Cada pocos meses dedico una mañana a leer. Ni código Rasepi, ni temas de GitHub. Blogs de la competencia, informes del sector, anuncios de keynote, encuestas a desarrolladores. Cualquier cosa que haya salido en el último trimestre que tenga que ver con la documentación, la gestión del conocimiento o los flujos de trabajo asistidos por IA.
Lo hice la semana pasada y la imagen que surgió fue más nítida de lo que esperaba. No porque un solo anuncio fuera innovador, sino porque convergen cinco tendencias distintas que, al alinearlas, dibujan un panorama muy claro de lo que las plataformas de documentación deberán hacer en los próximos dos años.
Esto es lo que descubrí
1. La IA es ahora el lector principal. No los humanos.
GitBook publicó una cifra sorprendente en su AI docs data report: La lectura de documentación por parte de la IA aumentó más de un 500% en 2025. Quinientos por ciento. Eso no es un error de redondeo.
Mientras tanto, la Encuesta a desarrolladores 2024 de Stack Overflow mostró que el 61% de los desarrolladores pasan más de 30 minutos al día buscando respuestas. Pero la forma en que buscan ha cambiado. La propia encuesta de GitHub descubrió que el 97% de los desarrolladores empresariales han utilizado herramientas de codificación con IA. En 2026, el 84% de los desarrolladores utilizarán herramientas de IA a diario, y el 41% del código estará generado ahora por IA. Estas personas no están navegando por la barra lateral de su wiki. Están preguntando a Claude o Copilot, y la IA está leyendo sus documentos en su nombre.
La implicación es difícil de exagerar. Su consumidor de documentación más frecuente ya no es una persona con una pestaña del navegador abierta. Es un modelo lingüístico haciendo llamadas de recuperación. Y ese modelo no tiene capacidad para entrecerrar los ojos ante una página y pensar "hmm, esto parece anticuado".
GitBook se dio cuenta de esto pronto y respondió con su informe State of Docs 2026 y un impulso hacia los formatos legibles por máquinas. También lanzaron skill.md, una convención para estructurar la información del producto específicamente para agentes de IA. Google fue más allá con su Gemini API Docs MCP, que conecta a los agentes de codificación con la documentación actual a través del Protocolo de Contexto de Modelo. Su razonamiento era explícito: los agentes generan código obsoleto porque sus datos de entrenamiento tienen una fecha límite. La corrección del MCP elevó su tasa de aprobados en la evaluación al 96,3%.
Así que la primera tendencia está asentada. La IA es el lector principal. Las plataformas que traten esto como una restricción central de diseño, no como una característica a añadir más tarde, tendrán una ventaja estructural.
2. La frescura y los metadatos de confianza se están convirtiendo en obligatorios
Anthropic entrevistó a 81.000 usuarios de Claude en diciembre de 2025 y publicó los resultados en marzo de 2026. Se trata del mayor estudio cualitativo de usuarios de IA jamás realizado (159 países, 70 idiomas). ¿La preocupación más citada? La falta de fiabilidad. El 27% de los encuestados la mencionó como su principal preocupación, y el 79% de esas personas la habían experimentado de primera mano.
Esa cifra debería quitar el sueño a todos los equipos de documentación.
Cuando las respuestas de la IA no son fiables, el problema no siempre es el modelo. A menudo, el modelo está reproduciendo fielmente lo que encontró en un documento obsoleto. El modelo no alucinó. Simplemente, sus documentos estaban mal y nadie los señaló.
Los datos de Stack Overflow refuerzan esto desde un ángulo diferente: El 81% de los desarrolladores esperan que la IA esté más integrada en su forma de documentar el código el año que viene. Si el 81% de sus usuarios están alimentando a la IA con documentación, y el 27% de los usuarios de IA dicen que la falta de fiabilidad es el mayor problema, usted tiene un problema de confianza que ninguna cantidad de ingeniería rápida soluciona. La solución está en la fuente.
Por eso importan los metadatos de frescura. No las marcas de tiempo de "última edición" (esas le dicen cuándo alguien tocó el archivo, no si el contenido sigue siendo exacto). Frescura real: estado de las revisiones, salud de los enlaces, alineación de las traducciones, señales de lectura, detección de la deriva del contenido. Metadatos que una máquina pueda leer y utilizar para decidir si es seguro citar un documento.
Sigo volviendo a un simple encuadre. Su documentación necesita una puntuación de crédito. No una marca de tiempo. Una puntuación de crédito. (Hemos estado construyendo exactamente esto con el [sistema de puntuación de frescura] de Rasepi (/características/frescura) y, sinceramente, ver los datos de la industria sólo me hace estar más convencido de que es la decisión correcta).
