LA GESTIÓN DEL CONOCIMIENTO EN LAS EMPRESAS

1. UNIVERSIDAD DE ORIENTE
NÚCLEO DE MONAGAS
CENTRO DE POSTGRADO
COORDINACIÓN DE POSTGRADO EN CIENCIAS ADMINISTRATIVAS
MAESTRÍA EN GERENCIA GENERAL
LA GESTIÓN DEL CONOCIMIENTO EN LAS
EMPRESAS
Asesor: Realizado por:
Profesora: Yamila Gazcón Nancys González
Diana Yazzan
Mairim Rosales
Briceira González
Ibrahim Rodríguez
Maturín, Agosto del 2015.

2. LA GESTION DEL CONOCIMIENTO EN LAS EMPRESAS
Las condiciones del entorno empresarial de hoy, donde la alta complejidad y la
fuerte competitividad se imponen, están convirtiendo a la gestión del conocimiento en la
empresa, en un elemento protagonista de vital importancia para asegurar la sostenibilidad
en el tiempo de los negocios y empresas del mundo.
De hecho, la globalización de las relaciones comerciales, la crisis mundial, el
desarrollo tecnológico y la aparición de sectores de rápido crecimiento, están haciendo
que la habilidad para obtener información y transformarla en un conocimiento
útil que pueda ser rápidamente incorporado en la organización para después, ponerlo en
práctica, sea la mejor ventaja con la que jugar frente a la competencia y el reto de atender
mejor a los clientes.
Es por esto que la gestión del conocimiento en la empresa se está alzando hoy día en
un elemento de gran importancia para quienes saben manejarla. Existe una correlación
importante entre la gestión del conocimiento en la empresa y su éxito.
Los motivos que explican esta correlación se deben a que una correcta gestión del
conocimiento en la empresa facilita una gestión más eficiente de elementos clave como:
• La información interna y externa en la organización.
• La innovación empresarial.
• La creación de rutinas organizativas más eficaces.
• La coordinación entre los distintos niveles organizativos.
• La rápida incorporación y asimilación de nuevas capacidades a los equipos.
Todo esto contribuye a crear procesos, productos y modelos de negocio más
exitosos, estableciendo rutinas en la organización que permiten:
• Mejorar los canales de distribución
• Mejores equipos de trabajo
• Mejores relaciones con clientes, proveedores, empleados etc.

3. La gestión del conocimiento es fundamental en las organizaciones ya que genera
beneficios importantes como una mayor comunicación entre los colaboradores, incremento
de la competitividad y liderazgo así como también la empresa vislumbra nuevas
oportunidades de negocio.
Pero sobre todo y lo más importante de la gestión del conocimiento es que nos
permite contar con una organización adaptativa a las circunstancias cambiantes del entorno.
Introducir la gestión del conocimiento en la empresa, tiene la virtud de transformar
poco a poco nuestras estructuras rígidas en elementos más flexibles, capaces de dotar a la
empresa de las herramientas necesaria para trasformar amenazas en oportunidades.
FACTORES QUE INVOLUCRA LA GESTIÓN DEL CONOCIMIENTO
La gestión de conocimiento involucra varios factores como: activos intangibles,
aprendizaje organizacional, capital humano, capital intelectual y relacional.
Activos intangibles
Son todos aquellos activos de una empresa que no existen físicamente, pero generan
valor y forman parte de la contabilidad; ejemplo: la marca de una empresa, ya que de esta
depende la confiabilidad y reconocimiento que genera ante los mercados determinando su
valor.
Aprendizaje organizacional
Es un proceso por el cual la empresa adquiere información y la transforma en
conocimiento obteniendo grandes beneficios para la organización con la finalidad de
administrarlo adecuadamente para el mejoramiento de la organización.

4. Capital humano
Es la mejora de la capacidad de los colaboradores dando como resultado el
incremento de la capacidad de producción.
Capital intelectual:
Es el conjunto de bienes intangibles como el conocimiento del recurso humano,
aprendizaje, las relaciones interpersonales de la cadena de suministros, marcas, entre otras,
que generan un valor a la empresa y como resultado una ventaja competitiva.
Algunas personas pueden pensar que la gestión del conocimiento es algo nuevo pero
en realidad se viene dando desde hace miles de años y se puede clasificar según el tiempo
en que se desarrolló, de esta manera la era Agraria que se dio del año 8000 a.c. 1750 y se
ejecutó en los asentamientos humanos, domesticación animales, cultivos, Tribus y primeras
ciudades.
La gestión del conocimiento surgió como una respuesta a necesidades de la
economía y de la sociedad: la globalización, las tecnologías de la comunicación y la
perspectiva cognitiva de la empresa u organización. La competencia de la empresa y la
manutención de sus activos cognitivos.
¿Por qué ahora, la gestión del conocimiento?
1. Por la denominada “economía del conocimiento o economía de la información”
Debido a ella el conocimiento y la información son progresivamente más importantes,
como recurso y también como producto. A raíz de esto las empresas se preocupan cada
vez por cómo utilizan estos recursos, y por lo que sucede cuando alguien abandona la
organización, como resultado de programas de reingeniería o de reducción de personal.
2. Por el proceso de globalización: Esto hace que este conocimiento deba ponerse en
manos de la organización y que este proceso se tenga que gestionar de algún modo.

