Un colega que recuerda lo que ya probaste

Hermes-Colega parte de una convicción: emprender en la era de la IA es un juego distinto, y no por usar IA como herramienta ocasional, sino por incorporar un colega que aprende de tu emprendimiento y crece con él.

De esa convicción sale una tesis, que gobierna todo lo demás:

No hay nada más práctico que una buena teoría —pero la teoría hay que validarla en tu entorno: tu emprendimiento.

Una acción bien fundada vive en la intersección de dos conocimientos: el validado (lo que se sabe sobre cómo se construye una startup) y el del entorno (lo que ocurre en la tuya en concreto). Con solo el primero, aplicas un manual a ciegas. Con solo el segundo, reaccionas sin criterio. El proyecto entero es una respuesta a cómo juntar los dos sin confundirlos —y sin que ninguna startup exponga lo suyo.

01Dos naturalezas de conocimiento, dos formas de recuperarlo

La decisión técnica de fondo no fue elegir una forma de guardar conocimiento, sino reconocer que hay dos naturalezas distintas, y que cada una pide su propio mecanismo de recuperación.

La diferencia importa más de lo que parece. RAG dice "esto se parece a lo que buscas". OKF dice "esto ya se probó, y esto es lo que pasó". Uno opera sobre texto por probabilidad de semejanza; el otro sobre experiencia estructurada con resultados conocidos. No es viejo contra nuevo, ni estable contra cambiante: es probabilidad de parecido frente a conocimiento determinista de lo ya experimentado.

Dentro de lo determinista, cada solución lleva el grado de confianza en su resultado, y se presenta al fundador tal cual es:

verificado — experimentado, con resultado conocido y validado (por ejemplo, los marcos consolidados de estrategia competitiva).
emergente — experimentado, con resultado aún dudoso, pendiente de más verificación (por ejemplo, cómo se opera una startup nativa de IA, un terreno que se está escribiendo ahora).

Un consejo fundado en conocimiento emergente se marca como tal ante el fundador. El sistema no finge que sabe más de lo que sabe: distingue lo que está probado de lo que todavía es tentativo. Esa honestidad sobre el grado de certeza no es un adorno —es lo que permite que la decisión, que siempre es del fundador, se tome con información veraz.

02Dos especializaciones que se encuentran

El sistema está partido en dos, y el corte no es casual: responde a dos formas de estar especializado que son ortogonales.

startup-next está especializado por dominio de conocimiento —metodología: ideación, escalado, plataformas…— pero es genérico respecto a la empresa: no conoce ninguna startup en concreto, sirve a todas por igual. Es un servicio central, compartido, sin estado.

Hermes está especializado por empresa: lo sabe todo sobre TU startup —su historia, sus experimentos, qué validaste y qué falseaste— pero es generalista respecto al dominio. Tiene criterio y memoria, y consulta a los especialistas cuando necesita profundidad que no tiene.

Nadie conoce tu startup como tu Hermes, porque es el único que ha acumulado su memoria. Esa es la especialización que ningún competidor genérico puede ofrecer: no viene de fábrica, se gana con el uso.

03Una arquitectura distribuida, por diseño

Como Hermes guarda el estado real de una empresa, y las empresas están físicamente separadas en la realidad, sus Hermes también lo están: uno por emprendimiento, en Docker o en local, bajo control del emprendedor. No es un sistema central multiusuario con carpetas por cliente —es software que cada empresa despliega y corre por su cuenta.

La consecuencia es fuerte: la confidencialidad no es una característica que haya que proteger con esfuerzo, es una propiedad que emerge de la forma del sistema. Dos empresas no pueden filtrarse datos entre sí porque sus Hermes ni siquiera están en la misma máquina. El servicio central, por su parte, no guarda estado de nadie —esa fue una decisión deliberada, tomada antes de que el resto encajara: el conocimiento es compartido; el estado, jamás.

04El ciclo, y lo que queda abierto

El corazón del sistema es un ciclo: Hermes aconseja con conocimiento validado y con lo que sabe de ti; el fundador decide y actúa; le cuenta cómo fue; Hermes lo recuerda; y el siguiente consejo ya lo tiene en cuenta. La acción genera experiencia, la experiencia se vuelve conocimiento del entorno, y ese conocimiento funda la siguiente acción. No es una flecha; es un ciclo.

Ese ciclo se ha verificado de punta a punta: ante la misma pregunta, la segunda recomendación cambia cuando la memoria registra que la primera no funcionó. Un buscador habría repetido lo mismo.

Lo que queda abierto es, a la vez, lo más difícil y lo más interesante: cómo el conocimiento de frontera —el de la startup nativa de IA— se mantiene vivo sin dejar de ser honesto. No hay un libro canónico de un dominio que se escribe cada semana; el conocimiento válido solo puede surgir de la experimentación real de muchas startups. Destilarlo de forma agregada y anónima, sin que ninguna exponga lo suyo, es el problema de diseño más ambicioso del proyecto —y el que da sentido a todo lo anterior.

05Observar el agente sin ver al fundador

Un agente no falla como el software corriente: no se cae, devuelve una respuesta plausible fundada en nada. Este proyecto ya lo vivió —una recuperación que devolvía vacío sin lanzar ningún error—. Por eso un sistema así necesita poder observarse: saber si el agente hace lo que dice hacer. Es el mismo principio de honestidad del consejo, aplicado ahora al funcionamiento del propio agente.

Pero observar choca con la confidencialidad: si cada Hermes vive en el entorno del emprendedor, ¿cómo se mejora el sistema sin ver los datos de nadie? La respuesta separa el contenido (sagrado, nunca sale) del comportamiento (qué especialista se activó, si una recuperación vino vacía). Cada Hermes se observa a sí mismo en local, completo y privado; y, solo con permiso del fundador, emite métricas de comportamiento anonimizadas en origen y sin hilo que las conecte —el sistema aprende del conjunto sin poder seguir el rastro de ninguna startup—. Es, de hecho, el primer ensayo del mismo principio que gobierna la ambición del proyecto: aprender del conjunto sin ver al individuo.