01
Conocimiento vivo en la Internet 3.0
Formación Integral 3.0 conecta el patrimonio vivo del Totonacapan con la investigación sobre aprendizaje, inteligencia artificial y gobernanza de Internet. Su punto de partida es una capacidad humana concreta: saber hacer algo, reconocer cuándo funciona, corregirlo y enseñarlo a otra persona.
La Internet 3.0 plantea un cambio en la circulación del conocimiento. Los asistentes y agentes de IA buscan información, la traducen, la resumen y la convierten en instrucciones. Nuestro trabajo sitúa en ese recorrido a las personas que originan el conocimiento: su nombre, su contexto, su criterio y sus decisiones sobre el uso de lo que enseñan.
La pregunta central es directa: ¿qué debe viajar junto con un conocimiento para que siga unido a las personas y comunidades que lo sostienen? Formación Integral 3.0 la convierte en un programa de investigación que une al Instituto Totonacapan y Tegrity.AI, dentro de The Integral Management Society.
02
Una trayectoria que cambia la dirección del aprendizaje
1.0 · Aprender con el maestro
La joyería, la platería, la relojería y otros oficios de Papantla se transmiten mediante observación, práctica y corrección. La Bola de Oro ofrece una entrada a esa historia: el taller reúne herramientas, materiales, memoria y relaciones de confianza. Usamos Formación Integral 1.0 para nombrar esta lógica de aprendizaje entre maestros y aprendices.
2.0 · Del mundo a la región
Entre 2005 y 2014, Formación Integral desarrolló en Totonacapan una experiencia de aprendizaje digital apoyada en ciberescuelas, docentes y operadores locales. Compartir computadoras y conectividad resolvía una parte del problema; el acompañamiento ayudaba a cada persona a encontrar contenidos, usar las herramientas y convertir el acceso en aprendizaje útil.
La preparación de los docentes y facilitadores era fundamental. Ellos conservaban su lugar de referencia y podían orientar a estudiantes y familias. El catálogo histórico reunió más de setenta líneas de cursos, junto con recursos para profesores, centros educativos y bibliotecas digitales. Esa experiencia dejó un principio de trabajo: organizar la tecnología alrededor de las relaciones que permiten aprender.
3.0 · De la comunidad al mundo
La nueva etapa invierte el recorrido. Un maestro comparte una práctica; una persona joven la aprende; un sistema de IA aprende junto a ella; y la comunidad revisa la representación que puede circular. El patrimonio se convierte así en una fuente de conocimiento para el desarrollo tecnológico y para nuevas generaciones de practicantes.
03
Tres principios de diseño
Contexto portátil y memoria propia
Las fuentes, instrucciones, decisiones y avances del aprendizaje deben poder mantenerse en archivos y registros controlados por las personas y las comunidades. La arquitectura trabaja con memoria persistente, procesos explícitos y modelos sustituibles. Así, el recorrido de aprendizaje puede continuar al cambiar de herramienta, de proveedor o de condiciones de conectividad.
Confianza distribuida
La introducción de IA comienza con maestros, docentes, personas mayores y facilitadores que conocen el lugar. Se preparan para interpretar respuestas, contrastarlas con la práctica y explicar qué información utiliza el sistema. La confianza tiene personas reconocibles, responsabilidades claras y formas de corregir el trabajo.
Competencia demostrada
El aprendizaje se organiza mediante retos concretos. La persona ejecuta, observa, decide, adapta y explica. Su desempeño y el de la IA se evalúan por separado. La evidencia incluye lo que cada participante puede hacer, las correcciones que necesita y lo que logra transferir a una situación nueva.
04
Un maestro y dos aprendices
El ejercicio central reúne a un maestro, un aprendiz humano y una IA que actúa como segundo aprendiz. El maestro demuestra una práctica en su entorno. El aprendiz intenta realizarla, pregunta y recibe correcciones. La IA organiza lo observado y presenta su interpretación. Los errores y las preguntas hacen visibles detalles que una explicación inicial puede dejar implícitos.
Elegir → acordar → demostrar → practicar → comprobar → transmitir. Cada paso deja una decisión y una evidencia: quién enseña, qué se registra, qué se aprendió y qué representación está autorizada a circular.
El trabajo del chijol ofrece un reto especialmente fértil. Una persona experimentada reconoce la veta, el estado de la herramienta, la presión, el ángulo y el momento de cambiar de movimiento. El aprendizaje exige relacionar material, herramienta, gesto y resultado. La corrección de un intento fallido puede revelar una parte esencial del oficio.
