Quién, qué, dónde, cuándo

El vendedor entregó la camiseta sobre el mostrador a las cuatro y media de la tarde.

Once palabras, y las entiendes sin pensar: alguien hizo algo, con una cosa, en un sitio, en un instante.

No hubo esfuerzo consciente, pero tu mente acaba de hacer algo notable. En lo que dura un parpadeo separó la escena en cuatro piezas de naturaleza distinta y le dio a cada una su casillero exacto:

• una persona que actúa: el vendedor
• una cosa que cambia de manos: la camiseta
• un lugar físico: el mostrador
• un momento del reloj: las 16:32

Y no solo las separó. Las encajó sin equivocarse. A nadie le pasaría por la cabeza que «el mostrador» sea la persona, ni que «las cuatro y media» sea lo que cambió de manos.

Esa operación (descomponer un hecho y poner cada trozo en su lugar) es la materia prima de todo este libro.

Las cuatro preguntas que tu cerebro acaba de responder a ciegas son los cuatro pilares: quién, qué, dónde, cuándo.

Aparecen en cualquier descripción de algo que sucede, en cualquier idioma. Si falta uno, la historia se siente incompleta. Si están los cuatro, ya tienes el armazón de un hecho.

En este capítulo los recorreremos uno a uno.

Todavía no como ejes matemáticos (eso llega en la Parte III), sino como preguntas con personalidad propia.

Cada una esconde rarezas y convenciones que solemos pasar por alto. Entenderlas ahora nos ahorrará dolores de cabeza cuando empecemos a modelar de verdad.

Para que el recorrido sea concreto, cruzaremos cada pilar con cuatro escenas que nos acompañarán toda la sección: la venta de una camiseta, un gol de fútbol, una película y una ordenanza municipal.

Cuatro mundos sin relación aparente. Verás que responden a las mismas cuatro preguntas con la misma facilidad.

Q — Quién: la pregunta por el agente

A primera vista, quién parece el más inofensivo de los cuatro.

Quieres saber quién hizo algo, quién lo recibió o sobre quién recae la responsabilidad. Lo que esperas de vuelta es alguien capaz de actuar: una persona, un grupo o una organización.

Cruzado con nuestras cuatro escenas, el panorama es plácido:

• Q 👕 Venta: ¿Quién despachó la camiseta? El vendedor, vendedor_17.
• Q ⚽ Fútbol: ¿Quién marcó el gol? El delantero, messi (y, con más detalle, quién dio la asistencia: di_maria).
• Q 🎬 Cine: ¿Quién dirigió la película? La directora, serra.
• Q 🏛️ Ordenanza: ¿Quién la promulgó? La municipalidad_centro, por mano del alcalde_reyes.

Hasta aquí, ninguna fricción. Pero la pregunta se pone interesante apenas la sacamos de su zona de confort.

Un agente, varios agentes, agentes en disputa

Piensa en aquel gol. Lo atribuimos a messi, que remató, y a di_maria, que asistió.

Pero «¿quién hizo la jugada?» admite respuestas en capas: quien remató, quien dio el pase, quien arrastró a los defensas para abrir el hueco.

Y se complica más cuando el balón rebota en un defensor rival y entra al arco. Las estadísticas hablan de «gol en contra» y, para la tabla de goleadores, le acreditan el tanto al delantero que pateó, no al defensor que lo desvió.

El reglamento zanja la disputa. Traducir esa decisión a datos («este evento tiene un agente principal y varios secundarios, con papeles distintos») está lejos de ser trivial.

El cine lo lleva al extremo. ¿Quién «hizo» pelicula_marea?

La directora serra y la guionista haddad responden las dos a «¿quién?», pero con papeles legalmente distintos. Dirigir y escribir no es lo mismo, ni siquiera ocurre en el mismo momento.

El problema empieza cuando un sistema mete a todos en un solo campo llamado autor. Cuando esa base intenta compartir la información con otra, y nadie sabe qué convención usó cada una, los datos chocan.

Es, otra vez, la torre de Babel.

Y hay una distinción más fina todavía, esta de tiempo. ¿Quién «hace» la venta que tienes delante?

vendedor_17 la cerró esta tarde. Pero el precio de 49,90 dólares y el 18 % de impuesto los fijó alguien más, tiempo atrás.

