Cómo se construye y circula el conocimiento

¿Cómo puede una sociedad saber cada vez más cuando cada individuo domina una fracción cada vez menor del conocimiento disponible?

1. Cuando nadie puede saberlo todo

Nunca habíamos tenido tanto conocimiento disponible y, al mismo tiempo, nunca había estado tan lejos del alcance de una sola persona dominar una parte significativa de él.

Un médico puede dedicar toda su carrera a una especialidad concreta. Un ingeniero puede trabajar durante décadas en un área muy delimitada. Un investigador puede concentrarse durante años en un problema que representa apenas una pequeña parte de su disciplina. Cuanto más crece el conocimiento, más necesaria se vuelve la especialización.

Ahí aparece la paradoja que recorre estas páginas: una sociedad puede saber cada vez más mientras cada individuo domina una fracción cada vez menor de lo que esa sociedad sabe. No es una contradicción, sino una consecuencia de la forma en que hemos aprendido a construir conocimiento.

Ninguna persona comprende por sí sola todo lo necesario para fabricar un microprocesador, diseñar un avión, mantener una red eléctrica o desarrollar un medicamento. Cada uno de esos resultados depende de conocimientos distribuidos entre especialistas, equipos, documentos, instrumentos, organizaciones e instituciones. Lo importante no es que alguien lo sepa todo, sino que esos conocimientos parciales puedan encontrarse, combinarse y utilizarse.

Eso modifica también nuestra relación con lo que sabemos. Disponer de información fuera de nuestra cabeza no elimina la necesidad de conocimiento propio: seguimos necesitando una base que permita formular preguntas, comprender respuestas y reconocer cuándo algo no encaja. Pero una parte creciente de nuestra capacidad depende también de acceder al conocimiento que poseen otros.

Si el conocimiento del que dependemos está repartido, ¿cómo construimos algo fiable a partir de él? La primera respuesta es incómoda pero inevitable: nadie puede hacerlo solo.

2. Conocer también significa depender de otros

Una parte enorme de lo que damos por sabido procede de pruebas que no hemos examinado directamente. Sabemos, por ejemplo, que fumar aumenta el riesgo de cáncer de pulmón, pero pocos hemos revisado los estudios y los datos que sostienen esa conclusión. Confiamos en conocimiento obtenido por otras personas.

En 1985, el filósofo John Hardwig analizó este problema bajo la idea de dependencia epistémica. Su punto de partida era sencillo: creemos innumerables cosas sin poseer las pruebas que las justifican. Podríamos intentar comprobar algunas, pero no todas porque, en sus palabras, «el intelecto es demasiado pequeño y la vida demasiado corta».

Esto choca con una idea muy arraigada: que pensar racionalmente significa pensar siempre por uno mismo. Para Hardwig, llevar ese ideal hasta sus últimas consecuencias no produciría personas mejor informadas. En muchos asuntos complejos, sustituir años de investigación especializada por una comprobación propia necesariamente superficial podría conducir a creencias peores. La cuestión no es aceptar una afirmación porque alguien tenga autoridad, sino tener buenas razones para pensar que esa persona dispone de buenas razones para sostenerla.

Hardwig recurrió a un caso de física de partículas para mostrar hasta dónde puede llegar esa dependencia. Un artículo de 1983 estaba firmado por 99 autores y formaba parte de una serie de experimentos que había costado alrededor de diez millones de dólares. La obtención y el análisis de los datos habían requerido revisar millones de imágenes hasta aislar 47 sucesos relevantes. Según el físico William Bugg, con quien habló Hardwig, ni una universidad ni un laboratorio nacional habrían podido realizar aquel trabajo en solitario.

Además, ningún firmante necesitaba dominar todo lo que hacía posible el resultado. Los 99 eran físicos experimentales, por lo que las revisiones teóricas requerían otras competencias; los teóricos, a su vez, no habrían podido realizar el experimento, y todos dependían también de quienes diseñaban, construían y mantenían los instrumentos. Cada especialista era al mismo tiempo profano respecto a una parte del conocimiento que sostenía el resultado.

