Fundamento científico
Un procedimiento.
Con base científica.
La elicitación es técnica de medición para el conocimiento experiencial. El método adapta procedimientos acreditados de la epistemología, la gestión del conocimiento y la investigación sobre pericia — y los hace practicables para personas con agendas llenas.
«Podemos saber más de lo que podemos decir.»
Conocimiento tácito — Polanyi
El núcleo de la excelencia empresarial es implícito: puede mostrarse, pero apenas escribirse. Justo por eso fracasan las bases de conocimiento clásicas y los manuales de sucesión. mindmodels empieza en la fuente — en la propia experiencia episódica.
Espiral SECI — Nonaka & Takeuchi
Desde «The Knowledge-Creating Company» (1995), la externalización del conocimiento implícito se considera el paso más valioso y más difícil de la creación de conocimiento. El diálogo diario en serie es un procedimiento de externalización en serie — diario, acumulativo, individual.
Cognitive Task Analysis — Ericsson, Klein
El método adapta técnicas de elicitación acreditadas de la investigación sobre pericia — Critical Decision Method, laddering, sondeos de contraste y de límites (naturalistic decision making) — a un formato que encaja en la vida de decisores muy ocupados.
Del cuello de botella del conocimiento al Mind Model
La elicitación del conocimiento fue el cuello de botella histórico de los sistemas expertos — y hoy lo es de la IA personalizada: los grandes modelos saben hacer muchas cosas, pero no su criterio. Los datos de experiencia curados y estructurados de decisores individuales de primer nivel son el activo más escaso de la próxima generación de modelos. Quien los posee, posee un activo.
V·04Bibliografía — los fundamentos, para consultar
Polanyi, M. (1966): The Tacit Dimension.
Nonaka, I. & Takeuchi, H. (1995): The Knowledge-Creating Company.
Klein, G., Calderwood, R. & Macgregor, D. (1989): Critical Decision Method for Eliciting Knowledge. IEEE Transactions on Systems, Man, and Cybernetics 19(3).
Hoffman, R., Shadbolt, N., Burton, A. M. & Klein, G. (1995): Eliciting Knowledge from Experts. Organizational Behavior and Human Decision Processes 62(2).
Ericsson, K. A. et al. (eds., 2018): The Cambridge Handbook of Expertise and Expert Performance, 2.ª ed.
Kahneman, D. & Klein, G. (2009): Conditions for Intuitive Expertise — A Failure to Disagree. American Psychologist 64(6).
Shiffman, S., Stone, A. & Hufford, M. (2008): Ecological Momentary Assessment. Annual Review of Clinical Psychology 4.
El conocimiento muere dos veces.
Ambas muertes se han vuelto evitables.
La primera muerte es biológica: con cada persona desaparece un criterio que nadie escribió — porque no se puede escribir (Polanyi). La segunda es institucional: las organizaciones pierden conocimiento que creían poseer. La NASA nunca perdió la documentación del Saturno V — y aun así no pudo volver a construir el cohete, porque faltaban las personas capaces de leer entre líneas.
Ambas golpean ahora a Alemania al mismo tiempo: hasta mediados de la década de 2030, las cohortes del baby boom — cerca del 30 por ciento de la población activa actual — alcanzan la edad de jubilación (Oficina Federal de Estadística). La investigación sobre la pérdida de conocimiento describe desde hace dos décadas lo que ocurre después: baja la calidad de las decisiones, se repiten los errores, fracasan los relevos (DeLong, Lost Knowledge, Oxford 2004). Las grandes empresas cifran solo las pérdidas de productividad por una transferencia de conocimiento ineficiente en decenas de millones al año (Panopto/YouGov 2018).
Y es una cuestión de respeto propio. La psicología del desarrollo llama a la tarea central de la vida madura generatividad: la necesidad de que la propia obra trascienda la propia presencia (Erikson). Dejar que toda una vida de decisiones se evapore sin más — ahora que por primera vez puede conservarse — no es modestia. Es un legado omitido: hacia usted mismo, hacia su familia y hacia la obra de su vida.
Fuentes: Polanyi (1966), The Tacit Dimension · DeLong (2004), Lost Knowledge: Confronting the Threat of an Aging Workforce, Oxford Univ. Press · Panopto Workplace Knowledge & Productivity Report (2018, con YouGov) · Oficina Federal de Estadística de Alemania, proyección de población activa · Erikson (1950), Childhood and Society.
Un arca para el criterio.
mindmodels no surge de la nada. Es la aplicación consecuente de lo que el think tank gannaca defiende de forma documentada desde 1996: ver pronto las rupturas tecnológicas y sociales, traducirlas en decisiones, conservar la responsabilidad — decide la persona, la máquina asiste (Peterka, Symphonie der Systeme, 2025).
El hallazgo macro detrás: los grandes modelos de lenguaje han leído casi por completo la web abierta — los investigadores esperan que las reservas de texto público de alta calidad se agoten dentro de esta década (Villalobos et al., Epoch AI). Lo que cuenta después es lo que nunca estuvo en la web: conocimiento de decisión curado, documentado y episódico de mentes individuales de primer nivel. Quien lo posee, posee la materia prima más escasa de la próxima generación de modelos. Quien lo regala ya se lo ha entregado a las plataformas.
En Svalbard, la humanidad guarda semillas — no porque vaya a fallar la cosecha de mañana, sino porque nadie sabe qué variedad será vital pasado mañana. El Arca no se llevó todo: se llevó lo que podía germinar. mindmodels es esa bóveda para el criterio: no todo el conocimiento, sino lo que puede volver a brotar — el suyo.
Svalbard Global Seed Vault, desde 2008 (foto: Tiq, Wikimedia Commons, CC BY-SA 4.0, recorte) · Génesis 6–9 · mindmodels, desde 2026Dos vías de entrada — una cuesta 490 €, la otra una conversación.
La Prueba es la pequeña evidencia en siete días, íntegramente deducible del Nivel I. El mandato es el camino completo: 30 días, un modelo, su propiedad. Para universidades y organizaciones existe el Programa de Promoción.