Aplicaciones futuras

Es un martes cualquiera de un año que aún no llega. El dueño de una pequeña cadena de spas (cuatro sedes, tres ciudades, ningún equipo de analítica) abre el teléfono mientras espera el café y escribe una sola línea a su asistente: «¿Qué pasó esta semana?». No es una consulta a un panel de control; es una pregunta, en español, como la haría a un gerente de confianza. La respuesta llega en segundos, y no es un número suelto, sino una historia con causa y consecuencia.

Las ventas de la sede Centro cayeron un 12 % frente a la semana anterior. La causa principal: un desplome en los planes mensuales el miércoles. Ese mismo día se dispararon las cancelaciones de sesiones (siete en total, seis por el mismo motivo: una ducha averiada). La orden de mantenimiento ya está abierta, pero lleva tres días sin atenderse. Sugiero priorizarla.

Detrás de esa respuesta tan sosegada hay un trabajo que, para un equipo humano, habría sido media tarde de cruzar planillas: el asistente recorrió cinco fuentes (ventas, planes, sesiones, cancelaciones, órdenes de mantenimiento) siguiendo cadenas de causado_por y motivado_por a través de un grafo. Lo notable no es que un programa cruce cinco tablas; eso se hace desde hace décadas. Lo notable es que nadie tuvo que programar esa consulta. La pregunta no estaba prevista. Simplemente cabía en la estructura.

Cambiemos de escena sin cambiar de principio. Un hospital con quinientos médicos y veinte años de historias clínicas registradas como hechos (no como prosa libre atrapada en un campo observaciones). Una cardióloga pregunta: «Muéstrame los pacientes con hipertensión de grado 2 que iniciaron enalapril en los últimos seis meses y no lograron control a los tres.» Recibe la lista. Refina: «De esos, ¿cuántos tenían diabetes comórbida, y cuál fue el segundo fármaco que se les añadió?» Recibe una tabla cruzada. Lo que ayer era un proyecto de tesis (extraer a mano quinientas historias en prosa, codificarlas, analizarlas) hoy es una conversación de tres minutos. Porque las historias estuvieron en el grafo desde el primer día.

Y una tercera, más sombría. Una empresa enfrenta una investigación regulatoria. El fiscal no pregunta qué es cierto hoy, sino algo mucho más difícil: «¿Qué sabía el directorio sobre la cláusula de garantía el 15 de noviembre de 2024?» El sistema reconstruye el estado del grafo en esa fecha exacta (no solo qué era verdad entonces, sino qué estaba afirmado en el sistema en ese instante) y devuelve los hechos accesibles, los actos formales registrados, las reglas vigentes. La pregunta «¿qué sabía la organización, y cuándo?» deja de ser testimonial y se vuelve consultiva.

Las tres escenas no son tres inventos. Son el mismo cambio arquitectónico mirado desde tres ángulos.La tesis del capítulo

Aquí está el punto que cuesta ver y conviene subrayar. Analítica conversacional, búsqueda longitudinal de pacientes y auditoría retrospectiva parecen tres productos distintos, que tres empresas distintas venderían por separado. Pero las tres descansan en una sola base: un grafo persistente como sustrato, un modelo de lenguaje como interfaz, y un conjunto de relaciones canónicas como infraestructura de razonamiento. Cuando esa base existe, las tres aplicaciones (y muchas más) dejan de ser proyectos a medida y pasan a ser consecuencias. Lo que sigue es el inventario de esas consecuencias: cinco familias de aplicaciones que se desbloquean a la vez.

Familia 1 · Búsqueda cross-dominio sin schema matching

La búsqueda corporativa vive hoy en silos. Las ventas habitan un sistema, el personal otro, el marketing un tercero, las finanzas un cuarto, y la operación algún legacy que nadie se atreve a tocar. Cada uno tiene su esquema. Para responder algo tan razonable como «¿cuál fue el costo total de adquisición de los clientes que cancelaron en sus primeros noventa días?» hay que cruzar cuatro sistemas, y eso (en la práctica) significa abrir un proyecto de integración con presupuesto propio y meses de calendario.