La misma lógica interesa a la joyería y la relojería: reconocer el desgaste, elegir una herramienta, valorar una reparación y explicar por qué una pieza requiere un tratamiento particular. El resultado de investigación es un conjunto de evidencias que otro practicante pueda examinar y utilizar, con el criterio del maestro como referencia.
Quién hace qué en el ejercicio
El modelo de Formación Integral 3.0 separa tres tareas y reúne las evidencias para revisarlas.
Maestro
Demuestra una práctica y explica sus correcciones.
Aprendiz humano
Intenta realizar la práctica, formula preguntas y ajusta su trabajo.
IA como segundo aprendiz
Organiza el registro autorizado y presenta su interpretación.
Revisión de la evidencia
Se contrasta lo que la persona pudo hacer con lo que la IA pudo explicar. Cada desempeño se evalúa por separado.
05
Rose Luckin: hacer visible la capacidad humana
El 2 de septiembre de 2026, la profesora Rose Luckin leyó la nota de discusión y aportó un comentario escrito cuyo uso autorizó. Destacó la inversión del recorrido —del mundo a la región y de la región al mundo— y propuso precisar cómo demostrar el crecimiento de la capacidad de una persona.
«Formación Integral 3.0 aborda algo que gran parte del debate actual sobre IA en educación evita: la diferencia entre una respuesta fluida y la competencia humana. La IA puede generar resultados pulidos mientras quien la utiliza aprende muy poco. El piloto propuesto resulta interesante porque convierte el aprendizaje humano en aquello que debe demostrarse y prepara a educadores y profesionales de confianza antes de una adopción más amplia. La pregunta de investigación que animaría al equipo a precisar es cómo evidenciar que ha aumentado la capacidad de un practicante: qué puede hacer, juzgar y adaptar sin apoyo de la IA, y si puede explicar por qué. El aprendizaje paralelo del practicante y del agente de IA plantea también una pregunta útil de evaluación: qué deja de captar un sistema de IA cuando intervienen conocimientos tácitos y culturalmente situados; las comunidades están bien situadas para juzgarlo».
Rose Luckin · Comentario para Formación Integral 3.0, 2 de septiembre de 2026. Traducción del original en inglés.
Sus observaciones se concretan en tres líneas: una demostración independiente del aprendiz, una reflexión sobre lo aprendido y sobre los errores de la IA, y una definición clara de quién conserva el contexto portátil y cómo puede retirarlo. Estas líneas orientan el diseño de la evaluación y la participación de los custodios del conocimiento.
06
Europeana: cuatro preguntas que desarrollan el método
El 3 de septiembre, Lorena Aldana, de Europeana Foundation, remitió observaciones después de consultar a especialistas en formación y gobernanza de datos. Sus preguntas abordaron las alucinaciones, la pertinencia de los temas, el ritmo del aprendizaje, la evaluación de la artesanía y el gobierno de los datos. El 16 de septiembre respondimos con cuatro notas desarrolladas.
Fuentes, errores y recuperación
La primera nota organiza la separación entre fuentes originales e interpretaciones generadas. Propone conservar registros, reconstruir el recorrido de una tarea, comparar resultados y repetir un paso con otro modelo. La evaluación observa fidelidad a la fuente, omisiones, información introducida, contexto retenido y capacidad de recuperación. La memoria del proyecto permanece disponible para volver sobre una interpretación y corregirla.
El criterio del oficio
La pregunta sobre cómo una IA podría juzgar el trabajo de la madera lleva a describir una arquitectura de la práctica: materiales, herramientas, secuencia, condiciones ambientales, tolerancias, señales de calidad y excepciones. El maestro y otros practicantes competentes establecen los criterios con los que se examina el resultado. La IA ayuda a observar, documentar, comparar y recuperar información.
El reto del chijol
La tercera nota desarrolla el aprendizaje a partir de la diferencia entre la ejecución experta y el intento del aprendiz. Cambios de agarre, selección de material, preguntas inesperadas y correcciones permiten estudiar qué información hace falta para transmitir una práctica. La prueba de transferencia consiste en que otra persona competente utilice el conocimiento conservado para realizar una parte delimitada del trabajo.