Esto conduce a una pregunta difícil: ¿quién sabe realmente lo que afirma un trabajo así? Hardwig deja abiertas dos posibilidades. Podemos aceptar que una persona sabe algo aunque parte de la evidencia esté en manos de otros, o podemos considerar que, en determinados casos, quien sabe es la comunidad: conoce algo que ninguno de sus miembros podría justificar por completo individualmente.

Depender de otros no significa, sin embargo, confiar ciegamente. Hay motivos racionales para no deferir a un experto: intereses en el resultado, mala fe, encubrimiento de colegas o presión del propio gremio. Distinto es el caso en el que expertos competentes discrepan entre sí; ahí Hardwig reconoce una dificultad mayor, porque el profano puede carecer de los medios necesarios para decidir y verse obligado a suspender el juicio.

El fraude científico resulta perturbador por esa misma razón: revela cuánto trabajo posterior puede descansar sobre resultados que otros investigadores no han verificado y quizá ni siquiera podrían verificar por sí mismos. La pregunta importante deja entonces de ser solo «¿puedo demostrar esto yo?» y pasa a ser «¿qué razones tengo para confiar en esta persona, este procedimiento o esta institución?».

La revisión por pares, la replicación, la trazabilidad, las normas técnicas o las certificaciones pueden entenderse como respuestas organizadas —imperfectas, pero necesarias— a ese problema. Y si confiar en otros es inevitable, aparece una segunda pregunta: ¿basta con reunir a mucha gente para que su conocimiento conjunto sea fiable?

3. La inteligencia colectiva no aparece solo por conectar personas

Reunir muchas personas no garantiza una respuesta mejor. Una multitud puede combinar información que ningún individuo posee por separado, pero también puede amplificar un error que todos comparten.

James Surowiecki popularizó esta cuestión en The Wisdom of Crowds (2004). El libro comienza recuperando el conocido concurso que analizó Francis Galton casi un siglo antes, en el que numerosas personas intentaban estimar el peso de un buey. Las estimaciones individuales eran imperfectas, pero su agregación produjo un resultado sorprendentemente próximo al valor real. La lección no es que «la multitud siempre acierta», sino preguntarse bajo qué condiciones muchos juicios parciales pueden producir un buen resultado colectivo.

Surowiecki destaca cuatro: diversidad, independencia, descentralización y algún mecanismo de agregación. Hacen falta perspectivas diferentes y conocimiento local, que las personas puedan formar sus juicios sin limitarse a copiar a los demás y, finalmente, algún procedimiento capaz de reunir esas aportaciones.

La independencia es una condición delicada, aunque por sí sola tampoco basta. Si muchas personas juzgan por separado pero comparten el mismo sesgo, sus errores pueden apuntar en la misma dirección. La diversidad importa porque reduce el riesgo de convertir un error sistemático en una aparente confirmación colectiva.

El problema cambia cuando las decisiones anteriores empiezan a sustituir a la información propia. Los economistas denominan cascadas de información a situaciones en las que una persona, al observar lo que otros han hecho, puede terminar ignorando su propia señal y seguir al grupo. Bikhchandani, Hirshleifer y Welch formalizaron este mecanismo en 1992; en paralelo, Abhijit Banerjee mostró cómo decisiones individuales racionales podían desembocar en comportamiento gregario.

Por eso conectividad e inteligencia colectiva no son equivalentes. Una red resulta valiosa cuando permite que conocimientos diferentes se encuentren, se contrasten y finalmente se combinen, no cuando consigue que todos repitan demasiado pronto la misma respuesta.

Al entrar en una organización concreta aparece entonces otra dificultad: esos conocimientos tampoco están distribuidos según el organigrama.

4. El conocimiento no sigue el organigrama

Cualquier organización puede dibujarse como un organigrama: dirección, responsables de área, equipos. Ese mapa responde a una pregunta precisa —quién responde ante quién— y la responde bien. Lo que no muestra es otra pregunta igual de importante para el trabajo diario: a quién recurre cada persona cuando necesita resolver algo.

