La codificación es el caso de uso indiscutible de PMF para la IA, pero la mayoría del trabajo de conocimiento aún tiene un largo camino por recorrer.

La codificación funciona porque todo el contexto reside en un repositorio git que tiene versiones, está estructurado, en un solo lugar y generalmente tiene un conjunto de pruebas que te dice qué es correcto.
El trabajo de conocimiento, por otro lado, se basa en información que reside en un montón de lugares diferentes: Slack, correo electrónico, varios sistemas y, a menudo, en las cabezas de las personas.
Entonces, si quieres que el trabajo de conocimiento se automatice como el código, necesitas un "repositorio de contexto" o, como se le llama a menudo, un "cerebro de la empresa".
Pero un cerebro de la empresa que solo toma archivos, los pone en algún lugar y le coloca RAG encima no es la respuesta correcta.
Lo que necesitas es un sistema basado en ontologías: configurarlo es difícil, y mantenerlo es aún más difícil.
Hay una razón por la que estamos viendo que muchos pilotos de IA empresarial fallan o no generan el ROI: es porque el "repositorio de contexto" no se está haciendo correctamente.
Sin embargo, aquí está el truco: si se hace correctamente, la capa de contexto puede pasar de ser un costo que las empresas pagan por una nueva herramienta, a un ACTIVO que construyen y que acumula valor.
Se convierte en un activo cuando se construyen flujos de trabajo agentivos sobre la capa de contexto y los datos de telemetría de esos agentes alimentan entornos de RL que permiten a la empresa entrenar modelos posteriormente que codifican cómo la empresa trabaja, y esos modelos son propiedad de la empresa.
Poseer un modelo con tus datos sobre cómo funciona realmente la empresa es el movimiento final del jefe.