WQuestions sustituye ese cruce por un sustrato común. Las áreas siguen operando sus sistemas tal cual; lo que cambia es que los hechos relevantes (ventas, contactos, transacciones, bajas) se publican al grafo central, cada cual con su propio dialecto de dominio. La pregunta del director financiero se convierte entonces en una consulta sobre el grafo, que el modelo de lenguaje formula y ejecuta. El schema matching (ese cuello de botella histórico de la integración empresarial, donde un analista pasa semanas decidiendo que el campo cust_id de un sistema equivale al id_cliente de otro) sencillamente desaparece, porque todos los dialectos ya están mapeados contra el mismo catálogo canónico invisible.

Conviene mostrar el mecanismo, no solo nombrarlo. Tres áreas describen al mismo cliente con claves que no se parecen en nada; el catálogo las reconcilia porque todas responden, sin saberlo, a las mismas preguntas:

// Ventas (CRM)        → dialecto comercial
{ "cust_id": 4471, "ltv_usd": 1820, "estado": "baja" }

// Finanzas (ERP)      → dialecto contable
{ "id_tercero": "C-4471", "costo_captacion": 240.5 }

// Soporte (legacy)    → dialecto operativo
{ "subject": "acct/4471", "churn_day": 78 }

Por debajo, los tres registros se resuelven contra el mismo individuo, y el modelo puede responder la pregunta del director sin que un humano haya tendido jamás un puente entre cust_id, id_tercero y subject. La consulta cruza tres dominios y se apoya en un solo eje de identidad:

Familia 2 · Auditoría retrospectiva con bitemporalidad

Esta es la familia que rinde el beneficio más inmediato en los sectores regulados (finanzas, salud, derecho) y la única donde la vigencia temporal no es una comodidad, sino un requisito legal. El principio cabe en una frase: el sistema nunca olvida, y puede mostrar lo que sabía en cualquier instante del pasado.

Una corte que pregunta «¿qué políticas internas estaban vigentes el 30 de junio de 2023?» obtiene una respuesta exacta, no una reconstrucción aproximada a partir de correos y memorias. Un supervisor financiero que pide «¿cuál era el límite de exposición de este cliente cuando se firmó la operación?» recibe el valor histórico, no el de hoy. Un comité que estudia un evento adverso reconstruye qué se sabía del paciente al momento de prescribir (y, por tanto, si la decisión fue defendible bajo el conocimiento entonces disponible, que es la única vara justa para juzgarla).

La diferencia con los sistemas tradicionales no está en la capacidad: Richard Snodgrass(17) formalizó la bitemporalidad en SQL ya en los años noventa, y bases de datos como Datomic la llevan a producción tratando cada hecho como inmutable. La diferencia está en la uniformidad. En un sistema convencional, alguien decide de antemano qué columnas merecen historial y cuáles se sobrescriben; la pregunta retrospectiva tarde o temprano choca contra un «ese dato no se preservó». En WQuestions, todo hecho lleva su vigencia porque la inmutabilidad es la regla, no la excepción cuidadosamente elegida.

Los terrenos donde esto cambia las reglas del juego son concretos: cumplimiento normativo bancario, due diligence corporativa, ensayos clínicos longitudinales, registros catastrales, expedientes académicos, archivos periodísticos. En todos, lo que importa no es solo el estado actual, sino la historia auditable que llevó hasta él.

Familia 3 · Razonamiento composicional sobre el conocimiento

Esta es la familia más ambiciosa y la que más promete a largo plazo. La idea: un modelo de lenguaje con acceso al grafo no se limita a recuperar información, sino que razona combinando piezas que nadie precombinó. Tres preguntas, de tres dominios del repertorio, ilustran el salto:

Cada una de estas preguntas mezcla hechos, reglas y el razonamiento del propio modelo. WQuestions aporta la materia prima inequívoca; el modelo compone. La vieja frontera entre base de conocimiento y motor de inferencia se vuelve porosa: el modelo da los saltos, y el grafo le ofrece la huella firme donde apoyar cada pie.