Si se dibujan las relaciones que nacen de esa segunda pregunta —consultas, experiencia compartida, problemas resueltos— aparece otro mapa con las mismas personas. Las conexiones atraviesan niveles y áreas, y algunas posiciones cambian de peso. Alguien situado en un nivel operativo puede convertirse en referencia para personas de varios departamentos, incluidos sus responsables, porque conoce especialmente bien un sistema, un cliente o un procedimiento.

No es una distinción puramente intuitiva. A comienzos de los noventa, David Krackhardt y Jeffrey Hanson propusieron a las empresas identificar sus redes informales, entre ellas la red de consejo: a quién se acude para obtener ayuda o sacar adelante un problema de trabajo. La red permite identificar personas a las que otros recurren de forma habitual, una posición que no tiene por qué coincidir con la autoridad que muestra el organigrama.

Autoridad formal y circulación del conocimiento son, por tanto, dimensiones diferentes. La posición de una persona en la jerarquía no permite deducir cuánto conocimiento pasa por ella.

Conviene no llevar la idea más lejos de lo que permite. La jerarquía no es inútil: asigna responsabilidades, establece capacidad de decisión y permite rendir cuentas, funciones que una red informal no sustituye. Tener muchas conexiones tampoco equivale a saber más, ni las redes informales son necesariamente eficientes. Además, una organización puede hacerse dependiente de determinadas conexiones y perder parte de ellas cuando una persona clave se marcha. Los dos mapas coexisten y no tienen por qué coincidir. El problema aparece cuando una organización solo mira el primero.

5. Especializarse sin encerrarse

Nada de lo anterior es un argumento contra la especialización. Sin ella no existiría el experimento de los 99 autores ni la persona a la que acuden sus compañeros para entender un sistema. El problema no es especializarse. El problema es encerrarse.

Como apuntábamos al principio, tener conocimiento disponible fuera de nosotros no garantiza que podamos aprovecharlo. En 1990, Wesley Cohen y Daniel Levinthal propusieron un concepto que ayuda a explicar por qué: la capacidad de absorción. La definieron como la habilidad para reconocer el valor de información externa nueva, asimilarla y aplicarla, y sostuvieron que depende en buena medida del conocimiento previo relacionado.

Dicho de forma sencilla, nos resulta mucho más fácil aprovechar algo nuevo cuando podemos relacionarlo con algo que ya sabemos. Un ingeniero sin ninguna base estadística tendrá más dificultades para interpretar un buen análisis de datos, aunque lo tenga delante.

De ahí se siguen dos consecuencias. La primera es que el aprendizaje tiene un componente acumulativo: el conocimiento previo facilita incorporar conocimiento relacionado. La segunda es menos cómoda. Cohen y Levinthal advertían que no invertir a tiempo en un campo puede dificultar seriamente —e incluso llegar a impedir— desarrollar después capacidad técnica en él. Encerrarse no siempre tiene un coste inmediato; puede aparecer cuando surge algo nuevo y ya no estamos en buenas condiciones para reconocer su valor o incorporarlo.

Además, la capacidad de absorción de una organización no es simplemente la suma de la de sus miembros. Importan también la diversidad de conocimientos internos y las conexiones que permiten que un área aproveche lo que otra sabe, el mismo tipo de relaciones que aparecía en el segundo mapa.

Un estudio posterior de Boh, Evaristo y Ouderkirk sobre inventores de 3M aporta un matiz útil. La amplitud de experiencia se asociaba con producir más invenciones, aunque no necesariamente las más influyentes; la profundidad, con invenciones de mayor impacto técnico; y la combinación de ambas se relacionaba con una mayor capacidad para transformar invenciones en productos con éxito comercial. El estudio se limita a una empresa y utiliza datos de patentes para caracterizar parte de la innovación, por lo que no permite generalizar sin cautela. Sí muestra algo importante: profundidad y apertura no cumplen la misma función, pero pueden complementarse.

Pero no todo el conocimiento que una organización necesita incorporar está escrito en artículos, patentes o manuales. Una parte vive en la práctica de quienes lo utilizan.