Datos, atribución y valor futuro
La cuarta nota trata por separado el gobierno de los datos, la autoridad sobre el conocimiento, la procedencia y el valor que pueda producir su reutilización. Desarrolla decisiones diferenciadas para enseñar, registrar, procesar con IA, representar, publicar y reutilizar. El diseño incluye estados visibles de grabación, trabajo local, materiales reservados, reglas de atribución y revisión de los beneficios que puedan surgir con el tiempo.
07
Un diálogo que une territorios
Xanath y el Totonacapan
El planteamiento de Xanath reúne cultivo de vainilla, cuidado del hábitat, selección de materiales y gestión cotidiana del entorno. Permite estudiar cómo se transmite un conocimiento que combina observación ecológica, experiencia y decisiones prácticas con recursos limitados. Junto con la joyería y otros oficios identificados por el trabajo del Censo, sitúa los retos de investigación en prácticas y lugares concretos.
Jokkolabs Banjul · Gambia
Poncelet Ileleji confirmó el 8 de septiembre su conformidad con las propuestas y la inclusión de Jokkolabs Banjul en el planteamiento. El 9 de septiembre aportó la perspectiva de su trabajo con la iniciativa nacional de gobernanza de Internet de Gambia, la Gambia NRI. Su intervención situó la comparación en un ecosistema de aprendizaje, participación y gobernanza que conecta el trabajo local con el IGF.
Esta aportación refuerza una pregunta práctica: cómo adaptar el aprendizaje con IA a los recursos, las redes de confianza y los retos de cada lugar. La correspondencia continuó en octubre, cuando Poncelet confirmó la recepción de la actualización de la propuesta.
United Diplomats of Africa · Senegal
Amath Ndiaye aportó cuatro prioridades para la adaptación africana: estructuras locales de confianza, oralidad y lenguas propias, funcionamiento con poca conectividad y retos relacionados con la vida cotidiana. Propuso desarrollar el enfoque junto con las comunidades y situó a maestros, personas mayores, asociaciones de mujeres y jóvenes entre los actores relevantes.
Para concretarlo, presentó un caso de estudio en Diakhao, región de Fatick, centrado en la transmisión de conocimientos sérères sobre plantas y prácticas tradicionales de cuidado. El planteamiento propone interacción oral en sérère-siin y wolof, interfaz en francés y apoyo local en teléfonos Android. La comparación con Xanath permite estudiar una misma arquitectura ante conocimientos, lenguas y condiciones de uso diferentes.
En septiembre, Amath revisó y expresó su acuerdo con el material correspondiente a UDA y Diakhao/Fatick. En octubre volvió a ofrecer su ayuda para continuar el trabajo. Sus aportaciones desarrollan la autoridad de los custodios, la memoria local y la adaptación cultural como elementos centrales del programa.
Research ICT Africa
Liz Orembo y Kola Ijasan recibieron el concepto con interés y plantearon revisar la nota y conversar sobre ella. El intercambio abrió una vía para contrastar la arquitectura con cuestiones de agencia, justicia, conocimiento contextual y gobernanza digital en África. La correspondencia recoge la preparación de ese diálogo y la disposición de ambos a examinar el planteamiento.
Masakhane
Lydia Kila Taban pidió concretar qué implicaría la participación de Masakhane y trasladó la cuestión a su equipo. El diálogo ayudó a precisar la dimensión lingüística: cómo conservar significado y contexto al trabajar con lenguas locales, y cómo hacer que quienes hablan esas lenguas intervengan en el diseño y la evaluación.
GCSAYN y comunidades de práctica
Divine Ntiokam comunicó que el equipo de GCSAYN había revisado la propuesta y pidió una conversación para profundizar en ella. El intercambio conecta la investigación con las prioridades de juventud, aprendizaje y prácticas comunitarias. Por su parte, Etienne y Bev Wenger-Trayner consideraron interesante la pregunta sobre la contribución de la IA a la continuidad cultural y explicaron que su trabajo editorial ocupaba su disponibilidad.
08
IGF 2026: propuesta, orientación y evaluación
La conversación con el IGF comenzó en el contexto de las MAG Chair Office Hours. Jennifer Chung señaló el valor del aprendizaje entre regiones y conectó el intercambio con Anja Gengo, punto de contacto de la Secretaría para IG Labs. El 1 de septiembre, Anja destacó el valor específico de la comparación regional y ofreció un espacio de conversación en el seminario de la convocatoria.
