Por qué el 80% de la información más valiosa de una empresa termina perdida en los chats

El conocimiento empresarial que todos pasan por alto

Después de años construyendo productos y entregando proyectos, notamos un problema que aparece en casi todas las empresas.

La información más valiosa de una empresa normalmente no está en documentos ni en bases de conocimiento — está dispersa entre diversas herramientas de chat.

En China, la mayor parte de la comunicación entre equipos y entre empresas sigue ocurriendo en WeChat; incluso con herramientas como Feishu y DingTalk, no logran reemplazarlo del todo. En proyectos internacionales, la mezcla suele ampliarse a WhatsApp, Slack, Teams y otras aplicaciones de mensajería.

Sea cual sea la herramienta, los comentarios de clientes, las discusiones de ingeniería, la investigación de errores, las decisiones improvisadas, la experiencia compartida — la información realmente valiosa casi siempre nace en medio de una conversación.

Pero una vez que la conversación termina, esa información se dispersa en un rastro de mensajes de chat.

Todo equipo de ingeniería ha vivido esta escena

La mayoría de los equipos de ingeniería ha tenido una tarde así.

De pronto surge un problema en producción. Alguien del equipo lo mira y dice:

“Este problema ya lo resolvimos antes.”

Entonces todos empiezan a revisar registros de chat, a buscar palabras clave, a cazar capturas de pantalla — incluso a rastrear un documento que alguien compartió alguna vez.

Tras unos diez minutos, alguien por fin encuentra el chat relevante.

Pero la única captura que importaba ya expiró y no abre.

“¿Alguien todavía tiene esa captura?”

“¿Sigue ese chat en tu historial?”

Nadie está seguro.

Al final, todos vuelven a analizar, vuelven a investigar y vuelven a discutir — como si el problema nunca hubiera ocurrido antes.

Lo que de verdad se pierde es más que un registro de chat

Con el tiempo nos dimos cuenta de que esto no es el problema de un solo equipo — es un problema que tiene casi toda empresa.

La información verdaderamente valiosa no se produce al escribir documentos. Surge de manera natural en el proceso de discutir, analizar y resolver problemas.

Una línea de comentario de un cliente, una discusión de ingeniería, una captura, una investigación de un error — esos fragmentos dispersos son justamente lo que constituye el conocimiento más precioso de una empresa.

Pero cuando la conversación termina, quedan atrás en los registros de chat, poco a poco sepultados bajo mensajes nuevos, sin llegar nunca a tener una oportunidad real de ser capturados.

Volvimos a descomponer el problema

Más tarde reexaminamos todo y comprendimos que el verdadero problema a resolver no son los registros de chat en sí, sino todo el flujo por el que se mueve la información.

Primero, cómo recolectarla.

Distintos equipos usan distintas herramientas de chat — WeChat, WhatsApp, Slack, Teams — así que la información entra por todo tipo de puertas. Necesitábamos un único punto de entrada unificado en lugar de mantener una integración completamente distinta para cada plataforma.

Segundo, cómo entenderla.

En ingeniería, buena parte de la información clave no es texto en absoluto — son capturas de pantalla. Mensajes de error, registros, páginas, configuraciones… muy a menudo una imagen contiene mucho más que varios párrafos de texto. Por eso la IA necesita entender no solo palabras sino también imágenes, para que esos fragmentos puedan formar un contexto completo.

Tercero, cómo estandarizarla.

Ante el mismo problema, cada quien lo expresa de forma distinta — con distinta capacidad de síntesis y distinto nivel de completitud. Unos mandan una sola línea, otros vuelcan un montón de capturas, otros omiten el contexto crítico. Al final, el equipo de ingeniería igual tiene que dedicar mucho tiempo a reorganizar, completar y confirmar.

Queríamos que la IA se encargara de este paso — convertir fragmentos dispersos en una descripción del problema unificada, completa y precisa, para que cada incidencia enviada alcance un nivel de calidad relativamente consistente en vez de depender de la capacidad de expresión de cada persona.

Por último, cómo entrar en el flujo de trabajo de la empresa.

Para una empresa, el objetivo no es generar un resumen — es que la información siga fluyendo por el proceso de gestión de ingeniería existente. Ya sea un error, una petición de función o una tarea, debe entrar automáticamente en el sistema de gestión que la empresa ya tiene para seguir su seguimiento e iteración, de modo que la información antes dispersa en los chats se convierta de verdad en parte de lo que la empresa acumula y mejora de forma continua.

Por qué terminamos eligiendo el correo electrónico

Una vez que descompusimos el problema, el camino se volvió más claro.

Probamos muchos métodos de recolección y estudiamos las API de distintas plataformas de chat, pero cada plataforma tiene su propio ecosistema, mecanismos de seguridad y restricciones — difícil de convertir en una solución estable a largo plazo.

Así que volvimos la mirada a una capacidad pasada por alto: el correo electrónico.

La gente suele recurrir al correo solo en situaciones no urgentes, y sin embargo casi toda herramienta de chat admite “reenviar por correo.” No depende de las API de las plataformas ni se ve afectado por cambios de políticas — lo que lo convierte en el punto de entrada universal más estable.

Por eso hicimos del correo el punto de entrada unificado.

No es que no quisiéramos recolectar todos los registros de chat automáticamente — es que en las condiciones actuales eso es difícil de lograr. En comparación, el reenvío manual es más realista y más controlable.

Porque la información que de verdad vale la pena capturar es, de entrada, solo una pequeña fracción.

Cuando decides que una conversación vale la pena guardar, basta con dedicar unos segundos a reenviar un correo — y el resto, desde organizar la información hasta comprender el contenido, reconocer imágenes, destilar el problema y hacerlo avanzar, lo maneja todo la IA automáticamente.