3. La traducción pasa de "proyecto" a "pipeline".
DeepL publicó en febrero un artículo titulado "The 6 Translation Transformations Global Businesses Can't Afford to Miss". Su argumento: la traducción se está convirtiendo en un reto operativo continuo, no en un proyecto por lotes que se realiza trimestralmente.
Eso concuerda con todo lo que veo.
El antiguo modelo era sencillo. Escriba en inglés. Cuando tenga presupuesto, contrate a un traductor o hágalo pasar por un servicio. Reciba las traducciones. Cárguelas. Hecho hasta la próxima vez. El problema es que "la próxima vez" llega cada vez más rápido cuando su producto se envía semanalmente y sus documentos se actualizan constantemente. Para cuando la versión alemana está de vuelta de la revisión, la fuente inglesa ya ha cambiado dos veces.
El propio [Centro de personalización] de DeepL (https://www.deepl.com/customization-hub) ofrece ahora glosarios, reglas de estilo y ajustes de formalidad, lo cual es estupendo. Pero si esas herramientas viven fuera de su plataforma de documentación, estará gestionando una cadena de herramientas de traducción: editor, exportar, traducir, revisar, reimportar, repetir. Cada paso es una oportunidad para la deriva.
Notion no tiene soporte multilingüe nativo en absoluto. Confluence lo ofrece a través de plugins del mercado. GitBook añadió la traducción automática en agosto de 2025, que es un paso, pero funciona a nivel de página.
El verdadero cambio es del nivel de página al nivel de bloque. Cuando se hace un seguimiento de las traducciones a nivel de párrafo, sólo se retraduce lo que realmente ha cambiado. Una edición típica toca quizá dos párrafos de cuarenta. Eso supone un 94% menos de trabajo de traducción. (Esta es la arquitectura central de traducción de Rasepi y, sinceramente, de lo que más orgulloso estoy del producto. Pero incluso dejándonos de lado, la dirección de la industria es clara: la traducción continua, incremental e integrada es hacia donde se dirige esto).
4. Los agentes de IA necesitan contenidos estructurados, no páginas wiki
Ésta cristalizó para mí cuando Notion anunció Custom Agents en febrero. 21.000 agentes construidos durante el acceso anticipado. Agentes que responden a preguntas de las bases de conocimientos, enrutan tareas, compilan informes de estado. Sólo la rampa tiene más de 300 agentes.
Atlassian fue en una dirección similar. Rovo AI in Confluence extrae el contexto de todas las aplicaciones de Atlassian y de terceros para generar contenido. Su discurso: "contenido rico en contexto y de alta calidad basado en el trabajo existente de su equipo".
Y luego Anthropic lanzó equipos de agentes en Claude Code, donde múltiples agentes de IA se coordinan de forma autónoma en tareas complejas. Opus 4.6 obtiene una puntuación del 76% en la prueba de 8 agujas 1M MRCR (frente al 18,5% del modelo anterior), lo que significa que realmente puede recuperar información enterrada en lo más profundo de conjuntos masivos de documentos sin perder el rastro.
Las tres empresas están construyendo agentes que consumen documentación. Ninguna de ellas ha resuelto el problema de la calidad de la fuente.
La documentación de los agentes personalizados de Notion reconoce explícitamente el riesgo de inyección rápida cuando los agentes leen contenido que no es de confianza. Rovo de Atlassian coge todo lo que encuentra en su Confluence. Si ese contenido tiene tres meses de antigüedad, Rovo no lo sabe. Construye sobre él de todos modos.
Para que los agentes funcionen de forma fiable, necesitan algo más que páginas de texto. Necesitan contenidos estructurados con identificadores estables, señales explícitas de frescura, metadatos de clasificación claros y la capacidad de distinguir "esto es actual y está revisado" de "esto existe pero nadie lo ha tocado en un año". Las páginas wiki no proporcionan eso. El contenido estructurado a nivel de bloque con metadatos de confianza sí lo hace.
5. El código abierto y el autoalojamiento están resurgiendo
Esto último es más una corazonada respaldada por datos que un simple anuncio.
GitBook open-sourced their published documentation a finales de 2024 y lanzó un fondo OSS. Su razonamiento: los proyectos de código abierto merecen herramientas de documentación gratuitas y de alta calidad. Pero el movimiento también señala algo más amplio.
Notion es sólo en la nube. No hay opción de autoalojamiento. Confluence Data Center existe pero requiere una licencia. Cuando su plataforma de documentación alberga sus conocimientos operativos más sensibles (libros de jugadas de incidentes, procedimientos de cumplimiento, decisiones de arquitectura), la pregunta de "¿quién controla estos datos?" no es abstracta.