5. Este ha hecho que muchas grandes empresas vean claramente la necesidad de que el
conocimiento que poseen en una parte del mundo sea aplicable fácilmente en otras
partes del mundo donde también tienen intereses.
3. Las nuevas Tecnologías.
En cierta medida, la tecnología ha dado la clave para realizar toda una serie de procesos
que ahora pueden automatizarse o estructurarse y que, por lo tanto, permiten gestionar algo
más eso que denominamos conocimiento.
Estas han aportado toda una serie de herramientas y metodologías que permiten hacer
muchas cosas relacionadas con el conocimiento que antes no podían llevarse a cabo.
FASES DE CICLO DE LA GESTIÓN DEL CONOCIMIENTO:
De conformidad con lo planteado por los autores Nonaka y Takuchi, existen seis fases
en el ciclo permanente que permita la incorporación de la Gestión del Conocimiento dentro
de una organización que administra el conocimiento organizacional como un recurso
estratégico. Estas etapas son:
1. Diagnóstico inicial de la Gestión del Conocimiento.
En esta primera fase los responsables deben medir el estado en que se encuentra el
sistema de Gestión de Conocimiento dentro de la organización. Es decir, definir las
necesidades de conocimiento y su gestión (tecnología, en procesos, personas y valores).
Dentro de los tipos de diagnósticos se pueden hacer mención a los siguientes métodos:
Mapa de Conocimiento Organizacional, Diagnóstico de Prácticas Habituales y Evaluación
de las Capacidades Dinámicas de la organización.

6. 2. Definición de los objetivos de conocimiento.
Proporcionan una dirección a la Gestión de Conocimiento en relación con la creación
de conocimientos y de competencias claves para fortalecer el desarrollo de sus estrategias.
Existen tres tipos de objetivos de conocimientos:
(a) Objetivos normativos, se relacionan u orientan a la concientización del valor del
conocimiento por parte de la organización;
(b) objetivos estratégicos; definen el conocimiento clave para la organización y las
necesidades de conocimiento nuevo;
(c) objetivos operativos, se relacionan con la implementación de la administración del
conocimiento, transformando los dos anteriores en metas concretas.
3. Producción de Conocimiento Organizacional.
Esta fase representa la base de sustentación de los procesos de aprendizaje
organizacional que a su vez permiten el desarrollo de las capacidades de adaptación que
requieren las organizaciones frente a los cambios en los entornos en los cuales se
desenvuelven.
4. Almacenaje y Actualización
Consiste en el almacenamiento de los conocimientos previamente codificados
ubicándolos en repositorios desde los cuales los usuarios pueden acceder fácilmente.
Uno de los factores determinantes de éxito de la función de almacenamiento es la
capacidad de navegabilidad que tiene dicho usuario en sus necesidades de estructurar
conocimientos de cierta complejidad en tiempos más reducidos. Es clave la participación de
especialistas de contenidos que aseguran la calidad y pertinencia de los mismos en relación
con las necesidades y el lenguaje del usuario, y de la seguridad del sistema.

7. 5. Circulación y utilización de conocimientos: los usuarios.
Consiste en la creación de los espacios de conversación e intercambio adecuados para
que se produzca la circulación del conocimiento tácito y explícito de la organización. Estos
ambientes son los propicios para que los conocimientos puedan fluir de forma
ininterrumpida.
Básicamente lo que se pretende es que se logre el objetivo de la distribución y el uso de
tal conocimiento.
Los usuarios pueden participar de una manera pasiva o activa, sin embargo se fomenta
la interacción para perfeccionar los servicios que se brindan. Dentro de los medios se
mencionan: Internet, las Intranets y Extranet, foros, chat, el video-conferencia, las
reuniones virtuales.
6. Medición del Desempeño
Esta es una fase que está presente periódicamente y cuyo objetivo es determinar en cada
uno de los ciclos en que se produce la medición misma, la tendencia en los indicadores que
se han seleccionado para visualizar de qué forma la Gestion de Conocimiento, está
produciendo impactos en los resultados esperados de la organización.
En líneas generales, los indicadores deben apuntar a medir la eficiencia y efectividad
que se logra en los procesos principales de Generar, Compartir y Utilizar conocimiento.

8. Tales indicadores permiten conocer: ¿(a) Qué capacidad de generación de conocimiento
ha desarrollado la organización a partir de la instalación de las prácticas de Gestión de
Conocimiento?, (b) ¿Cómo se están compartiendo los conocimientos tácitos y explícitos
existentes? y (c) ¿Cuál es la tasa de utilización del conocimiento que está disponible en la
organización?
En el mismo orden se determina la fuente de información a partir de la cual se obtendrá
la retroalimentación necesaria para los procesos de medición y se construyen las
herramientas tecnológicas que apoyarán cada etapa.
WEB SEMÁNTICA
La web semántica es un área prolífera, situada en la confluencia de la inteligencia
artificial y las tecnologías web, que propone nuevas técnicas y paradigmas para la
representación de la información y el conocimiento; para facilitar, tanto localizar como el
compartir, integrar y recuperar recursos. (Castells, 2005).
Actualmente, los sitios web emplean el HTML (Hypertext Markup Language) como
lenguaje estándar para la representación de la información. “La evolución experimentada
por el HTML desde sus inicios no sólo permite mostrar información textual sino que puede
incluir también imágenes, y presentarla en un formato particular”. (Maller & Dahaes).
Dicho enfoque propone enriquecer la estructura de la información y agregar
componentes semánticos que puedan procesarse de forma automática. La nueva generación
de formatos está encabezada por XML (Extensible Markup Language) y RDF (Resource
Description Framework), los cuales incluirán ontologías -taxonomía de conceptos con
atributos y relaciones que proporcionan un vocabulario consensuado para definir redes
semánticas de unidades de información interrelacionadas- que especificarán las reglas