Familia 4 · Multi-agente con un modelo del mundo compartido

Hasta hace poco, «agente de IA» significaba un único modelo con unas herramientas. Hoy ya se ven sistemas donde varios agentes especializados colaboran: uno investiga, otro redacta, otro verifica, otro audita. El cuello de botella es que cada agente vive en su propio contexto, y la coordinación entre ellos resulta frágil: se pasan resúmenes, pierden matices, se contradicen sin notarlo.

WQuestions ofrece a esos sistemas un modelo del mundo compartido: un grafo persistente que todos los agentes consultan y al que todos contribuyen. Las decisiones de uno se vuelven hechos consultables por los demás. La cadena de razonamiento de un agente («el agente A diagnosticó X a partir de la evidencia Y, justificado por la regla Z») queda registrada con la misma estructura que cualquier otra situación. La coordinación deja de ser implícita y se vuelve observable: un agente puede citar literalmente a otro.

(diagnostico_001, agente,       lim_clinico_v3)     ∈ M(O, Q)   # un agente de IA actúa
(diagnostico_001, motivado_por, evidencia_023)     ∈ M(O, O)
(opinion_legal_002, agente,      lim_legal_v1)      ∈ M(O, Q)
(opinion_legal_002, motivado_por, diagnostico_001)  ∈ M(O, O)   # ← un agente cita a otro

El patrón abre escenarios muy concretos: equipos de auditoría donde un agente sospecha, otro investiga y un tercero verifica; equipos clínicos donde un agente sugiere el diagnóstico, otro revisa contraindicaciones y otro lo registra; equipos legales donde un agente redacta, otro audita el riesgo y otro confronta con la jurisprudencia. Todos sobre el mismo grafo, todos con la misma trazabilidad, todos dejando un rastro que un humano puede recorrer después.

Aquí la agencia contextual paga su último dividendo. Los modelos de lenguaje entran al sistema como agentes Q de pleno derecho, tratados con la misma uniformidad que una persona o una organización. El sistema no necesita un módulo especial para «agentes de IA»: el modelo ya los admite, porque desde el principio admitió agentes que no eran humanos: sensores, software, instituciones. Lo que se diseñó para un inclinómetro en una mina sirve, sin un solo cambio, para un equipo de modelos colaborando.

Familia 5 · Educación y explicabilidad

Una aplicación menos comercial, pero quizás la más significativa a la larga: WQuestions como herramienta pedagógica. Cuando a un estudiante se le explica un dominio complejo (anatomía, derecho constitucional, química orgánica) la dificultad de fondo es que el dominio se presenta como un texto lineal, una sucesión de párrafos, cuando su estructura real es un grafo de conceptos enlazados.

Si el dominio está modelado en WQuestions, el estudiante puede navegarlo en lugar de recitarlo: parte de un concepto, ve sus instancias, sigue sus relaciones causales y normativas, lanza consultas exploratorias. «¿Qué procesos dependen de la disponibilidad de ATP?», «¿qué causa qué en la cascada inflamatoria?», «¿qué cláusulas se justifican mutuamente en este ordenamiento?». El libro de texto se vuelve interactivo y consultable; el conocimiento, explorable en vez de memorizable.

Y hay un correlato directo en la explicabilidad de la IA. Cuando un sistema basado en modelos toma una decisión que afecta a alguien (denegar un crédito, sugerir un tratamiento, sancionar un contenido) la pregunta «¿por qué?» exige una respuesta auditable. Si esa decisión se construyó sobre un grafo con relaciones canónicas del porqué (causado_por, motivado_por, con_finalidad, justificado_por), la cadena de explicación es literalmente un recorrido del grafo. No es una racionalización a posteriori, fabricada para sonar convincente: es la reconstrucción del razonamiento que de verdad ocurrió.

