Imagina a un funcionario en una ventanilla de atención. Delante tiene a un ciudadano con una duda de trámite. El expediente que el sistema le entrega como "vigente" lleva tres años sin actualizarse, y nadie en la oficina lo sabía. No es un caso aislado ni una anécdota de despacho: es la foto fiel de lo que pasa cuando se confunde "digitalizar" con "tener una base de conocimiento".
Muchas administraciones públicas asumen que escanear el papel y soltarlo en una unidad compartida ya les dio un "knowledge base". Quizá esa sea la confusión más cara que existe sobre lo que significa esa expresión. Lo que de verdad ata de pies y manos a un organismo público no es cuánto almacena. Es si es capaz de gobernar y, sobre todo, de usar lo que ya guarda. Los archivos se amontonan; la fracción que se puede recuperar al instante y en la que se puede confiar para actuar se encoge día a día. Llamar "armario" a muchos de esos sistemas sería, sinceramente, más honesto que llamarlos base de conocimiento.
Arranquemos con una cifra que debería inquietar a cualquiera. Ya circulan más de 3 billones de PDF en el mundo, y solo en una gran plataforma de colaboración se suben más de 2.000 millones de archivos cada día. Los sistemas gubernamentales cargan aún más: oficios, actas, expedientes, planos, audio y vídeo, en formatos dispares, con versiones infinitas y plazos de conservación que se cuentan por décadas. Subió el volumen. No subió la capacidad de encontrar lo que importa.
Una encuesta global encargada por M-Files a Vanson Bourne retrató el dolor con precisión quirúrgica: el 96 % de los empleados dice que le cuesta encontrar la última versión de un documento, y el 83 % ha vuelto a crear un archivo desde cero simplemente porque no dio con el que ya existía. Trasládalo al terreno público y el cuadro se vuelve incómodo. Una misma interpretación de una política puede estar guardada de forma ligeramente distinta por varias áreas, y nadie tiene claro cuál es la "vigente". Un vecino llega a la ventanilla y el fundamento que le muestra el funcionario puede tener tres años de retraso. Esta deriva lenta hacia el caos duele más que cualquier falta de espacio en disco.
Lo curioso es que la solución casi nunca pasa por "comprar más discos duros".
UglyPear Data ha empaquetado la combinación de compresión y una base de ingeniería de datos RAG en un despliegue que puede correr entero sobre la infraestructura del propio organismo. Todo el proceso se validó de extremo a extremo hace poco. La capacidad que más merece la atención de un equipo público es sutil: los permisos no "se pegan al archivo". Entran en vigor en el momento de la consulta. Suena abstracto hasta que lo ves funcionar.
Un solo documento mezcla a menudo información que podría ser pública con material genuinamente sensible. El enfoque antiguo obligaba a una decisión de todo o nada a nivel de archivo: o se abría todo o se cerraba todo. No contentaba a nadie. La base actual admite niveles de clasificación que van de lo público a lo restringido, y empuja esos niveles hasta el segmento de contenido. Distintas áreas, distintos roles, consultando la misma base: cada uno ve únicamente la porción que le está autorizada. Ese modelo "por persona, por segmento" encaja con la realidad gubernamental mucho mejor que un candado ciego al archivo: un mismo informe puede mostrar un juego de medidas a un jefe de departamento y un enfoque distinto a un auxiliar, exactamente como debe ser.
¿Por qué merece tanto cuidado este punto? El informe Cost of a Data Breach 2025 de IBM ofrece una referencia: el coste medio global de una filtración llegó a 4,44 millones de dólares estadounidenses, con un ciclo medio de contención de 241 días. Los datos públicos tienen una sensibilidad aún superior, y el precio de una exposición va mucho más allá del dinero. Mantener la base dentro del entorno propio del organismo, sin que los datos salgan nunca de la intranet, reduce de raíz la superficie de exposición. Eso es lo que aquí significa un despliegue privado: no una moda, una línea de base.
Cerrar la puerta, con todo, no basta. Los equipos públicos arrastran una preocupación más prosaica: ¿se puede siquiera mover lo que guardan los sistemas heredados?
La reacción automática ante "construir una base de conocimiento" suele ser "¿eso implica migrar cada base operativa?". Normalmente, no. Un enfoque maduro se conecta directamente a las bases de datos existentes del organismo, de modo que el dato original permanece en su sitio y en su dominio, pero pasa a ser recuperable y citable bajo normas de cumplimiento. Para una oficina pública eso significa una migración indolora: los sistemas de expedientes, seguridad social y tramitación siguen igual que antes, mientras la capa de conocimiento se apoya en ellos desde un lateral. No hay que derribar lo viejo para que aparezca lo nuevo; esa evolución suave es la que de verdad se adopta dentro de una institución.
Otro riesgo que se pasa por alto es el de "una actualización borra lo anterior". Los documentos públicos llevan consigo fuertes obligaciones de conservación; un expediente de hace diez años puede requerirse cualquier día. La base admite actualizaciones incrementales: los documentos nuevos se procesan como diferencias, no se reconstruye todo desde cero cada vez, y cada actualización deja una instantánea que permite retroceder si algo sale mal. La eliminación masiva lleva una protección contra el borrado accidental, de forma que un error de un operador no vacía toda una biblioteca. En buen romance, blinda por dentro del proceso las dos frases que aterrorizan a cualquier gestor público: "ya no lo encontramos" y "se borró por error".