9. lógicas para que los agentes de software reconozcan y clasifiquen cada concepto. (Castells,
2005).
La evolución del web, en opinión de Pablo Castells, durante los últimos 15 años, no
puede pasar por alto los siguientes acontecimientos:
 1989: Tim Berners Lee presenta su proyecto WWW en el CERN (Conseil Européen
pour la Recherche Nucléaire ).
 1993: Creación de los primeros servidores Web y el navegador Mosaic .
 1994: Creación del Consorcio Web (World Wide Web Consortium o W3C).
 1997: Creación de SHOE (Simple HTML Ontology Extensions), primer
antecedente de la web semántica, basado en HTML.
Son numerosos los proyectos desarrollados en Internet con lenguajes de
codificación de ontologías. El servidor Ontolingua, resultado del KSE (Knowledge Sharing
Effort), ofrece herramientas para crear ontologías, integrarlas con otras existentes e
incorporarlas a nuevos productos de software. Otro enfoque es el aportado por Luke,
Spector y Rager con el desarrollo de SHOE (Simple HTML Ontology Extensions) como
complemento semántico de HTML, que refleja el contenido de la página web y que puede
utilizarse por agentes de software para el descubrimiento de información. Posteriormente
SHOE ha evolucionado hacia RDF, y es OWL (Web Ontology Language), la más reciente
especificación, mantenida por el Consorcio del Web y que intenta proveer de un lenguaje
que pueda utilizarse para describir clases y relaciones entre ellas inherentes a documentos y
aplicaciones web. (Castells, 2005)
La utilización de ontologías también está presente en el proyecto FERMI
(Formalization and Experimentation on the Retrieval Multimedia Information), bajo la

10. supervisión de C. J “Keith ” van Rijsbergen, en el que se incluyen herramientas de
planificación, descubrimiento y selección de recursos de información multimedia. El
proyecto IMP ( Information Manifold Project ) desarrollado en el ámbito de Bell Labs, en
el que se hace uso de las ontologías para identificar las fuentes de información pertinentes a
una búsqueda, acceder a ellas, obtener documentos relevantes, compararlos, seleccionar los
más adecuados y ofrecer un resumen previo al usuario. En el ámbito de la medicina, se
destaca el proyecto UMLS (Unified Medical Language System), desarrollado por la
National Library of Medicine de los Estados Unidos, que utiliza las ontologías como una
herramienta más para el acceso, integración y recuperación de información biomédica.
(Castells, 2005)
En este sentido, el grupo de trabajo SWAD Europe (Semantic Web Advanced
Development ), “tiene como objetivo poner de manifiesto, mediante ejemplos prácticos,
cómo este conjunto de tecnologías suponen una ventaja real para la actual web, y resuelven
problemas en áreas como: tesauros, clasificaciones, agendas, búsqueda de recursos
etcétera”. (Matthews, Wilson , & Brickley , 2002)
A partir de la integración de toda una infraestructura tecnológica, “que permita el
intercambio global de conocimiento asistido por máquina”, 4 y la codificación del
significado de la información mediante lenguajes de marcado, toma forma el concepto de la
web semántica como “una extensión del web actual en el que el significado de la
información esté bien definido, y permita al hombre y las máquinas trabajar en estrecha
cooperación”. (Berners Lee, Handler , & Lassila, 2001)
La web semántica es una extensión del web cuya idea básica es tener los datos
definidos y relacionados para que su uso sea más efectivo y sea posible su automatización,
integración y re-utilización por medio de diferentes aplicaciones, es decir, pretende
proporcionar una infraestructura que permita que las páginas web, las bases de datos, los