El 15 de septiembre presentamos Formación Integral 3.0 al programa IG Labs. La propuesta figura con el número 136, en el ámbito de descubrimiento de información facilitado por IA y ecosistema de la Web. El texto reúne la trayectoria del Totonacapan, el diálogo africano y una pregunta de gobernanza: mantener custodia, permisos, atribución y capacidad de corrección cuando el conocimiento circula por sistemas de IA.
El 30 de octubre, la Secretaría comunicó una evaluación de tres revisores dentro de un proceso de 133 propuestas. Formación Integral 3.0 quedó fuera de las tres propuestas seleccionadas para el programa presencial de IG Labs 2026. La evaluación dejó tres aportaciones concretas para continuar la investigación.
Revisor 1 · Precisar el problema y la implementación
Pidió definir mejor el problema, concretar la implementación técnica y diferenciar el enfoque respecto de iniciativas anteriores. Esta observación concentra el trabajo en una pregunta delimitada y en una especificación que pueda ponerse a prueba.
Revisor 2 · Una pregunta que el laboratorio puede probar
Destacó la cuestión de qué debe viajar con el conocimiento comunitario para que siga vinculado a las personas que lo custodian. La describió como una pregunta difícil que el laboratorio puede examinar de forma concreta.
Revisor 3 · Permisos, procedencia y autoridad colectiva
Identificó como fortaleza el tratamiento granular de los permisos y la capacidad comunitaria de corregir, retirar o rechazar una representación. Solicitó desarrollar la forma técnica y la interoperabilidad del registro portátil, su relación con estándares de procedencia, identidad y uso de contenidos, y la autoridad para decidir sobre conocimientos colectivos, compartidos entre generaciones o parcialmente públicos.
La Secretaría alentó a continuar el desarrollo de las ideas y el diálogo con la comunidad del IGF. La revisión centra la siguiente etapa en el registro portátil y en la demostración de competencia humana.
09
El registro que acompaña al conocimiento
El objeto de diseño es una ficha portátil que mantiene conectadas cinco dimensiones: fuente y custodia; usos permitidos; atribución y transformaciones; revisión y retirada; evidencia de aprendizaje.
La ficha identifica qué se aprendió, de quién procede, qué personas pueden revisar la representación y qué condiciones acompañan cada uso. Conserva versiones y correcciones, diferencia la fuente de la interpretación de la IA y permite seguir el recorrido entre herramientas. Al mismo tiempo, el registro de aprendizaje muestra qué puede hacer y explicar el aprendiz por sí mismo.
La agenda de investigación conecta estos elementos con pruebas entre modelos y lenguas, funcionamiento local, autoridad colectiva y continuidad del oficio. El Instituto aporta el trabajo con patrimonio vivo y comunidades de práctica; Tegrity.AI desarrolla las preguntas de arquitectura, contexto, procedencia y sistemas. Formación Integral 3.0 es el puente entre ambos.
10
Documentos y continuidad
Esta página reúne la narrativa de Formación Integral, la nota de discusión, las cuatro respuestas a Europeana y los intercambios mantenidos entre agosto y octubre de 2026. El comentario de Rose Luckin se reproduce con su permiso de uso. Las observaciones del IGF se presentan por revisor, tal como fueron comunicadas al proyecto.
- Propuestas y proceso de revisión de IG Labs · IGF
- Investigación y transmisión
- La Bola de Oro y su archivo de oficios
- Censo de Artes y Oficios
- Investigación de Tegrity.AI
Para aportar una práctica, una pregunta de investigación o una experiencia comparable: contactar con el Instituto.
11
AI & Ancestral Wisdom forma parte de Formación Integral 3.0: es el desarrollo metodológico del mismo programa de aprendizaje, transmisión de saberes e investigación con inteligencia artificial. Aquí se reúne su contenido completo, junto con la trayectoria y los intercambios que dan forma al programa.
Cuadernos de prácticas · Instituto Totonacapan
AI & Ancestral Wisdom: del aprendiz humano al aprendiz artificial
El planteamiento original comienza con el aprendizaje humano. Una comunidad identifica una práctica que desea transmitir, acuerda qué puede observarse y documentarse, y reconoce a las personas capaces de evaluar el aprendizaje. La inteligencia artificial entra después, como objeto de investigación dentro de ese entorno de conocimiento.
