Coneixement tàcit i explícit: el substrat que un RAG no veu

Cada procés que he automatitzat tenia un manual. I cada manual s’equivocava en algun punt, perquè hi havia una excepció que qui l’havia escrit coneixia de memòria i mai va posar per escrit: «ah, però si el client és de Girona, això no s’aplica», o «aquest camp només es deixa buit quan ve de l’Enric, perquè el seu sistema el trenca». Ningú menteix al manual. Simplement, hi ha coses que se saben i no es diuen, perquè mai ha calgut dir-les.

Aquest article no parla d’automatització. Parla del que hi ha sota: per què alguna cosa que tothom sap pot ser invisible en un document, i què vol dir això quan el que llegeix els documents ja no és una persona, sinó un sistema de recuperació que els busca per tu (un RAG, retrieval-augmented generation). És el primer d’una sèrie de tres. Aquest posa el marc; el segon hi porta la pregunta tècnica (finestra de context o recuperació) i el tercer, la implementació.

El filòsof que ho va dir primer

L’any 1966, el filòsof Michael Polanyi va escriure una frase que encara es cita: «sabem més del que podem dir». Polanyi parlava de coses tan bàsiques com reconèixer una cara: ho fem sense esforç, però si algú et demana que expliquis exactament com distingeixes un nas d’un altre, no en surts. El coneixement hi és, però no és a l’abast del llenguatge.

Ikujiro Nonaka va agafar aquesta idea i la va portar a les organitzacions. A «The Knowledge-Creating Company» (1995, amb Hirotaka Takeuchi), distingeix dos tipus de coneixement: l’explícit, el que es pot escriure, codificar i transmetre en un document, i el tàcit, el que es porta a la pràctica, s’aprèn fent i és difícil d’articular. Un manual de procediments és coneixement explícit. Saber quan ignorar el manual és coneixement tàcit.

El cicle que fa que una organització aprengui

Nonaka no es va quedar en la distinció. Va proposar un cicle de quatre moviments (el model SECI) pel qual el coneixement tàcit i l’explícit es converteixen l’un en l’altre i, fent-ho, l’organització aprèn:

• Socialització (tàcit a tàcit): algú aprèn mirant, imitant, treballant al costat de qui ja en sap. Sense paraules.
• Externalització (tàcit a explícit): algú posa en paraules, diagrames o exemples una cosa que fins ara només sabia fer. És el pas més difícil del cicle, i el que menys es fa, perquè costa temps i ningú el demana amb urgència.
• Combinació (explícit a explícit): es reorganitza, es creua i es sistematitza el que ja estava escrit. Un informe que ajunta dades de tres sistemes és combinació pura.
• Internalització (explícit a tàcit): algú llegeix un manual i, després de fer-ho un temps, ja no el necessita. El coneixement torna a ser tàcit, però ara és seu.

Nonaka també parlava de ba: l’espai (físic, virtual o simplement una estona compartida) on aquesta conversió passa de veritat. Sense un ba, el cicle no arrenca. Ningú externalitza res en un formulari que ningú llegirà.

On encaixa un RAG en aquest cicle

Un RAG fa exactament una cosa d’aquestes quatre, i la fa bé: combinació. Agafa documents que ja existeixen (tiquets, wikis, correus, codi), els indexa i, quan li fas una pregunta, en recupera els trossos rellevants perquè un model els faci servir per respondre. És sistematitzar coneixement explícit ja existent, a una escala que cap persona assoliria llegint-ho tot ella mateixa.

El que un RAG no fa és socialització ni internalització, perquè totes dues passen entre persones (o entre una persona i la pràctica), no entre un índex i un model de llenguatge. I fa externalització només de manera indirecta: si ningú ha escrit encara per què es fa una excepció, el RAG no la pot recuperar, perquè no hi és. Un RAG només pot trobar el que algú, en algun moment, ja va convertir en text.

Hi ha treball recent que ho posa en termes precisos: proposa parlar de «coneixement digital fragmentat», el que viu a mig camí entre tàcit i explícit: un fil de xat, un comentari a mitges dins del codi, una decisió que es va prendre en una trucada i que algú va resumir en tres línies a Slack. Ni és tan net com un manual ni és tan invisible com el que porta algú al cap. És, probablement, on viu la major part del que una empresa «sap» de veritat, i és exactament el terreny on un RAG funciona pitjor: massa desordenat per indexar-se bé, massa fragmentat per donar una resposta completa.

Per què això importa més enllà de la IA

Es repeteix sovint una xifra (que un 80 % o més del coneixement d’una organització és tàcit) i l’he buscat prou per no citar-la aquí: no li he trobat un origen sòlid, només repeticions d’altres articles que tampoc el citen. El que sí és cert, perquè ho he vist en cada procés que he documentat, és que el manual mai és tot el procés. Sempre hi ha un marge d’excepcions, de criteris i de «per què ho fem així» que només viu al cap de qui ho fa cada dia.

Quan documento un procés abans d’automatitzar-lo, la feina real no és transcriure el manual: és seure amb qui el fa, mirar-lo treballar i preguntar «per què ara has fet això diferent». Aquesta pregunta és, en termes de Nonaka, una externalització forçada: estic convertint en explícit un criteri que fins ara només era tàcit, perquè un procés automatitzat necessita regles, no intuïció. És la feina que descric al mètode: documentar el procés tal com passa de veritat, amb les excepcions i els apanys inclosos, que és on sol viure la meitat del problema.

Un RAG no pot fer aquesta pregunta. Pot indexar la resposta un cop algú l’ha escrita, però no sap que hi ha una pregunta pendent de fer.

El límit que cap millora tècnica arregla

Això és important perquè hi ha una temptació fàcil: si un RAG no dona bones respostes, la solució sembla tècnica: millor chunking, millor model d’embeddings, més context. I sovint ho és, de tècnica. Però quan el problema és que la resposta simplement no existeix per escrit enlloc, cap ajust d’infraestructura la fa aparèixer. El límit no és de recuperació, és de contingut: no hi ha res a recuperar.

Aquest límit es queda igual encara que canviïs la manera de portar els documents al model. I aquí és on la conversa es trasllada del «què sap una organització» al «com li ho poses al davant a un model»: tot de cop, dins d’una finestra de context cada vegada més gran, o a trossos, amb un sistema de recuperació. És la pregunta tècnica que tractem al segon article: perquè per gran que sigui la finestra, segueix sent una finestra sobre el que ja està escrit. El substrat, el que no es veu, el que decideix si allò que hi construeixes arrela o s’asseca, continua sent, com sempre, el que ningú ha convertit encara en text.