Una palabra sobre la compresión, porque es fácil tratarla como un asunto aparte. Los documentos públicos vienen cargados de PDF, escaneos, archivos OFD, imágenes y audio o vídeo, a menudo de decenas o cientos de megas cada uno: demasiado pesados para enviar por correo, para archivar barato o para abrir sin tirones. En pruebas publicadas, un documento OFD de 443 páginas se comprimió de extremo a extremo en 124 segundos, y la compresión de imágenes recortó el coste en tokens de alimentar esas imágenes a un modelo de lenguaje grande en torno al 85,9 % (medido frente a la línea base GPT-4o). Comprimir y aplicar RAG no son dos proyectos distintos; son eslabones contiguos de una misma cadena. Se achica el archivo para que viaje y se guarde bien, luego se extrae su estructura hacia la base, y solo entonces la recuperación y la generación pueden funcionar. Al revés, el modelo se atraganta con el tamaño antes de empezar.
¿En qué se diferencian, entonces, los tres caminos hacia una base gubernamental? La siguiente tabla lo despliega.
| Dimensión | KB SaaS en nube pública | Simple almacén de archivos local | RAG privado + compresión |
|---|---|---|---|
| Residencia de datos | Sale de la red del organismo, en manos de un tercero | Permanece en local | Queda en el entorno propio del organismo, sin salir de la intranet |
| Granularidad de permisos | Mayormente a nivel de archivo | A nivel de carpeta, con mantenimiento manual | Clasificación por segmentos, aplicada en el momento de la consulta |
| Incremental y restauración | Depende del proveedor | Prácticamente nula | Actualizaciones incrementales + restauración por instantánea + protección contra borrado masivo |
| Integración con sistemas existentes | Exige exportar y migrar | Sistemas aislados | Conexión directa a las bases existentes, sin mover los datos |
| Auditoría de cumplimiento | Limitada por la transparencia del proveedor | Difícil de rastrear | Registros de auditoría y archivo de ciclo de vida integrados |
Esta tabla es un marco para evaluar, no un veredicto sobre ningún producto. Con esas dimensiones sobre la mesa, un equipo público puede hacerse unas cuantas preguntas: ¿los datos pueden quedarse dentro de nuestra red? ¿se puede autorizar por separado lo público y lo sensible dentro de un mismo documento? ¿se conectan los sistemas heredados sin migración? ¿podemos retroceder si una actualización sale mal? Responde eso y el camino se elige solo.
Volvamos a la confusión del arranque. Una base de conocimiento nunca fue "mover el papel a un disco duro". Es lograr que la persona adecuada vea la porción adecuada en el momento adecuado, con los datos siempre en sus propias manos. El rompecabezas del sector público es concreto: debe servir abiertamente y a la vez custodiar las clasificaciones, conectar con lo heredado sin una reconstrucción, conservar un expediente de hace diez años y, a la vez, hacer correr los modelos de lenguaje de hoy. El enfoque que entrelaza esas exigencias en apariencia contradictorias es el que de verdad aterriza.
Para un panorama completo, merece la pena revisar la base de ingeniería de datos RAG y el catálogo de productos de UglyPear Data; más notas de ingeniería quedan en el blog técnico.
Pruébalo ahora
Si estás planeando una base de conocimiento gubernamental o un centro de documentos privado, arranca con un solo conjunto piloto: elige un departamento y un tipo de documento, y recorre el pequeño bucle de "comprimir — estructurar — recuperar — autorizar". Los productos y soluciones correspondientes están en la base de ingeniería de datos RAG y en el catálogo de UglyPear Data; los detalles de despliegue y selección se encuentran en el blog técnico.
Preguntas frecuentes
P: ¿Los datos gubernamentales deben desplegarse de forma privada?
R: Para bases de conocimiento que tocan información sensible, un despliegue privado o local es la opción más prudente, manteniendo los datos dentro de la intranet. La información puramente pública puede manejarse con más flexibilidad. El principio es graduar por sensibilidad en lugar de aplicar una sola regla a todo.
P: ¿Tenemos que migrar todos los datos de los sistemas heredados?
R: No. El enfoque puede conectarse directamente a las bases de datos existentes, así que el dato original se queda en su sitio y en su dominio mientras pasa a ser recuperable y citable, evitando una migración traumática.
P: Un documento tiene contenido público y pasajes sensibles a la vez. ¿Cómo se gobierna?
R: Se admite clasificación por segmentos, con los permisos aplicados en el momento de la consulta, de modo que cada rol ve solo su porción autorizada. No hace falta un candado de todo o nada a nivel de archivo.
P: ¿Las actualizaciones no sobrescribirán y perderán la versión anterior?
R: Se admiten actualizaciones incrementales y restauración por instantánea, así que puedes retroceder en cualquier momento; la eliminación masiva lleva una protección contra borrado accidental que reduce el riesgo de error del operador.
P: ¿La compresión perjudica la calidad de la recuperación o la claridad del original?
R: La compresión apunta al tamaño de almacenamiento y transmisión; elementos de maquetación clave como los sellos oficiales y la estructura de tablas se conservan tras comprimir. El texto se extrae de forma estructurada para la recuperación, por lo que la integridad del contenido no se ve afectada.