6. Lo que sabemos, lo que podemos explicar y lo que podemos perder

En 1966, Michael Polanyi resumió un problema que cualquier profesional con experiencia puede reconocer: sabemos más de lo que podemos decir. Podemos identificar una cara entre miles sin saber explicar con precisión cómo lo hacemos. Quien lleva años trabajando en un laboratorio puede advertir que una medida no encaja antes de ser capaz de formular qué falla. Parte de ese conocimiento no está disponible como una instrucción completa que pueda copiarse; está incorporado a la práctica, la percepción y la experiencia.

Uno de los modelos más influyentes para pensar cómo trabajan las organizaciones con esa diferencia fue el de Ikujiro Nonaka. En 1994 describió la creación de conocimiento organizativo como una interacción continua entre conocimiento tácito y explícito: las personas comparten experiencia, intentan articular parte de ella, la combinan con conocimiento ya formalizado y vuelven a incorporarla mediante la práctica.

El modelo ha sido muy útil y también discutido. Haridimos Tsoukas objetó que interpretar a Polanyi como si el conocimiento tácito estuviera esperando a ser convertido en explícito era un malentendido: parte de ese saber es inseparable de la propia práctica. El propio Nonaka, junto con Georg von Krogh, volvió después sobre esa controversia. Una formulación prudente sería que las organizaciones pueden articular, compartir y formalizar partes de lo aprendido mediante la experiencia, pero no todo conocimiento tácito puede reducirse a un procedimiento.

Esa diferencia se vuelve importante cuando pensamos en la memoria. James Walsh y Gerardo Ungson propusieron en 1991 que la memoria de una organización no reside en un único archivo. Está distribuida entre las personas, la cultura, los procedimientos, las estructuras, el propio entorno físico y determinados archivos externos. Cada uno conserva cosas distintas y también puede perderlas de manera diferente.

Un documento puede sobrevivir a quien lo escribió; el juicio de quien sabía cuándo aplicarlo y cuándo apartarse de él, no necesariamente. Una organización puede olvidar cuando se jubila una persona experta, cuando se deshace un equipo, cuando desaparece una tecnología o cuando lo aprendido nunca llegó a incorporarse a prácticas, procedimientos o relaciones que otros pudieran recuperar. Lo que se pierde no siempre es información: a veces se pierde la capacidad de utilizarla.

El caso de Fogbank muestra hasta dónde puede llegar ese problema. Cuando la National Nuclear Security Administration estadounidense tuvo que volver a fabricar este material para renovar las cabezas W76, carecía del conocimiento, la experiencia y las instalaciones necesarios para producirlo: había conservado pocos registros del proceso de los años ochenta, casi todo el personal experto se había jubilado o marchado y las antiguas instalaciones habían sido desmanteladas. La GAO documentó un retraso de al menos un año y 69 millones de dólares de sobrecoste relacionados con los problemas de Fogbank, no todos atribuibles a la pérdida de conocimiento.

Documentar es imprescindible, pero no basta. Conservar conocimiento exige mantener también prácticas, relaciones y oportunidades para que quien sabe trabaje junto a quien está aprendiendo. Y lo que ocurre dentro de una empresa, un hospital o un laboratorio no termina en sus paredes: las organizaciones se apoyan en universidades, normas, publicaciones, profesiones y comunidades. Volvemos así a la escala social con una pregunta distinta: quién puede acceder al conocimiento y bajo qué condiciones.

7. Compartir conocimiento, pero ¿hasta dónde?

Si el conocimiento se construye entre muchos, la última pregunta es quién puede usarlo. A diferencia de un recurso material, una idea no se gasta al compartirla: que una persona aprenda un teorema no impide que otra lo aprenda también. Pero el acceso sí puede restringirse, y buena parte de la historia reciente del conocimiento gira en torno a esa posibilidad.

En Understanding Knowledge as a Commons (2007), Charlotte Hess y Elinor Ostrom propusieron analizar el conocimiento como un procomún (commons): un recurso compartido que una comunidad produce, utiliza y tiene que cuidar. Su diagnóstico era doble. La forma digital ofrece posibilidades de acceso sin precedentes, pero al mismo tiempo el conocimiento puede quedar limitado por legislación de propiedad intelectual, patentes, licencias, precios elevados o incluso por una conservación insuficiente. Este último punto enlaza con lo anterior: un conocimiento que nadie preserva también deja de estar disponible.

