante.
¿Funcionará si el experto no está cómodo con la tecnología?
El método del bot de entrevista requiere cierta comodidad con un chat. Si el experto no la tiene, empieza por los métodos 1 y 4 —no requieren ninguna implicación suya—. Y si sí la tiene, los estudios sugieren que la mayoría se adaptan rápido, especialmente cuando ven que es más cómodo que una reunión más.
¿Qué herramientas hacen algo similar?
Para el método 1 (transcripción y análisis): Otter.ai, Fathom, Fireflies, Tactiq, Claude, Gemini, Grok, Kimi. Para el método 2 (bot de entrevista): ChatGPT con GPTs personalizados, Claude con proyectos, Gemini con Gems. Para el método 3 (investigación): Perplexity, Elicit, Consensus. Para el método 4 (experto virtual): Claude Projects, ChatGPT Projects, NotebookLM.
¿Y si el experto genera contenido con IA que parece correcto pero está mal?
Es el riesgo más importante de este enfoque. A diferencia de los sistemas de los años 80, que fallaban de forma obvia, los modelos de lenguaje fallan de forma fluida y convincente. La solución no es evitar la IA, sino mantener siempre un ciclo de validación humana, especialmente en temas críticos o propietarios.
¿Funciona para cualquier tipo de conocimiento?
Mejor para conocimiento explícito (procesos, protocolos, decisiones documentadas) que para conocimiento tácito (intuición, juicio, patrones). La IA puede reducir el problema de acceso; el problema de articulación —el que vive en el inconsciente del experto— sigue siendo fundamentalmente humano.
🎯 Antes de cerrar
El cuello de botella del experto no es nuevo. Tiene cuarenta años de historia y una lista de soluciones fallidas casi tan larga. La IA no lo elimina, pero sí reduce su coste de forma significativa si se usa bien.
Lo que parece más interesante de todo esto es el cambio de rol que implica: si la IA puede hacer el 80% del trabajo de extracción de conocimiento, el valor del profesional que trabaja con expertos ya no está en recopilar información. Está en saber qué preguntas hacen falta, qué es lo que aún falta, y cómo convertir ese conocimiento en algo que de verdad cambia el comportamiento de quien lo recibe.
Eso no lo automatiza ninguna herramienta.
Si trabajas en formación, consultoría, recursos humanos, operaciones o cualquier área donde dependas del tiempo de alguien que sabe más que tú, prueba esta semana el Método 1. Graba tu próxima reunión y pásala por el prompt que te hemos dado. Cuéntanos qué encuentras.
¿Te ha sido útil este post? Compártelo con alguien que lleve semanas esperando a su experto de turno.
