CollectivIQ lanza GigaBrain para compartir conocimientos entre compañeros de equipo de IA en las empresas

A menudo, el dato más útil sobre la relación con un cliente no consta en el registro oficial: quién debe aprobar realmente una compra, por qué cambió el calendario de entrega o qué excepción resolvió un problema recurrente. CollectivIQ busca cubrir esa carencia con GigaBrain, una capa de inteligencia empresarial compartida cuyo despliegue oficial comienza el 21 de octubre. El sistema está diseñado para que los conocimientos acumulados por los empleados al trabajar con compañeros de equipo de IA estén disponibles para otros compañeros autorizados de toda la empresa.

Estos compañeros, a los que CollectivIQ denomina Digital Direct Reports (DDRs), adquieren contexto mientras realizan sus tareas. El objetivo de GigaBrain es conectar las partes pertinentes de ese contexto en toda una organización y reducir la necesidad de que las personas expliquen una y otra vez la misma información sobre un cliente, proyecto o proceso. El anuncio presenta una capa de memoria para la plataforma de CollectivIQ, no un nuevo modelo fundacional de propósito general.

La distinción es importante. Un asistente de IA puede responder eficazmente a una pregunta y, aun así, obligar al siguiente empleado a reconstruir desde cero los mismos antecedentes. La memoria compartida busca conservar el contexto útil de la primera interacción. Que esto se traduzca en un mejor trabajo depende de qué se recuerde, cómo se verifique y quién pueda utilizarlo.

Llevar los conocimientos más allá de las conversaciones individuales con la IA

El material de lanzamiento de CollectivIQ utiliza un ejemplo de ventas para ilustrar el mecanismo. El DDR de un representante podría conocer el proceso de compras de un cliente, incluidos los requisitos de aprobación, las personas que toman las decisiones y los plazos de compra. Ese contexto podría ponerse entonces a disposición de otro compañero autorizado que atienda la siguiente solicitud del cliente, sin depender de un traspaso manual independiente.

Un segundo ejemplo del informe que acompaña al anuncio se refiere a los contratos con proveedores y los patrones de compra. Los conocimientos adquiridos por un DDR especializado en precios podrían ayudar a otro DDR que supervise el desempeño de los distribuidores. Se trata de flujos de trabajo propuestos, no de mediciones publicadas de resultados para los clientes. Su atractivo reside en la posibilidad de conectar tareas que, de otro modo, quedarían repartidas entre personas, aplicaciones y registros departamentales.

La empresa presenta GigaBrain como una herramienta centrada en los conocimientos que surgen durante las interacciones cotidianas, incluidas las observaciones de los empleados que quizá nunca se plasmen en un documento formal. Este problema es más difícil que limitarse a recopilar más archivos. Una observación útil puede ser temporal, referirse a un cliente concreto o depender de circunstancias que es fácil perder al resumirla.

Por ejemplo, una instrucción que funciona para una compra no debería convertirse automáticamente en una regla permanente para todas las compras. Una memoria organizativa eficaz debe conservar las condiciones que rodean un dato, además del dato en sí. De lo contrario, un traspaso eficiente puede acabar distribuyendo eficazmente una suposición obsoleta.

Qué aportan las páginas del producto

La página del producto GigaBrain de CollectivIQ describe un mapa interconectado de organizaciones, personas, temas y proyectos. Indica que los datos incluyen su fuente e información sobre quién los confirmó, que las afirmaciones basadas en una sola fuente quedan pendientes de corroboración y que los datos obsoletos caducan. La página también señala que los conocimientos conservan la confidencialidad del contexto del que proceden.

Estos detalles apuntan a un énfasis en la procedencia y la gestión del ciclo de vida de los conocimientos. Una fuente ayuda al empleado a investigar una afirmación; un registro de confirmación permite distinguir una declaración de información revisada. La caducidad puede limitar la persistencia de contextos antiguos. Sin embargo, la descripción pública no especifica las reglas de corroboración ni los plazos de caducidad, por lo que esos controles no deben interpretarse como una garantía publicada de que todos los datos recuperados sean correctos.

La página de Digital Direct Reports aporta el contexto de los flujos de trabajo. CollectivIQ describe a especialistas —como asistentes, analistas, ingenieros, gestores de proyectos, contables y analistas de facturas— que trabajan mediante sistemas empresariales interconectados. Entre las integraciones mencionadas figuran Microsoft 365, Google Workspace, Salesforce, Atlassian y GitHub. Las sesiones informativas programadas y las tareas recurrentes forman parte de esa oferta más amplia, cuyo objetivo es que el contexto se mantenga entre distintas tareas.

La relación es sencilla: los DDR realizan tareas y acumulan contexto; GigaBrain pone los conocimientos organizativos pertinentes a disposición de trabajos posteriores. Esta arquitectura podría cambiar la unidad de productividad de la IA: de una sesión individual a un flujo de trabajo continuo en equipo.

Compartir la memoria exige hacer cumplir los límites

El comunicado señala que existe un modo de incógnito para las interacciones que no deberían contribuir a la memoria organizativa compartida. La documentación de seguridad de CollectivIQ añade que los espacios de trabajo personales y empresariales están separados, que los sistemas conectados utilizan los permisos OAuth de cada usuario y que el acceso a los conocimientos compartidos está restringido según el rol. Indica que un DDR no autorizado no debería mostrar ni resumir información protegida.

Este último requisito es importante porque un sistema puede revelar información confidencial de forma indirecta. No basta con ocultar un documento original si su contenido reaparece en un resumen que, por lo demás, sí está disponible. Los controles de acceso deben aplicarse tanto a los conocimientos derivados como al material de origen.

La página de seguridad también describe los registros de acciones, el inicio de sesión único y el aprovisionamiento de usuarios. Distingue las restricciones al uso de datos para entrenar modelos de la retención: la empresa afirma que las entradas y salidas de los proveedores comerciales de modelos no se utilizan para el entrenamiento, aunque algunos proveedores pueden conservar el contenido de la API para supervisar posibles usos indebidos, normalmente durante un máximo de 30 días. Por lo tanto, Incognito debe entenderse como un control de memoria, sin asumir que implica que todos los servicios posteriores tengan una retención nula.

Estas son descripciones de los controles publicadas por la empresa, no una evaluación de seguridad independiente. Para los compradores empresariales, las preguntas prácticas incluyen cómo cambian los permisos cuando un empleado cambia de puesto, cómo se corrige un dato erróneo y cómo se propagan las correcciones a los agentes que ya lo habían utilizado. Estas preguntas también se relacionan con el desafío más amplio de gobernar los agentes de IA empresariales.

Medir si el contexto compartido mejora el trabajo

El comunicado de lanzamiento no ofrece una evaluación cuantitativa de la precisión de GigaBrain ni de su impacto en la productividad. Una evaluación útil compararía flujos de trabajo repetidos con y sin memoria compartida: con qué frecuencia los empleados deben aportar el contexto que falta, con qué frecuencia los agentes reutilizan información obsoleta y cuánta revisión se necesita antes de poder utilizar el resultado.

CollectivIQ, fundada por el equipo directivo que está detrás de Buyers Edge Platform, ofrece GigaBrain a través de su plataforma existente. La oportunidad consiste en conservar conocimientos que actualmente se pierden entre conversaciones y traspasos. La prueba será comprobar si esa memoria sigue siendo útil, actualizada y debidamente restringida a medida que cambia la organización.