11. programas y aplicaciones, los dispositivos, tanto personales como los empleados en el
hogar, puedan consumir y producir datos, sin los problemas causados por los diferentes
protocolos de acceso a la información que hacen de la transferencia de contenidos una tarea
ardua y difícil. El soporte principal para la organización, almacenamiento y distribución de
la información siguen siendo los sistemas taxonómicos, es decir, sistemas de clasificación
que respondan a necesidades concretas de las empresas, bibliotecas y centros de
información en favor no sólo de los usuarios humanos, sino de las máquinas también.
REPRESENTACIÓN GRÁFICA DEL CONOCIMIENTO
Taxonomías: concepto y aplicación
Cuando se busca información en las páginas amarillas de un directorio telefónico,
específicamente en el índice de categorías, encontramos en los encabezamientos de
Automóviles otras subcategorías:
- Automóviles, agencias de.
- Automóviles, alquiler de.
- Automóviles, reparaciones.
Ello representa un ejemplo de taxonomía; el conjunto de páginas es una gran
taxonomía ordenada alfabéticamente con la finalidad adicional de asistir al usuario en la
búsqueda de información. “El primer acercamiento hacia la web semántica y el uso de
servicios web (Web Servicies) es la expresión de taxonomías legibles por máquina“. 6 Las
taxonomías constituyen formas de clasificar y categorizar un grupo de elementos en forma
de jerarquías; es simplemente una estructura en forma de árbol con ramificaciones y cada
punto de estas constituye un nodo. De forma general, para la Biología una taxonomía
propone “el estudio de los principios generales de la clasificación científica: en particular,
la clasificación sistemática, es la clasificación ordenada de plantas y animales acorde con
sus relaciones naturales”. (Merriam- Webster Online).

12. La evolución acelerada de las tecnologías de información ha provocado que el
concepto de taxonomía -que hasta hace pocos años se manejaba sólo en el campo
biológico- atienda no solamente a construcciones abstractas del lenguaje natural, sino
también a la clasificación de entidades de información en forma de jerarquías, según las
relaciones que en el mundo real ellas representan.
Así cada nodo de la taxonomía constituye una entidad de información que tiene
lugar en mundo real y cada enlace entre nodos representa una relación entre clases, donde
estas relaciones, a su vez, representan clases de objetos, cuya terminología se le atribuye a
la programación orientada a objetos en Informática.
En la medida que se asciende o desciende en determinada jerarquía, las taxonomías
adquieren un grado mayor o menor de generalización o especificación. En la clasificación
de información, permiten establecer relaciones simples o compuestas para un espacio de
información -esquemas de meta-datos, tesauros, modelos conceptuales, Topic Maps y
ontologías.
Desde este punto de vista, una taxonomía es una jerarquía semántica en la que las
entidades de información se relacionan mediante clases y subclases; la primera es
semánticamente más fuerte que la segunda, y por ello se enfatiza en las taxonomías
semánticamente débiles y semánticamente fuertes. Las taxonomías del primer orden
carecen de complejidad para expresar agudeza o riqueza en el significado, pero las del
segundo orden tratan de utilizar la noción de propiedades o atributos para diferenciar una
subclase de la clase superior.
El ciclo de vida de un agente depende de sus características, de las tareas que realice
y de los deseos de su usuario en cuanto al tiempo durante el cual debe ejecutarse. De ahí, la

13. movilidad como capacidad del agente para viajar por toda la red, nodo a nodo, en busca de
recursos que cumplan con su estrategia de búsqueda. La movilidad no es una propiedad
indispensable para un agente, sino que modifica la forma en que cumple con sus objetivos;
en este caso, puede recurrir a los recursos que ofrece una red de computadoras, y aportar
una nueva forma de computación distribuida. Según esto, Berney propone una clasificación
de agentes de acuerdo con sus líneas de investigación y desarrollo:
- Agentes de interfaz: Un agente de interfaz es un software cuasi-inteligente que asiste a
un usuario cuando interactúa con una o más aplicaciones. La motivación es que se les
pueda delegar tareas complejas y laboriosas. Son asistentes personales que reducen el
trabajo ante la sobrecarga de información, por ejemplo, el filtrado de los mensajes de correo
electrónico o la recuperación de archivos en Internet.
- Agentes de colaboración: Constituyen sistemas multiagentes, es decir, existe más de un
agente dedicado a satisfacer los requerimientos de sus usuarios. Para ello, es necesario
contar con esquemas de comunicación entre agentes que posibiliten la cooperación y el
intercambio de conocimiento.
- Agentes móviles: Los agentes móviles son aplicaciones capaces de viajar por una red de
computadoras, interactuando con servidores externos y recolectar información en nombre
de su dueño y retornar luego de completar las tareas establecidas previamente.
- Agentes de recuperación de información: El objetivo principal de los agentes dedicados
específicamente a la recuperación de información es obtener información para el usuario.
La motivación para su construcción es que con el crecimiento vertiginoso de Internet, la
cantidad de información accesible supera el tiempo de disponible para analizarla.
“El papel del agente inteligente en el proceso de recuperación semántica de información no
debe confundirse con la de un buscador inteligente". 40 Un buscador inteligente se
aprovechará del enriquecimiento semántico de los recursos web para mejorar,
principalmente, en la precisión y la recuperación de información. , aunque su
funcionamiento se basará, como los actuales buscadores, en la previa indización de todos
aquellos recursos susceptibles de recuperarse. Por otra parte, el agente inteligente recorrerá