Por qué el Totonacapan forma parte de la investigación
El Totonacapan aporta un contexto especialmente rico para esta pregunta. En sus oficios, lenguas, prácticas ecológicas, técnicas artesanales, memoria oral y transmisión entre maestros y aprendices existen conocimientos que no quedan íntegramente representados en manuales ni en los grandes corpus digitales. El interés de la investigación no es convertir el territorio en una fuente de datos, sino comprender cómo se reconoce, ejerce y transmite un criterio que depende de personas, materiales, relaciones y circunstancias concretas.
El proyecto no pretende sustituir a maestros ni portadores de saber, ni extraer conocimientos al margen de sus custodios. La documentación y cualquier ensayo de IA deben partir del consentimiento, la atribución, el contexto cultural, el beneficio para quienes participan y la posibilidad de restringir o retirar determinados usos. La tecnología es un instrumento que se somete a evaluación; no adquiere por ello autoridad para definir la práctica ni representarla.
Dos ambigüedades que deben distinguirse
- Responsabilidad y autoridad: quién aporta un registro, quién puede corregirlo y quién tiene legitimidad para decidir sobre una práctica o un uso.
- Versión: cuál es el documento vigente, qué cambió y si dos descripciones son contradictorias o expresan variantes legítimas.
Ordenar esos aspectos permite formular una pregunta más exigente: cuando la documentación es clara, ¿qué sigue sin poder transmitirse mediante un registro? El proyecto distingue la pérdida producida por desorden documental de la dificultad ligada al gesto, al contexto, a la percepción material o al juicio experto. Un conocimiento tácito no se convierte automáticamente en un error de documentación.
La IA como aprendiz paralelo
El diseño propone observar qué reconstruye un sistema a partir de procedimientos autorizados y compararlo con el aprendizaje de una persona. Importa detectar pasos omitidos, errores de secuencia, condiciones ignoradas y respuestas que parecen coherentes pero alteran la práctica. La evaluación corresponde a quienes pueden reconocer esas diferencias en el oficio.
La IA como apoyo a una nueva persona que aprende
Una segunda etapa pregunta si la representación aprendida por el sistema ayuda a enseñar. El criterio sería lo que otra persona puede comprender y realizar con su apoyo, bajo revisión humana. Repetir una explicación convincente y ejercer una capacidad son resultados diferentes que deben medirse por separado.
Comparar sin borrar el contexto
La investigación plantea comparar arquitecturas de IA bajo condiciones documentales controladas y tareas acordadas. Las variables incluyen calidad de los registros, claridad de las responsabilidades, control de versiones y cantidad de contexto necesario. Los límites de cada práctica deben influir en el diseño del experimento.
Se trata de hipótesis y de un método propuesto, no de resultados ya obtenidos. Cualquier ensayo con materiales de una comunidad requiere definir previamente participación, acceso, revisión, usos de IA y devolución. El propósito es aprender qué ayuda a la transmisión y reconocer dónde la relación humana sigue siendo indispensable.
Modelo propuesto completo · 21 apartados
Modelo propuesto: del conocimiento vivo a la evaluación de inteligencia artificial
AI & Ancestral Wisdom propone un método progresivo y auditable para estudiar cómo se preserva, formaliza, transmite y contrasta el conocimiento humano ante sistemas contemporáneos de inteligencia artificial. No empieza con la IA. Empieza con comunidades de práctica vivas, aprendizaje maestro–aprendiz, procedimientos documentados, trazabilidad y una investigación sobre las ambigüedades que aparecen cuando intentamos representar una práctica mediante información.
1. La premisa de investigación
Una parte significativa del conocimiento humano no se expresa completamente en reglas, documentos o conjuntos de datos. Vive en el gesto, el momento oportuno, la relación con los materiales, el territorio, la memoria compartida, el ritual y el juicio adquirido mediante la experiencia. Michael Polanyi llamó la atención sobre esta dimensión del conocimiento tácito: con frecuencia sabemos hacer más de lo que podemos explicar de forma explícita. La investigación pregunta qué partes de una capacidad pueden describirse, enseñarse o modelarse, y cuáles siguen dependiendo de la práctica y de comunidades humanas vivas.
