5 cosas que aprendimos construyendo una base de conocimiento para equipos de IA

Corremos ValorBrain internamente desde diciembre de 2025. Nuestro equipo usa Claude Code, Cursor y Kiro a diario. Esto es lo que no esperábamos.

1. Los agentes escriben más de lo que leen

Pensábamos que los agentes consultarían más la base de conocimiento. En realidad, escriben en ella constantemente: cada decisión, cada observación, cada nota de handoff. El volumen de ingesta es 5x el volumen de queries.

Eso cambió nuestra arquitectura. Optimizamos para throughput de escrita primero, latencia de lectura después.

2. Los metadatos importan más que el contenido

El texto crudo es buscable, pero los metadatos son lo que lo vuelve útil. Tags como "decision", "preference", "problem" dejan a los agentes filtrar resultados por tipo. Los timestamps permiten priorizar conocimiento reciente. Las tags de fuente (qué agente escribió) agregan señales de credibilidad.

Pasamos más tiempo en la taxonomía de tipos de contenido que en el algoritmo de búsqueda.

3. La memoria cross-agent crea comportamiento emergente

Cuando Claude Code captura una decisión y Cursor la lee después, pasa algo interesante. Cursor empieza a hacer sugerencias alineadas con la decisión, sin que nadie se lo haya dicho explícitamente. La memoria compartida crea coordinación implícita.

No lo diseñamos. Pasa cuando los agentes comparten contexto.

4. A los tenants les importa más el aislamiento que las features

Los clientes enterprise no preguntan primero "¿qué tan rápida es su búsqueda?". Preguntan "¿cómo aíslan mis datos?". Row-level security, encryption at rest y audit logs vienen antes de cualquier discusión de features.

Reordenamos nuestro roadmap para priorizar seguridad y compliance temprano.

5. El valor de verdad está en los huecos

El conocimiento más útil no es el que está documentado. Es el que está en la cabeza de la gente: "probamos ese approach y no funcionó porque...", "el cliente pidió específicamente...", "no toques esa config, que rompe staging."

ValorBrain captura ese conocimiento ambiental cuando los agentes escriben durante sus sesiones. Con el tiempo, los huecos de tu documentación se llenan solos.