Una cosa es el autor, quien diseñó la regla, y otra el ejecutor, quien la aplica hoy. Los dos son respuestas legítimas a «¿quién?», pero de momentos y naturalezas distintas.

El caso límite: cuando una cosa actúa

Y aquí aparece un caso que hay que tratar con cuidado. ¿Qué pasa con el quién cuando quien ejecuta la acción no es una persona ni una empresa, sino una cosa?

La terminal de cobro que aplica sola el descuento. El sistema VAR que interrumpe el partido para anular un gol. El motor de recomendación que decide sugerirte cierta película.

Al hablar les concedemos agencia sin titubear: la terminal cobró el impuesto, el VAR anuló la jugada, el algoritmo eligió.

Pero estos objetos no viven por naturaleza en el eje quién. Su domicilio es el eje qué, porque son cosas.

Lo que ocurre es que, en situaciones muy concretas, un objeto se pone temporalmente el traje de agente.

Parece un detalle menor y pesa muchísimo en el diseño de software.

Decide si tu modelo puede registrar sin mentir una frase tan corriente como «el sistema rechazó el pago».

Mira la misma terminal de cobro en sus dos lecturas. En reposo es un objeto del eje O. En el instante en que aplica el impuesto sola, ese mismo objeto pasa al eje Q:

El identificador no cambió: sigue siendo la misma terminal. Lo que cambió fue el eje que ocupa, y solo mientras dura la acción.

Volveremos sobre esto. Por ahora, sigamos hacia la pregunta más resbaladiza de todas.

O — Qué: la pregunta por la cosa

El qué es engañoso. La gramática parece pedirle una sola respuesta concreta, y en la práctica abre la puerta a cosas que no se parecen en nada.

Si preguntas «¿qué pasó?», esperas un evento. Si preguntas «¿qué vendió el vendedor?», buscas un objeto. Si preguntas «¿qué situación atraviesa el equipo?», pides un contexto entero.

Las tres preguntas son correctas, las tres aterrizan en el eje qué, y las tres apuntan a estructuras que no se parecen.

Para no perder la cordura tomaremos un criterio amplio a propósito: el eje qué aloja todo lo que no sea un agente, un lugar o un momento.

Y hay que reconocer que dentro de ese contenedor conviven al menos tres familias muy distintas.

Aquí asoma algo sutil y decisivo: estas tres familias no están separadas por muros.

Un evento se convierte en objeto en cuanto otro dato lo menciona. «Ese gol fue revisado por el VAR»: ahí la jugada deja de ocurrir y pasa a ser una cosa a la que apuntamos.

Y al revés: una situación enorme se ve como un evento simple desde un nivel superior. «El partido se suspendió por un corte de luz».

El eje qué es flexible con la escala. Lo que en un nivel es un evento activo, en el nivel de arriba es un objeto al que se hace referencia.

Esa flexibilidad es una ventaja enorme. Permite tratar igual cosas que la programación tradicional tiene que separar en tablas distintas y difíciles de cruzar.

Pero también es una trampa.

Bajémoslo a las cuatro escenas. El eje qué aparece tres veces en cada una, en tres registros distintos, sin romperse:

En cada fila usamos el mismo eje qué tres veces, en tres niveles. El modelo no se confunde: aloja cada cosa en el registro que le toca.

L — Dónde: la pregunta por el lugar

El dónde es el más físico y concreto de los cuatro. Y por eso mismo es el que los programadores dan por sentado con más frecuencia.

Detrás de él se esconde una decisión que, si no se toma en voz alta, arruina cualquier cruce de información.

En el habla corriente manejamos dos «dónde» muy distintos.

El primero es el lugar físico: una coordenada, una dirección, una ciudad, un recinto. El mostrador de la tienda, el césped del estadio, el plató donde se rodó escena_42, el despacho del alcalde.

El segundo es el lugar administrativo: un departamento, un ministerio, un club. La gerencia_transito, la municipalidad_centro, la selección a la que pertenece messi.

Los dos responden a «¿dónde?» con total naturalidad. Y apuntan a realidades de estructura incompatible: una ciudad es un polígono en un mapa; una gerencia es un organigrama de personas.