2. Por qué no es únicamente digitalización cultural
Digitalizar documentos, registrar lenguas, describir oficios, ordenar conocimiento experto o establecer reglas éticas para los datos son tareas valiosas, pero distintas. Esta propuesta las conecta mediante una misma pregunta: ¿qué ocurre con una capacidad cuando pasa de una práctica viva a una representación formal? El propósito no es convertir una cultura en contenido digital. Es estudiar qué se conserva, qué se transforma y qué se pierde en ese tránsito, y cómo reconocer esas diferencias con quienes conocen la práctica.
3. El principio metodológico
Antes de introducir sistemas de IA, el trabajo identifica prácticas, actividades, procedimientos, datos, transformaciones, responsabilidades, versiones, evidencias, reglas de decisión, excepciones y criterios de validación. Esta base permite separar una instrucción escrita de la operación realmente ejecutada y, a su vez, de aquello que un experto resuelve mediante experiencia sin poder reducirlo por completo a una regla. No se supone que la documentación sea un reflejo perfecto de la práctica: esa diferencia también se observa.
4. Primera fase: censo y prioridades
El primer paso es identificar capacidades, técnicas, oficios y personas que desean participar en su documentación. El censo busca reconocer qué prácticas existen, cuáles dependen de muy pocos maestros, dónde se debilita el relevo generacional, qué materiales o espacios resultan indispensables y qué formas de transmisión necesitan apoyo. Su utilidad no se limita a una lista de nombres: ofrece un primer mapa de capacidades vivas y de sus condiciones de continuidad. Las prioridades deben acordarse con quienes practican esos saberes.
5. Segunda fase: comunidades de práctica
El conocimiento no reside exclusivamente en individuos. También se sostiene en talleres, rutinas compartidas, herramientas, materiales, aprendizajes, correcciones, relaciones de confianza y criterios colectivos de calidad. La investigación identifica las comunidades ya existentes o las condiciones en las que podrían fortalecerse, sin imponerles una estructura ajena. Comparar variantes y compartir criterios puede reducir la dependencia de un único maestro, siempre que se respete la diversidad legítima de cada práctica y se mantenga la autoridad de sus portadores.
6. Tercera fase: observar la transmisión maestro–aprendiz
La relación maestro–aprendiz es el principal campo de observación. Se atiende a lo que se explica verbalmente, lo que se muestra con las manos, lo que se aprende mediante correcciones sucesivas, lo que depende del tiempo o del material y lo que requiere juicio experto. También se distinguen los cambios aceptables de los errores y las condiciones en que dos maestros pueden actuar de manera distinta sin que ninguno esté equivocado. La finalidad es hacer observable el aprendizaje sin reducir prematuramente su complejidad a datos.
7. Cuarta fase: procedimientos y formalización
Una vez comprendida la práctica real, pueden elaborarse procedimientos que describan secuencias de actividad, herramientas, materiales, funciones, responsables, versiones, transformaciones, criterios de calidad, excepciones, pruebas y relaciones entre documentos. Las fotografías y otros registros se incorporan únicamente en los términos autorizados. Formalizar no significa imponer una versión única: significa distinguir lo que puede normalizarse, las variantes que deben conservarse y los aspectos que continúan dependiendo de circunstancias y criterio humano.
8. Quinta fase: trazabilidad y posibilidad de auditoría
El paso siguiente consiste en comprobar si una descripción puede seguirse hasta sus fuentes y si una persona competente puede revisar cómo se obtuvo. El control documental, la gestión de versiones, los criterios de calidad y la auditoría de procesos permiten pasar de una observación a un registro verificable y parcialmente transmisible. La pregunta no es si todo puede convertirse en procedimiento, sino qué partes son consistentes, qué variaciones son legítimas y qué aspectos perderían significado si se intentara estabilizarlos artificialmente.
9. Sexta fase: hipótesis sobre entropía informacional
El modelo plantea, como hipótesis por contrastar, que ciertas ambigüedades informacionales podrían ayudar a identificar zonas donde persiste conocimiento no formalizado. Presta especial atención a la ambigüedad de responsabilidad o autoridad —quién aporta, custodia, valida o puede decidir sobre una práctica— y a la ambigüedad de versión —qué descripción se usa, cómo cambió y por qué conviven variantes diferentes—. La presencia de estas ambigüedades no demuestra por sí misma conocimiento tácito: puede señalar tanto un defecto documental como una complejidad real del contexto. Esa distinción constituye precisamente parte de la investigación.