Aquí las dos caras se tocan. La misma estructura que deja a un estudiante navegar un dominio deja a un regulador auditar una decisión: en ambos casos, entender es recorrer aristas con etiqueta. El conocimiento explicable y el conocimiento enseñable son, resulta, el mismo grafo leído con dos propósitos.

Una pregunta, varios dominios

Para ver de golpe por qué esto importa, conviene un ejemplo donde una sola pregunta cruce fronteras que hoy son murallas. Una periodista económica escribe: «¿Cómo afectó la reforma tributaria de marzo a las ventas del trimestre?» Esa frase, inocente en apariencia, exige tocar tres mundos que en cualquier organización viven separados: la esfera normativa, los indicadores macroeconómicos y los datos comerciales. El modelo descompone la pregunta en consultas a cada dominio y las vuelve a coser en una respuesta narrativa, con la huella de cada dato a la vista.

Repara en que ninguno de los tres dominios «sabe» de los otros. La esfera normativa no tiene idea de las ventas; el sistema comercial ignora la inflación. Lo que los hace dialogar no es un conector que alguien programó entre ellos, sino que los tres descomponen su realidad sobre las mismas siete preguntas. La interoperabilidad deja de ser un proyecto y pasa a ser una propiedad del sustrato.

La constante: una identidad estable en el tiempo

Si hubiera que destilar las cinco familias en una sola observación, sería esta. Lo que las hace posibles a todas es la misma propiedad humilde: el grafo preserva una identidad estable de cada entidad a lo largo del tiempo. La cardióloga del segundo escenario es el mismo individuo en 2026 y en 2034; el spa que abrió el capítulo es la misma persona jurídica antes y después de expandirse; la cláusula de garantía es la misma cláusula con o sin enmiendas posteriores.

Suena trivial. No lo es. En los sistemas tradicionales, la identidad se reconstruye con claves foráneas que apuntan a registros editables, borrables, renombrables. Es una identidad frágil: una migración de esquema, un cambio de criterio, una limpieza de datos bienintencionada, y la trazabilidad se rompe sin que nadie lo note hasta que un auditor la pide. WQuestions hace lo contrario: cada individuo recibe un identificador inmutable, los hechos sobre él se acumulan en lugar de sobrescribirse, y los cambios son hechos nuevos con su propia vigencia. La identidad deja de ser una convención y se vuelve infraestructura.

La identidad estable es la propiedad que hace que decir «este» signifique siempre lo mismo.El cimiento de todo lo anterior

Sobre esa base se levanta todo lo demás. La auditoría retrospectiva, el razonamiento composicional, el multi-agente, la explicabilidad: las cuatro exigen poder decir «este individuo, en este momento, era así» y recibir una respuesta unívoca. Quítale al grafo la identidad estable y las cinco familias se desploman a la vez, porque ninguna sabría ya de qué entidad está hablando.

El sesgo de optimismo

Conviene cerrar matizando. Los escenarios de este capítulo son plausibles, no inevitables. Cada uno depende de que varias condiciones se cumplan a la vez, y conviene nombrarlas con precisión:

Algunas de estas condiciones se están cumpliendo solas; otras exigen empuje deliberado. La especulación es honesta justamente cuando reconoce la diferencia entre lo que ya rueda cuesta abajo y lo que aún hay que empujar cuesta arriba.

El mapa de lo que falta

Conviene terminar señalando el escalón que separa este capítulo del presente. Todas estas aplicaciones suponen una versión madura del proyecto. La versión actual (la que el prototipo ejecuta) está, deliberadamente, incompleta:

Mientras las aplicaciones de este capítulo viven en el futuro, ese trabajo pendiente vive en el presente, muy operativo. Enumerarlo con precisión (como un mapa de implementación para quien quiera contribuir o adoptar la propuesta) es lo que queda por hacer, y es a lo que dedicamos el cierre del libro. Pero antes hay una prueba que esta arquitectura debe pasar, más exigente que cualquier dominio industrial: la de describirse a sí misma. A eso vamos.