Si los mezclas, si guardas plaza_central y gerencia_transito en una misma columna llamada ubicacion, pierdes para siempre la diferencia entre dónde ocurre algo y a qué estructura pertenece.

Veamos cómo conviven los lugares en nuestras escenas. Fíjate en que, dentro de un mismo hecho, varios «dónde» de escalas distintas caben sin estorbarse:

• L 👕 Venta: ¿Dónde se cobró? En el mostrador. ¿Dónde está la tienda? En la tienda_centro. ¿En qué ciudad? En el casco urbano entero. Tres escalas físicas conviviendo.
• L ⚽ Fútbol: ¿Dónde se remató el gol? Desde el área chica. ¿Dónde se jugó el partido? En un estadio, dentro de una ciudad. Escalas anidadas.
• L 🎬 Cine: ¿Dónde se rodó la escena? En un plató de la ciudad. ¿Dónde transcurre dentro de la ficción? En un puerto imaginario. El lugar real y el lugar narrado no coinciden.
• L 🏛️ Ordenanza: ¿Dónde se firmó? En el despacho municipal (lugar físico). ¿Dónde tiene jurisdicción? En todo el distrito (lugar político).

Conviene dejar asentada una observación de fondo: el pilar dónde está hecho para soportar cajas dentro de cajas.

El mostrador está dentro de la tienda, la tienda pertenece a un barrio, el barrio está en la ciudad y la ciudad en el país.

Las cuatro respuestas son correctas para «¿dónde ocurrió?» aplicada al mismo hecho. Todo depende del nivel de zoom que pida la consulta.

El modelo tendrá que subir y bajar por esas escalas sin ambigüedad.

T — Cuándo: la pregunta por el tiempo

Llegamos al último de los cuatro pilares, y al que tratamos con más ligereza, dando por hecho que se arregla con un formato de fecha.

La realidad es que el cuándo es el eje más rico de todo el modelo. El lenguaje tiene muchísimas maneras de decir el tiempo, y las fechas de calendario son apenas una.

Volvamos a la tarde de la venta. Si alguien la cuenta diciendo «la camiseta la vendió hace un rato», ¿cómo lo guardamos?

Si el sistema guarda solo el dato frío 2026-05-14T16:32, pierde algo: que la acción se vivió como reciente respecto del momento en que se habló.

Pero si guarda la frase «hace un rato» tal cual, el motor se vuelve inútil: no puede calcular antigüedades ni ordenar eventos.

La salida razonable es guardar la marca absoluta para calcular y, aparte, conservar la expresión original como contexto.

El problema se ahonda apenas salimos del calendario.

En música, una entrada no ocurre «a las 20:03», sino «en el compás 17». El tiempo no lo dicta un reloj, sino un compás interno.

En cine, una revelación ocurre «al final del segundo acto»: tiempo narrativo, medido por la posición dentro del relato.

En una historia clínica, una crisis aparece «tres horas después de la última dosis»: tiempo colgado de un evento previo.

Y en lo jurídico, la ordenanza_142 entra en vigor «a los treinta días de su publicación»: tiempo que sale de una regla.

Si atendemos al uso real de la información, descubrimos que cuándo debe soportar, como mínimo, cinco tipos de tiempo:

Un eje cuándo que aguante tiene que aceptar los cinco formatos. Y, más importante, reconocer cuál se está usando cada vez.

La estrategia se llama pluralidad de tiempos. No forzamos toda la información a pasar por un único reloj. El eje es un espacio donde conviven varias escalas, todas válidas, cada una con sus propias coordenadas.

Cómo ordenar sin aplastar

Eso plantea una pregunta práctica: si conviven varios relojes, ¿cómo ordena el sistema los eventos?

La regla es humilde a propósito: no traducir.