Este enfoque filtra enormes cantidades de ruido a la vez que preserva al máximo los hábitos existentes del equipo — capturando información genuinamente valiosa al menor costo posible.

Algunas reflexiones sobre los agentes empresariales

Después de construir de verdad todo el sistema, nuestro mayor cambio no fue técnico — fue en cómo entendemos la IA empresarial.

Antes tratábamos estos registros de chat como datos, con la esperanza de simplemente conservarlos.

Solo más tarde comprendimos que el mero hecho de tener datos no genera valor de forma directa.

El verdadero valor reside en que esos datos entren de manera continua en el flujo de trabajo de la empresa y se conviertan en una base que un agente empresarial pueda entender, ejecutar e iterar continuamente.

Hoy, cada vez más empresas están construyendo sus propios agentes de IA.

Pero cuando muchos agentes llegan de verdad a producción, chocan con el mismo problema: los modelos son cada vez más potentes y los flujos de trabajo cada vez más ricos, pero les falta de forma constante una fuente de datos continua, real y de alta calidad.

Sin datos, incluso el mejor agente se queda atascado en la etapa de demostración.

Y cuando los registros de chat, los problemas, las discusiones y la experiencia que una empresa produce cada día pueden capturarse, estandarizarse y alimentar de forma continua el proceso de ingeniería existente, esos datos se convierten en algo más que registros históricos — se convierten en la base sobre la que un agente empresarial sigue aprendiendo, colaborando y creando valor.

Esa es la razón por la que finalmente liberamos Devify como código abierto.

Esperamos que sea más que un organizador de registros de chat — queremos que se convierta en el punto de entrada de datos para la era de los agentes empresariales, convirtiendo de forma continua la información real que una empresa produce cada día en capacidades que puedan de verdad impulsar la IA.

Cómo probar Devify

Devify es de código abierto en GitHub (https://github.com/cloud2ai/devify). Si quieres una prueba rápida, ofrecemos dos opciones.

Opción 1: El SaaS — pruébalo directamente

Abre https://aimychats.com y regístrate para usarlo de inmediato, sin necesidad de despliegue — ideal para desarrolladores individuales o equipos pequeños que validan todo el flujo. La ruta de extremo a extremo: herramientas de chat (WeChat / WhatsApp / Slack) → reenviar al correo → Devify procesa automáticamente → resultados estructurados (Bug / ToDo / Tarea / Resumen) → sincronizar con Jira, Feishu Bitable y sistemas similares.

Opción 2: Despliegue local / autoalojado (recomendado)

Ideal para equipos con requisitos de seguridad de datos e integración de sistemas. Devify admite despliegue totalmente local, y la forma más sencilla es con Docker:

git clone https://github.com/cloud2ai/devify.git
cd devify
cp env.sample .env   # copia la plantilla, ajústala según necesites
docker compose up -d

⚠️ El repositorio incluye una plantilla, env.sample, mientras que Docker Compose lee .env por defecto. Antes de arrancar, asegúrate de ejecutar cp env.sample .env y completar tu configuración, de lo contrario el servicio no arrancará.

Tras arrancar, abre la interfaz de Devify en un navegador y registra la cuenta de administrador. Todo lo demás se configura en la interfaz web — sin volver a tocar la línea de comandos. Solo dos pasos para ponerlo en marcha:

Paso 1 · Conectar un modelo de IA: Entra en “Consola de administración → Configuración de modelos,” añade un modelo (API key del proveedor, endpoint, nombre del modelo) y establécelo como predeterminado en los ajustes de la app. Admite proveedores principales como OpenAI, Tongyi Qianwen y OpenRouter, además de modelos locales. Devify necesita al menos un modelo multimodal para reconocer imágenes y entender la intención; al principio, usar una única cuenta de plataforma agregadora para el acceso unificado es la vía más sencilla.

Paso 2 · Configurar la recepción de correo (IMAP): Entra en “Ajustes → Correo,” elige la extracción por IMAP y completa la dirección del servidor del buzón de la empresa, la cuenta, la contraseña, el puerto SSL y la carpeta de recepción. Después Devify extrae el correo de forma programada y lo procesa automáticamente.

Una vez completados ambos pasos, la ruta completa queda activa: herramientas de chat → reenviar al buzón de la empresa → Devify extrae por IMAP → procesamiento por IA → resultados estructurados. A partir de ahí puedes ampliarlo según lo necesites — conectando canales de notificación, ajustando reglas de procesamiento o configurando miembros del equipo.

¿Para quién es?

Devify no chatea — es solo un gestor inteligente de registros de chat — así que encaja con quienes cada día están rodeados de montones de comunicación fragmentada.

Esta necesidad no se limita a los equipos de ingeniería. Casi cualquier rol que dependa del chat se topa con ella:

• Abogados: organizar información de casos, líneas de evidencia y conclusiones clave a partir de las conversaciones
• Médicos: registrar consultas, comentarios de pacientes y aspectos esenciales del diagnóstico
• Estudiantes: organizar discusiones, apuntes de estudio y listas de tareas
• Y cualquiera que necesite extraer y capturar información del chat

En el fondo, si tu trabajo depende del chat y ese contenido tiene “valor reutilizable,” te topas con el mismo problema:

La información se creó, pero nunca se capturó.

Liberamos Devify como código abierto no para construir una herramienta más.

Lo hicimos para resolver un problema más fundamental:

La información más valiosa que una empresa produce cada día no debería desaparecer en el momento en que termina una conversación.

Si Devify puede ayudarte a reconectar esa parte, entonces su valor ya se sostiene.