10. Desorden corregible y conocimiento tácito estructural
Cuando la ambigüedad procede de documentos incompletos, responsabilidades confusas, duplicación accidental o falta de control de versiones, la respuesta puede ser documental y organizativa: aclarar autoridades, consolidar registros, establecer procedencias y verificar el cumplimiento de los acuerdos. En cambio, cuando dos variantes responden legítimamente a materiales, estaciones, territorios, maestros, rituales o circunstancias distintas, eliminar la diferencia puede destruir conocimiento. La tarea es comprenderla, documentar sus condiciones y validarla sin forzar una simplificación.
11. Cuatro tipos de ambigüedad que conviene distinguir
El modelo de trabajo separa cuatro situaciones. El desorden documental aparece cuando faltan autor, versión o control y puede corregirse con mejores registros. La duplicación operativa surge cuando dos áreas mantienen información sin coordinación y requiere responsabilidades y fuentes maestras claras. La ambigüedad contextual aparece cuando varias versiones son válidas en condiciones distintas y exige describir esas condiciones. Por último, el conocimiento tácito estructural aparece cuando una práctica depende de criterio experto todavía no formalizado; requiere observación, contraste y preservación del contexto. Clasificar estos casos evita confundir cualquier diferencia con un error o, a la inversa, justificar como misterio un defecto que puede corregirse.
12. Séptima fase: la IA como aprendiz
La IA entra únicamente después de construir una base humana y documental suficiente. En su primer papel es un aprendiz paralelo al humano: recibe procedimientos, observaciones, imágenes autorizadas, variantes, reglas, excepciones, lenguaje contextual y correcciones registradas durante la transmisión. Se compara lo que un aprendiz humano comprende y ejecuta con lo que el sistema parece comprender a partir de esos materiales. La coherencia de una respuesta textual no se toma como prueba de comprensión de la práctica.
13. Octava fase: la IA como apoyo a la enseñanza
El segundo papel es más exigente. Se examina si el sistema puede explicar una práctica de manera que ayude a otra persona a aprenderla, por ejemplo un nuevo aprendiz, un artesano de otro contexto o un observador técnico. Ya no basta con que recuerde información: debe conservar secuencias, condiciones, variantes y límites. La evaluación distingue entre producir una explicación convincente y contribuir realmente a una capacidad que otra persona pueda ejercer con supervisión adecuada.
14. Revisión humana de la transmisión asistida por IA
Las explicaciones generadas por sistemas de IA deben ser revisadas por personas competentes y legitimadas para evaluar la práctica. La revisión observa si se conserva la secuencia de trabajo, se respeta el contexto, se reconocen variantes legítimas, se señalan excepciones y se mantienen procedencias y límites de uso. También busca omisiones, afirmaciones inventadas y una falsa sensación de coherencia. Un sistema puede escribir de modo fluido y, sin embargo, alterar el sentido técnico, cultural o simbólico de aquello que pretende enseñar.
15. Hipótesis experimental
La hipótesis central propone que, cuanto mayor sea la complejidad contextual y la densidad de ambigüedades legítimas de una práctica, más difícil podría resultar para un sistema de IA representarla, estabilizarla y transmitirla fielmente. Esta relación aún debe definirse y comprobarse empíricamente; no es un resultado demostrado. Para estudiarla se pueden describir perfiles que atiendan al número de variantes, la autoridad sobre los registros, el control de versiones, la dependencia del contexto, el juicio experto, la transmisión implícita, las diferencias territoriales, la carga ritual o simbólica y la resistencia a una formalización uniforme.
16. Investigación comparativa
El método está concebido para comparar prácticas diferentes sin imponerles una medida cultural única. Podrían estudiarse bordados del Totonacapan y de otras regiones, joyería, cultivo y beneficio de vainilla, tejido, relojería, restauración, conocimientos ecológicos o técnicas complejas de taller. Cada caso requiere su propio acuerdo con los portadores del saber y sus criterios de evaluación. La comparación busca comprender qué aspectos pueden explicitarse y cuáles exigen experiencia situada, no jerarquizar culturas por su facilidad de digitalización.
17. Qué podría revelar el modelo
Una práctica predominantemente procedimental puede resultar más sencilla de registrar, revisar y transmitir. Otra, muy dependiente de circunstancias cambiantes, necesitará reglas de contexto y validación humana. Otras capacidades dependen de percepción material, gesto, tiempo, autoridad comunitaria o conocimiento ritual y podrían resistirse a una formalización más profunda. Son perfiles de trabajo, no una clasificación definitiva de personas o culturas. Uno de los resultados más valiosos podría consistir en identificar con precisión dónde fallan los sistemas de IA y qué condiciones humanas no pueden sustituirse.