El compás 17 no se convierte a una hora de reloj, porque eso destruiría su naturaleza. En su lugar, cada instante que no viene de un reloj se guarda con tres datos:

# un instante musical, reificado en tres datos (no se "traduce" a reloj)
(entrada_coro, escala, "musical")        ∈ M(O, K)   # a qué sistema temporal pertenece
(entrada_coro, posicion, 17)             ∈ M(O, N)   # ordinal: ordenable DENTRO de su escala
(entrada_coro, valor_nativo, "compás 17") ∈ M(O, O)   # la expresión original, intacta

# y cuando el mundo provee un puente real, se declara como hecho explícito:
(entrada_coro, sonó_en, 2026-05-14T20:03:14) ∈ M(O, T)  # no una conversión inventada

• escala: a qué sistema temporal pertenece (musical, narrativo, paginado, reloj_absoluto). Impide comparar peras con manzanas: el motor nunca ordenará un compás contra una fecha por accidente.
• posicion: un ordinal numérico que lo vuelve ordenable dentro de su propia escala (compás 17 → 17; página 240 → 240; «final del segundo acto» → acto 2, 1.0). Es la clave de orden.
• valor_nativo: la expresión original, preservada tal cual («compás 17», «p. 240», «final del segundo acto»), para no perder fidelidad.

Con esto, ordenar dentro de una escala es trivial: se ordena por posicion filtrando por escala.

Y ordenar entre escalas es honesto: no se mezclan, salvo que haya un puente real.

Los puentes existen cuando el mundo los da. La grabación de un concierto ata el compás 17 de la partitura a las 20:03:14 del reloj mediante un hecho explícito, no mediante una conversión inventada.

El modelo conserva la naturaleza del dato y gana, a la vez, la capacidad de ordenar que el negocio necesita.

El tiempo no es un único río que todo lo arrastra, sino un delta de cauces que rara vez se tocan; el modelo no los funde, los deja correr en paralelo.La pluralidad de tiempos

Lo que era cierto y dejó de serlo

A todo lo anterior se suma una complicación que aquí solo dejamos planteada. Un dato puede ser verdadero durante un período y dejar de serlo en el siguiente.

La tienda estuvo en la plaza_central entre 2019 y 2025. Si preguntas hoy dónde está, la respuesta es otra dirección.

«¿Dónde queda la tienda?» no es un bloque de piedra. Es una sucesión de valores, cada uno con su fecha de caducidad.

Ese fenómeno será una pieza explícita de nuestro diseño final.

Cerremos el pilar aplicándolo a las cuatro escenas:

• T 👕 Venta: Tiempo absoluto (se cobró a las 16:32), cíclico (la tienda abre cada día) y relativo interno («aplicar el impuesto una vez confirmado el pago»).
• T ⚽ Fútbol: El gol cae en el minuto 87: tiempo de reloj corto, que solo cobra sentido respecto del inicio del partido.
• T 🎬 Cine: La revelación ocurre «al final del segundo acto» (tiempo narrativo); el rodaje de esa escena tiene una fecha de calendario (tiempo absoluto). Dos líneas conviviendo en paralelo.
• T 🏛️ Ordenanza: Se firmó ayer (tiempo absoluto); entra en vigor a los treinta días (tiempo derivado por regla). Dos relojes operando sobre el mismo objeto.

Cada uno de estos cuatro pilares es, además, una forma de cortar el conjunto.

Fija el «cuándo» en las 16:32 y deja libre el «quién»: ya estás pidiendo todos los que vendieron a esa hora. Fija el «dónde» en la tienda_centro y suelta el «qué»: estás pidiendo todo lo que se despachó allí.

Las cuatro preguntas no describen una venta. Rebanan miles a la vez.

Cuando un pilar se confunde: una IA en libertad

Antes de cerrar, vale la pena desarmar un caso real. Es de esas anécdotas que circulan por los foros de tecnología y que se han vuelto ejemplo de manual sobre los límites de una IA sin estructura.

Imagina a alguien que acaba su jornada y vuelve al coche, embarrado del viaje. Saca el teléfono y le dicta a su asistente:

Estoy en mi coche, que se me ensució muchísimo viniendo del trabajo. Lo tengo que llevar al autolavado, que me queda a solo dos cuadras de aquí. ¿Me recomiendas ir caminando o ir en carro?

La respuesta del modelo fue desconcertante:

Si te queda tan cerca, puedes ir caminando sin problemas. Es mucho más saludable y de paso ahorras combustible.

El consejo es un disparate físico. No se lleva un coche al autolavado yendo a pie, porque el coche es lo que hay que transportar.

Pero el error no nace de una estupidez del algoritmo. Nace de algo muy concreto: una mala asignación de papeles a los cuatro pilares. La estadística llenó las cajas, y las llenó mal.