La tensión no se resuelve con una consigna. La ciencia abierta, el software libre y la publicación de datos pueden ampliar la circulación y las posibilidades de contraste. Las patentes, el derecho de autor o el secreto industrial introducen exclusión, pero responden a problemas distintos y pueden desempeñar funciones como proteger inversiones, financiar determinadas formas de creación o preservar ventajas competitivas. Incluso la patente contiene esa doble lógica: concede durante un tiempo un derecho exclusivo y, a cambio, exige hacer pública la invención.

La pregunta útil no es, por tanto, si todo conocimiento debe ser abierto o propietario, sino qué reglas permiten producirlo, sostenerlo y hacer que circule suficientemente para que otros puedan utilizarlo, discutirlo y ampliarlo. El planteamiento de Hess y Ostrom invita a estudiar esas reglas y comunidades concretas en lugar de suponer que existe una solución única.

Todo lo anterior conduce a la misma conclusión: una sociedad sabe más no porque cada persona sepa más cosas, sino porque ha aprendido a conectar conocimientos que están repartidos, conservarlos, transmitirlos, discutirlos y corregirlos.

Fuentes

• Hardwig, J. (1985). «Epistemic Dependence». The Journal of Philosophy, 82(7), 335–349. https://doi.org/10.2307/2026523
• Galton, F. (1907). «Vox Populi». Nature, 75, 450–451. https://doi.org/10.1038/075450a0
• Surowiecki, J. (2004). The Wisdom of Crowds. Doubleday.
• Bikhchandani, S., Hirshleifer, D. y Welch, I. (1992). «A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades». Journal of Political Economy, 100(5), 992–1026. https://doi.org/10.1086/261849
• Banerjee, A. V. (1992). «A Simple Model of Herd Behavior». The Quarterly Journal of Economics, 107(3), 797–817. https://doi.org/10.2307/2118364
• Krackhardt, D. y Hanson, J. R. (1993). «Informal Networks: The Company Behind the Chart». Harvard Business Review, 71(4), 104–111. https://hbr.org/1993/07/informal-networks-the-company-behind-the-chart
• Cohen, W. M. y Levinthal, D. A. (1990). «Absorptive Capacity: A New Perspective on Learning and Innovation». Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553
• Boh, W. F., Evaristo, R. y Ouderkirk, A. (2014). «Balancing Breadth and Depth of Expertise for Innovation: A 3M Story». Research Policy, 43(2), 349–366. https://doi.org/10.1016/j.respol.2013.10.009
• Polanyi, M. (1966). The Tacit Dimension. Doubleday.
• Nonaka, I. (1994). «A Dynamic Theory of Organizational Knowledge Creation». Organization Science, 5(1), 14–37. https://doi.org/10.1287/orsc.5.1.14
• Tsoukas, H. (2003). «Do We Really Understand Tacit Knowledge?». En M. Easterby-Smith y M. A. Lyles (eds.), The Blackwell Handbook of Organizational Learning and Knowledge Management. Blackwell.
• Nonaka, I. y von Krogh, G. (2009). «Tacit Knowledge and Knowledge Conversion: Controversy and Advancement in Organizational Knowledge Creation Theory». Organization Science, 20(3), 635–652. https://doi.org/10.1287/orsc.1080.0412
• Walsh, J. P. y Ungson, G. R. (1991). «Organizational Memory». Academy of Management Review, 16(1), 57–91. https://doi.org/10.5465/AMR.1991.4278992
• U.S. Government Accountability Office (2009). Nuclear Weapons: NNSA and DOD Need to More Effectively Manage the Stockpile Life Extension Program. GAO-09-385. https://www.gao.gov/products/gao-09-385
• Hess, C. y Ostrom, E. (eds.) (2007). Understanding Knowledge as a Commons: From Theory to Practice. MIT Press.