18. Contribución propuesta a la evaluación de IA
Gran parte de la evaluación corriente de IA se centra en lenguaje, razonamiento, búsqueda, matemáticas, programación o ejecución de tareas. Aquí se propone un tipo complementario de ensayo: contrastar modelos con conocimiento tácito situado, transmisión maestro–aprendiz, variaciones legítimas y situaciones donde la documentación no agota el contexto. El objetivo es observar qué arquitecturas o estrategias permiten reconocer sus límites y trabajar con ambigüedad sin producir explicaciones falsamente seguras o reducir las diferencias culturales a una media indiferenciada.
19. Contribución propuesta a la preservación
El mismo método puede ayudar a identificar capacidades en riesgo, reforzar comunidades de práctica, documentar variantes, favorecer la enseñanza entre generaciones, organizar archivos trazables y mejorar la atribución cultural. También puede preparar información útil para estudiar, cuando proceda y con consentimiento, mecanismos de protección formal. Preservar no equivale a almacenar una grabación o una descripción: significa mantener condiciones para que una capacidad pueda seguir practicándose, corrigiéndose y transmitiéndose.
20. Estado institucional y condiciones de implantación
Este texto describe una propuesta metodológica de investigación, no un programa experimental completado ni un reconocimiento concedido por una institución externa. Su posible puesta en práctica requiere comunidades voluntarias, acuerdos claros sobre derechos y acceso, investigadores y evaluadores competentes, recursos de campo, documentación y criterios de revisión. The Integral Management Society y el Instituto aportan una trayectoria de trabajo con comunidades de práctica, documentación, gestión de procesos y sistemas complejos, pero cada caso deberá concretar participantes, alcance, autorizaciones y evidencia propia antes de presentarse como actividad ejecutada.
21. La pregunta que permanece abierta
AI & Ancestral Wisdom no pretende demostrar que la inteligencia artificial pueda reemplazar la sabiduría humana. Busca averiguar, de forma práctica y verificable, qué conocimientos pueden documentarse, cuáles pueden enseñarse parcialmente, cuáles pueden modelarse y cuáles deben permanecer vinculados a personas, comunidades, materiales y territorios. La pregunta central no es si una IA puede almacenar conocimiento ancestral. Es si puede aprender, explicar y apoyar su transmisión sin perder la coherencia del contexto ni borrar aquello que hace legítima y viva una práctica.
Línea conceptual de trabajo
La tecnología puede ayudar a organizar un archivo. Comprender un conocimiento exige también a quienes lo viven.
AI & Ancestral Wisdom explora cómo documentar saberes vivos y preparar registros para usos educativos y de investigación, conservando su contexto y procedencia. Es una línea de trabajo del Instituto: no se presenta aquí un sistema desplegado ni resultados de un piloto.
Antes de digitalizar
El primer paso es acordar qué se quiere conservar y para qué. El registro debe respetar la lengua, la interpretación de sus portadores y las condiciones de acceso. Algunos conocimientos pueden describirse sin difundir su contenido; otros requieren reserva.
Cuatro preguntas para cada registro
- Procedencia: ¿de dónde viene y quién aporta la información?
- Contexto: ¿qué lengua, práctica y situación le dan sentido?
- Autorización: ¿qué usos se han acordado y con qué límites?
- Revisión: ¿quién puede corregir una traducción o interpretación?
El papel de la inteligencia artificial
Las herramientas digitales pueden apoyar tareas como clasificación, búsqueda y preparación de transcripciones. Esas ayudas requieren revisión humana y trazabilidad. Una traducción automática no se convierte en la voz auténtica de una comunidad ni una inferencia en testimonio.
Acceso y reutilización
Publicar una descripción no concede derechos para entrenar modelos o reproducir todo el material asociado. Cada uso necesita un marco adecuado de autorización, atribución y responsabilidad. La finalidad es fortalecer la memoria y la transmisión, conservando la capacidad de decisión de las personas implicadas.
Una conexión con la investigación de IMSV
El diálogo con las líneas tecnológicas de IMSV permite formular preguntas sobre documentación e integridad. No implica la validación de una herramienta ni un acuerdo con terceros.
Conocer Tegrity.AI →