Una lectura correcta de la escena reparte así las piezas:

Q (quién)                  : el usuario            (agente)
O (qué, lo que se mueve)    : el coche              (paciente)   ← el centro de la escena
L (dónde, destino)          : el autolavado, a 2 cuadras
T (cuándo)                  : ahora
M (con_finalidad)           : lavar el coche                    ← le da sentido a todo

El verbo que manda es llevar. El usuario es el agente, sin duda. Pero la cosa que se transporta, el paciente, es el coche.

Y la finalidad de toda la maniobra es lavar ese coche. Si quitas la finalidad, la pregunta «¿caminando o en carro?» pierde el sentido.

¿Qué entendió el modelo, que solo mira correlaciones? Con toda probabilidad, esto:

Q (quién)                  : el usuario            (agente)
O (qué, lo que se mueve)    : el usuario            (¡el mismo!) ← el coche desapareció
L (dónde, destino)          : el autolavado, a 2 cuadras
T (cuándo)                  : ahora
M (con_finalidad)           : trasladarse al autolavado         ← finalidad real, perdida

Con esa lectura, el coche se cae de su papel de paciente y queda empujado a instrumento opcional: «puedes ir en carro o no».

La finalidad real, lavarlo, se diluye. La sustituye el simple acto de llegar a unas coordenadas.

Como el modelo ve que la distancia es mínima, concluye que caminar es lo más eficiente y saludable. Impecable, salvo que el objeto central de la frase se evaporó.

Aquí es donde la promesa del libro se vuelve práctica.

Si les entregáramos los hechos del mundo a los asistentes de IA con los cuatro pilares puestos a la vista (el agente siempre en Q, el paciente en O, el lugar en L, el momento en T), esta clase de absurdos desaparecería.

Y no porque hubiéramos fabricado un algoritmo más listo, sino porque la estructura impediría el reparto incorrecto.

Un sistema con bases firmes sabe, por diseño, que un verbo como llevar exige un paciente, y que ese paciente va en el eje O.

Si el paciente no está, el sistema ve que la orden está incompleta y, en vez de inventarse una respuesta, se detiene a preguntar.

La estadística deja de gobernar a ciegas. La estructura le pone límites. Las cajas vacías se vuelven preguntas, no invenciones.

Darle al modelo un esqueleto que no se puede llenar mal es lo que la industria de la IA necesita hoy con más urgencia. Volveremos a ello en la Parte VI.

Los cuatro pilares y lo que falta

Volvamos a la tarde de la venta. Las cuatro piezas están ahí, haciendo un trabajo preciso: el vendedor (quién) entregó la camiseta (qué) sobre el mostrador (dónde) a las 16:32 (cuándo).

La escena queda bien descrita.

¿Bastan para modelar la realidad entera? Para una frase así, sí. Pero en producción no tardas nada en toparte con registros donde estas cuatro cajas se quedan cortas.

Hagamos crecer un poco la escena:

El vendedor despachó, en plena liquidación de temporada, una camiseta deportiva que costó cuarenta y nueve dólares con noventa.

El hecho de fondo es el mismo, pero la información acaba de multiplicarse.

De pronto hay un precio: 49,90. Hay un motivo: la liquidación de temporada. Hay una clasificación más fina del objeto: no es una prenda cualquiera, es una camiseta deportiva.

Y la frase deja entrever que la camiseta pertenece a la categoría prenda de vestir. Eso, con los cuatro pilares, todavía no se puede declarar.

Conceptos como «prenda de vestir», «camiseta deportiva» o «dólar» no son cosas palpables. Son clases, moldes.

Y no encajan en ninguno de los cuatro pilares que acabamos de estudiar.

De ahí sale el resto del modelo. Hacen falta tres preguntas más:

• cuál, con eje propio, para los tipos, las familias y los conceptos abstractos
• cuánto, para las medidas, con sus trampas de unidades
• cómo, para las conexiones que amarran todo

De las tres, la más delicada es el eje categórico.

Es, paradójicamente, el que carga con más trabajo en los sistemas reales. Y es donde WQuestions se lleva bien con los gigantes de la industria (Schema.org(30), QUDT(18), SNOMED, CIDOC CRM(4)): los usa como aliados en vez de competir con ellos.

A ese eje K, cuál, dedicamos el capítulo siguiente.