14. el web por medio de enlaces entre recursos (taxonomías, tesauros, ontologías) en busca de
aquella información que le sea solicitada y puede además interactuar con el entorno para el
cumplimiento de tareas encomendadas mediante la utilización de esquemas de metadatos
codificados en esquemas RDF ( RDF Schema ) que pudiesen procesar y reutilizar
ontologías.
La web semántica proyecta como uno de sus fundamentos el desarrollo de sistemas
de información basados en el conocimiento de agentes inteligentes para lograr la
interoperabilidad, no sólo sintáctica y semántica, sino entre aplicaciones
independientemente de la acción de los usuarios de la red. Sustentados sobre la base de la
heterogeneidad, constituyen nuevos métodos para la organización y la recuperación de
información en entornos distribuidos.
SISTEMA EXPERTO
Es una rama de la Inteligencia artificial; son sistemas informáticos que simulan el
proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción
en consecuencia de un experto humano en cualquier rama de la ciencia.
CARACTERÍSTICAS
Para que un sistema actúe como un verdadero experto, es deseable que reúna, en lo
posible, lo más importante de las características de un experto humano, esto es:
 Habilidad para adquirir conocimiento.
 Fiabilidad, para poder confiar en sus resultados o apreciaciones.
 Solidez en el dominio de su conocimiento.
 Capacidad para resolver problemas.
Dada la complejidad de los problemas que usualmente tiene que resolver un sistema
experto, puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por

15. este motivo, es una condición indispensable que un sistema experto sea capaz de explicar
su proceso de razonamiento o dar razón del por qué solicita tal o cual información o dato.
Estas características le permiten almacenar datos y conocimiento, sacar conclusiones
lógicos, tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse
con expertos humanos, explicar por qué con expertos humanos, explicar el porqué de las
decisiones tomadas y realizar acciones como consecuencia de todo lo anterior.
Técnicamente un sistema experto, contiene una base de conocimientos que incluye la
experiencia acumulada de expertos humanos y un conjunto de reglas para aplicar ésta base
de conocimientos en una situación particular que se le indica al programa. Cada vez el
sistema se mejora con adiciones a la base de conocimientos o al conjunto de reglas.
COMPONENTES DE UN SISTEMA EXPERTO
 Separan conocimientos (reglas y hechos) y el procesamiento; se le añade una
interfase de usuario y un componente explicativo; los siguientes componentes
pueden estar estructurados de formas muy variadas.
 Base de conocimientos: Contiene el conocimiento de los hechos y las experiencias
de los expertos en un dominio determinado
 Mecanismo de inferencia: Puede simular la estrategia de solución de un experto
 Componente explicativo: Explica al usuario la estrategia de solución encontrada y el
porqué de las decisiones tomadas.
 Interfase de usuario: Sirve para que este pueda realizar una consulta en un lenguaje
lo más natural posible
 Componente de adquisición: Ofrece ayuda a la estructuración e implementación del
conocimiento en la base de conocimientos.
TIPOS DE SISTEMAS EXPERTOS

16. Existen tres tipos de sistemas expertos:
 Basados en reglas: Aplicando reglas heurísticas apoyadas generalmente en lógica
difusa para su evaluación y aplicación.
 Basados en casos CBR (Case Based Reasoning): Aplicando el razonamiento basado
en casos, donde la solución a un problema similar planteado con anterioridad se
adapta al nuevo problema.
 Basados en redes: Aplicando redes bayesianas, basadas en estadística y el teorema
de Bayes.
¿POR QUÉ UTILIZAR UN SISTEMA EXPERTO?
Con su ayuda, personas con poca experiencia pueden resolver problemas que
requieren un "conocimiento formal especializado". Se pueden obtener conclusiones y
resolver problemas de forma más rápida que los expertos humanos. Estos sistemas razonan
pero en base a un conocimiento adquirido y no tienen sitio para la subjetividad. Se ha
comprobado que tienen al menos, la misma competencia que un especialista humano.
Su uso es especialmente recomendado en las siguientes situaciones:
 Cuando los expertos humanos en una determinada materia son escasos.
 En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
 Cuando es muy elevado el volumen de datos que ha de considerarse para obtener
una conclusión.
 Diferencias entre sistemas expertos y los tradicionales
 Sistemas expertos:
 Toman Decisiones
 Calculan Resultados
 Basados en Heurísticas
 Dan Explicaciones de los Resultados
 Usan Reglas de Inferencia

17.  Accedan Bases de Conocimientos (Deductivas)
 Centrados en el Experto y el Usuario
 Manejan Conocimiento Impreciso, Contradictorio o Incompleto
 Usan Datos y Lenguajes Simbólicos
 Sistemas tradicionales:
 Calculan resultados
 Basados en Algoritmos
 Dan Resultados sin Explicaciones
 Usan Secuenciación, Ciclos y Condicionales
 Acceden a Bases de Datos
 Centrados en el Analista y el Programador
 Conocimientos Precisos, Completos y Exactos
 Usan Datos Numéricos y Lenguajes Procedurales.
VENTAJAS
 Producción y productividad mayores. Pueden trabajar más rápido que lo humanos.
Están disponibles ininterrumpidamente de día y noche, ofreciendo siempre su
máximo desempeño. Pueden duplicarse ilimitadamente, i.e. tener tantos de ellos
como se requieran.
 Mayor calidad: Dan la probabilidad de aumentar la calidad proporcionando asesoría
consistente y reduciendo las tasas de error.
 Operación en entornos peligrosos. Muchas tareas requieren que los seres humanos
operen en entornos hostiles y peligrosos.
 Captación de experiencia escasa y su dimensión. Uno de los principales beneficios
de los sistemas expertos es su facilidad de trasmitir experiencia a través de fronteras
internacionales.