El post de Anthropic "Claude es un espacio para pensar" de febrero planteaba un argumento interesante sobre la confianza y los modelos de negocio. Su afirmación central: los incentivos publicitarios son incompatibles con un asistente de IA realmente útil. Optaron por mantenerse sin publicidad para que los usuarios confíen en la herramienta.
Creo que existe un paralelismo para las plataformas de documentación. Si su sistema de documentación es de código cerrado y sólo en la nube, no puede verificar lo que alimenta a la IA. No puede auditar los cálculos de frescura. No puede asegurarse de que sus datos permanezcan bajo su control. Para los equipos que están desplegando asistentes de IA en la parte superior de su base de conocimientos (y cada vez más, todo el mundo está haciendo esto), la auditabilidad importa.
No se trata de una polémica sobre si el código abierto es moralmente superior. Los productos de código cerrado pueden ser absolutamente dignos de confianza. Pero cuando está construyendo flujos de trabajo impulsados por IA sobre su documentación interna, la capacidad de inspeccionar y verificar el sistema es una ventaja práctica. Para nosotros, la licencia MIT de Rasepi no fue una idea de última hora. Fue una decisión de diseño arraigada en la misma lógica: la infraestructura de documentación debe ser auditable.
Lo que significan estas cinco tendencias juntas
Individualmente, cada una de estas tendencias es manejable. ¿La IA lee sus documentos? Bien, añada metadatos legibles por máquina. ¿La frescura importa? Bien, añada fechas de revisión. ¿La traducción debe ser continua? Claro, integre DeepL. ¿Los agentes necesitan estructura? Justo, mejore su modelo de contenidos. ¿La soberanía importa? Estupendo, ofrezca una opción de autoalojamiento.
Pero tomados en conjunto, describen una plataforma que parece fundamentalmente diferente de lo que la mayoría de los equipos utilizan hoy en día.
La brecha es arquitectónica. No se trata de cinco características que se puedan añadir. Son cinco supuestos que deben incorporarse a los cimientos. Cómo se almacena el contenido (a nivel de bloque, no de página). Cómo se modela la confianza (puntuaciones de frescura, no marcas de tiempo). Cómo funciona la traducción (incremental, incrustada, por párrafo). Cómo acceden los agentes de IA a los contenidos (API estructuradas con metadatos, no raspado de páginas). Cómo se controlan los datos (abiertos, auditables, autoalojables).
Ninguna plataforma establecida se ha diseñado en torno a estos cinco aspectos simultáneamente. Algunas las están añadiendo poco a poco. GitBook se está moviendo más rápido en el frente de la legibilidad de la IA. Notion está construyendo una infraestructura de agentes. Atlassian tiene distribución empresarial.
¿Pero diseñar para los cinco desde el primer día? Esa es la ventaja de empezar de cero cuando el terreno se mueve.
Soy consciente de que aquí soy parcial. Construimos Rasepi específicamente porque vimos que estas tendencias convergían y queríamos una plataforma que las asumiera todas desde el principio. Traducción a nivel de bloque, caducidad forzosa, puntuación de frescura, contenidos estructurados listos para la IA, código abierto. Es la tesis de todo el proyecto.
Pero aunque no existiéramos, creo que cualquier lectura honesta de lo ocurrido en el primer trimestre de 2026 apunta en la misma dirección. La documentación se está convirtiendo en infraestructura. Y la infraestructura tiene requisitos diferentes a los de las páginas wiki.
Los equipos que descubran esto primero no sólo tendrán mejores documentos. Tendrán agentes de IA más fiables, menores costes de traducción, menos sorpresas de cumplimiento y bases de conocimientos que realmente sigan siendo fiables con el paso del tiempo.
Ese será el estado de los documentos en 2026. La cuestión no es si estas tendencias son reales. Es si su plataforma ha sido diseñada para ellas.
Cinco tendencias. Una pregunta arquitectónica: ¿su plataforma de documentación se diseñó para 2026 o sigue sirviendo supuestos de 2016?
Fuentes: GitBook AI docs data report, GitBook State of Docs 2026, GitBook skill.md, Google Gemini API Docs MCP, Stack Overflow 2024 Developer Survey, GitHub 2024 developer survey, Index.dev developer productivity statistics, Anthropic "What 81,000 People Want from AI", Anthropic "Claude es un espacio para pensar", Claude Opus 4.6, Agentes personalizados de Notion, Atlassian Rovo en Confluence, DeepL "6 transformaciones de traducción", DeepL Customization Hub, Documentación de código abierto de GitBook, Traducción automática de GitBook.