18.  Siempre se ajustan a las normas establecidas y son consistentes en su desempeño,
i.e. no desarrollan apreciaciones subjetivas, tendenciosas, irracionales o
emocionales.
 Confiabilidad. Los sistemas expertos son confiables. No padece de olvido, fatiga,
dolor o comete errores de cálculo.
 No requiere un sueldo, promociones, seguros médicos, incapacidades.
 Accesibilidad al conocimiento y escritorios de vida. Hacen accesible el
conocimiento (y la información) a mucha gente en diversos lugares. Siempre están
dispuestos a dar explicaciones, asistir o enseñar a la gente, así como a aprender.
 Pueden tener una vida de servicio ilimitada. Funciones incrementadas de otros
sistemas expertos. La integración de un sistema experto con otros sistemas expertos
hacen que estos últimos se vuelvan más eficientes, los sistemas integrados abarcan
más aplicaciones, trabajan más rápido y producen resultados de mayor calidad.
 Capacidad para trabajar con información incompleta o inconcreta. En contraste con
los sistemas de cómputo convencionales, un sistema experto puede trabajar con
información incompleta al igual que los expertos humanos.
 Impartición de capacitación. Es factible que un sistema experto facilite la
capacitación. El personal nuevo que trabaja con un sistema experto se vuelve más
experimentado. La fusión de explicación puede servir como un dispositivo de de
enseñanza y de ese modo puede efectuar apuntes que tal vez se inserten en la base
de conocimiento.
 Mejoramiento de las funciones para resolver problemas. Un sistema experto mejora
la solución de problemas permitiendo la integración de juicios de expertos de
primera línea en el análisis. De este modo, un sistema experto tiene la posibilidades
resolver problemas cuyo enlace y conocimiento supera a los de cualquier individuo.
 Reducción del tiempo para la toma de decisiones. Con el empleo de la
recomendación del sistema, un ser humano puede tomar decisiones mucho más
rápido.
 Reducción del tiempo fuera de servicio. Muchos sistemas expertos operacionales se
emplean para diagnosticar malos funcionamientos y prescribir reparaciones.

19. DESVENTAJAS
 Tienen una noción muy limitada acerca del contexto de problema, i.e. no pueden
percibir todas las cosas que un experto humano puede apreciar de un situación.
 Pueden existir decisiones que sólo son de competencia para un ser humano y no una
máquina.
 No saben cómo subsanar sus limitaciones, e.g. no son capaces de trabajar en equipo
o investigar algo nuevo.
 Son muy costosos de desarrollar y mantener.
 Tareas que realiza un Sistema Experto Monitorización.
 La monitorización es un caso particular de la interpretación, y consiste en la
comparación continua de los valores de las señales o datos de entrada y unos valores
que actúan como criterios de normalidad o estándares. Se trata de que el programa
pueda determinar en cada momento el estado de funcionamiento de sistemas
complejos, anticipándose a los posibles incidentes que pudieran acontecer.
INTEGRACIÓN Y MIGRACIÓN DE LOS SISTEMAS EXPERTOS.
Los sistemas expertos, salvo excepciones, no están aislados sino que forman parte
de otros sistemas, expertos o convencionales. Existen dos tipos básicos de arquitectura de
integración. En la primera, el sistema basado en el conocimiento forma parte de otro
sistema principal. Así, si el sistema necesita comunicarse con el sistema basado en el
conocimiento, entablará una comunicación directamente o a través de una red.
En la segunda el sistema basado en el conocimiento es el sistema principal y está
conectado a otros sistemas basados en el conocimiento o convencionales, que le ayudan en
su operación. Como ejemplo están los subsistemas que realizan complejos cálculos
matemáticos necesarios durante el proceso de razonamiento.

20. En ambos casos debe garantizarse una comunicación fluida de todos los sistemas,
aunque estén funcionando en plataformas diferentes, ya sea directamente o a través de una
red local. Este aspecto es crítico en sistemas basados en el conocimiento en tiempo real, los
cuales requieren un rápido acceso a la información relevante y a las bases de datos para
poder ofrecer una solución inmediata y satisfactoria.
Por tanto, habrá que fijarse en las posibilidades de conexión a las bases de datos
más conocidas y, en especial, a aquélla que se esté utilizando como estándar en la
organización así como la posibilidad de llamar a rutinas externas en diferentes lenguajes y
viceversa, o la invocación del sistema basado en el conocimiento desde otros sistemas.
Un aspecto fundamental a tener en cuenta es la portabilidad de la herramienta
(herramientas multiplataforma). En este aspecto hay que valorar no sólo si la herramienta es
susceptible de funcionar en diferentes plataformas sino también el coste del cambio de
plataforma. Existen herramientas que permiten pasar de una plataforma a otra sin apenas
esfuerzo, lo que facilitará la comercialización y el uso de los sistemas que se desarrollen.
TENDENCIAS FUTURAS
El mercado de herramientas para el desarrollo de sistema experto está sufriendo una
profunda transformación debido a una reorganización en el mercado informático y al
cambio de estrategia de las compañías dedicadas al desarrollo de estas herramientas. Son
cada vez más las compañías que antaño se dedicaban exclusivamente a la Inteligencia
artificial y que han decidido introducirse en otros mercados más amplios. Esto ha
provocado una confusión que irá en aumento a medida que las empresas que integraban el
grupo del mercado de la inteligencia artificial pasen a comercializar otro tipo de productos.
El mercado se ha ido reconfigurando aprovechando las experiencias del pasado y el avance
tecnológico. Así se ha pasado de utilizar máquinas específicas (por ejemplo máquinas
LISP) a usar ordenadores comunes (estaciones de trabajo, ordenadores personales, etc.).
Las aplicaciones eran muy específicas y ahora el ámbito es mucho más amplio. Los

21. sistemas basados en el conocimiento estaban pensados para trabajar de forma aislada y
ahora se conciben integrados con otros sistemas. Y, finalmente, el número de personas
formadas en estas técnicas es mucho mayor que las existentes hace unos años. Un análisis
del mercado actual lleva a distinguir seis categorías de herramientas en función de la
plataforma de desarrollo y de operación que lo estructuran:
Se clasifican en:
 Según plataformas
 Según herramientas de desarrollo:
 Lenguajes (LISP, PROLOG, C++,...)
 "Shell" (utilizando esos entornos)
 CBR
 Otra clasificación:
 Herramientas de propósito general
 Herramientas de dominio.
Las herramientas de desarrollo de sistemas basados en el conocimiento se pueden
clasificar de varias formas.
Según la plataforma de desarrollo y de operación que lo estructuran podemos distinguir
cuatro tipos:
 Herramientas para PCs y Macintosh: Hasta hace poco, las herramientas que
existían para estos entornos estaban orientadas al desarrollo de sistemas pequeños y
prototipos. Actualmente, y dado el aumento de la potencia de los PCs, hay
herramientas que antes sólo funcionaban en estaciones de trabajo y ahora tienen
versiones para PC.
 Herramientas para estaciones de trabajo: Aunque el número de herramientas en
este sector no ha sufrido grandes variaciones, la aparición de nuevas herramientas
catalogadas como herramientas orientadas a dominios específicos podrían incluirse
en esta categoría. Este mercado presenta el mayor volumen de ventas, y puede ser

22. considerado sin duda, junto con el de los PCs, el que tiene más proyección de
futuro. De hecho, aquellas compañías que no ofrecen una buena herramienta para
estaciones de trabajo están realizando esfuerzos para colocar en el mercado un
producto capaz de competir en este entorno.
 Herramientas para mainframes: El número de herramientas en este mercado es
pequeño y se prevé que en los próximos años descienda lenta pero continuamente
hasta desaparecer, ya que las compañías que los comercializan se están desplazando
hacia las herramientas para estaciones de trabajo y PCs.
 Herramientas Lisp: Son ordenadores con arquitecturas especiales para ejecutar
programas Lisp. El interés por herramientas Lisp continúa descendiendo así como el
número de productos en el mercado. Se prevé un descenso continuo en los próximos
años.
Según el alcance de la herramienta podemos dividirlas en:
 Herramientas de Propósito General. No están especialmente concebidas para
tratar problemas específicos. Tienen como ventaja su capacidad para ser empleadas
en gran variedad de problemas.
Orientadas a dominios y problemas específicos. Esta última categoría representa el
mayor grupo de herramientas en el mercado. Se trata de herramientas que abordan
problemas o áreas específicos. Ahorran mucho tiempo de desarrollo en el caso de ser
aplicadas en los dominios para los que se diseñaron. El número permanece estable aunque
con perspectivas de crecimiento en los años venideros debido al gran interés existente en
este tipo de herramientas.
Por último podemos realizar una última división atendiendo al lenguaje o técnica para
el que sirve la herramienta y así podemos distinguir entre:
 Herramientas CBR (Case-Based Reasoning): La demanda de herramientas de este
tipo se está consolidando mediante la mejora de la calidad de sus productos con más

23. utilidades y nuevos componentes. Son herramientas de razonamiento basadas en
casos, para a partir de ellos inducir las reglas y criterios por similitud.
 Herramientas para lenguajes Lisp, Prolog, C++. Son entornos de desarrollo;
proporcionan las utilidades necesarias (editores, compiladores, depuradores) para
poder programar de forma cómoda en estos lenguajes. (Se incluye el C++ porque
cada vez hay más programas basados en el conocimiento que se desarrollan en él).
 Shells. Son entornos de desarrollo completo y particular. Contienen un motor de
inferencia y utilizan métodos propios de representación del conocimiento que
pueden ser más o menos parecidos al Lisp o al Prolog. Sirven principalmente para el
desarrollo de prototipos aunque también pueden utilizarse como herramientas
finales. Algunos ejemplos son CLIPS, ART, G2.
ESTRATEGIAS PARA CAPITALIZAR EL CONOCIMIENTO
El modelo propuesto por Alejandro Pavez (2000) cuenta con cinco etapas, que muestran
el curso de acción para la implantación de la Gestión del conocimiento dentro de la
Organización.
A continuación se presenta resumidamente las características de cada etapa del ciclo.
ANALISIS DE LA SITUACION ACTUAL
Analizar la situación actual y la proyección futura de los recursos y capacidades de la
organización. Establecer las ventajas competitivas y una visión del potencial actual y futuro
sobre el cual se basará el desarrollo estratégico de la organización. Establecer equipo de
trabajo que tendrá como tarea desarrollar el análisis:
 Establecer definiciones prácticas: Sobre lo que la organización entiende por
'conocimiento‘. Debe estar enraizada en el concepto de 'valor', propio de la
organización.

24.  Establecer posición estratégica actual: permitirá establecer la situación actual y
futura deseada, la cual orientará los planes de acción. Analizando la competencia y
la posición en el mercado.
 Análisis de capacidades: deben abarcarse tanto las capacidades que la empresa
posee actualmente como las que requiere para dominar el sector al cual pertenece.
 Análisis de conocimiento: Esta catalogación deberá generar lo que podríamos
identificar como un mapa de conocimiento.
DISEÑO DE ESTRATEGIA
Importancia del conocimiento a nivel estratégico dentro de la organización. Base para el
éxito de los diferentes proyectos Gestión del Conocimiento que se establezcan en la
organización.
 Evaluación de competencias centrales
 Análisis de capacidades secundarias
 Análisis de brechas de conocimiento
 Análisis de recursos (financieros, físicos, humanos, tecnológicos, organizacionales y
reputación
 Definición de una meta estratégica, objetivos estratégicos; desarrollo, evaluación y
selección de alternativas.
 Desarrollo de planes de corto/mediano/largo plazo/contingencia
DISEÑO DE ARQUITECTURA
Comprende el contexto de las necesidades y proyecciones establecidas. Reconoce el
grado de adaptabilidad tecnológica. Establece criterios de diseño e integración a largo
plazo.
 Inversiones
 Necesidades de Software

25.  Necesidades de Hardware
 Alineación de otros sistemas con los requerimientos futuros.
IMPLEMENTACIÓN
Se debe coordinar todos los esfuerzos necesarios para el desarrollo del proyecto.
Establecer las directrices básicas de implementación en torno a las condiciones propias del
desarrollo estratégico. Ejecutar los planes, creación del clima organizacional entre otros.
MEDICIÓN Y EVALUACIÓN
Visualizar los resultados obtenidos desde el punto de vista valorativo (factores de
rendimiento), desde el punto de vista ambientalista (percepción de los resultados).

26. BIBLIOGRAFÍA
1. Maller P, Dahaes V. Web Semántica: el salto evolutivo de la Web. Disponible en:
http://www.proyectoweb.org/boletines/034-marz03.html [Consultado: 20 de
septiembre.
2. Castells P. Aplicación de técnicas de la web semántica. Disponible en:
http://giig.ugr.es/~mgea/coline02/Articulos/pcastells.pdf [Consultado: 01 de Agosto
del 2005].
3. Matthews B, Wilson M, Brickley D. Semantic Web Advanced Development in
Europe. ERCIM News 2002;(51):15-6.
4. Berners Lee T, Handler J, Lassila O. The Semantic Web. Scientific American 2001;
284(5).
5. Daconta MC, Obrst Leo J, Smith KT. The Semantic Web: A guide to the future of
XML, Web Services and Knowledge Management. New York: Wiley, 2003 p. 145.
6. Merriam- Webster Online. Disponible en: www.m-w.com [Consultado: 01 de
Agosto del 2015].
7. Berney B. Software Agents. A Review. Manchester: Manchester Metropolitan
University, 1996.
8. Cuena, J. Notas sobre modelos de razonamiento. Dpto. de I.A., Facultad de
Informática, UPM, 1995.
9. Jackson, P. Introduction to Expert Systems Addison-Wesley, 1990.
10. Sterling, L. y Shapiro, E. The Art of Prolog (Segunda edicion) MIT Press, 1993.

27. 11. Bratko, I. Prolog Programming for Artificial Intelligence, Addison-Wesley Ltd.
1986.
12. Clocksin y Mellish. Programming in Prolog, Springer-Verlag, 1981.
13. Shoham, Yoav Artificial Intelligence Techniques in Prolog, Morgan Kaufmann,
1993.
14. Bowen, Kenneth A. Prolog and Expert Systems, McGraw-Hill, 1991.
15. Castillo, E., Gutiérrez, J.M. and Hadi, A.S. (1997) Expert Systems and probabilistic
Network Models. Springer Verlag, New York. Versión castellana publicada por la
Academia de Ingeniería (1998).
16. Pavez, Alejandro. Modelo de implantación de Gestión del Conocimiento y
tecnologías de información para la generación de ventajas competitivas. Valparaiso
2000. Tesis
17. Casanova C. El rol de los sistemas de información en la gestión del conocimiento en
las empresas. Revista Petrotecnia, junio 2009.
18. Portela L. Los sistemas de gestión de información, piedra angular de la estrategia
integral de gerencia. 1998. Disponible en:
http://www.bibliociencias.cu/gsdl/collect/eventos/index/assoc/HASH01f2.dir/doc.p
df [Consultado: 01 de agosto de 2015].