Las empresas suelen operar con miles de documentos que contienen información crítica, desde precios y políticas internas hasta fichas de producto. Cuando esos datos viven en archivos dispersos, hojas de cálculo, correos y sistemas aislados, aumenta el riesgo de que distintas áreas trabajen con versiones diferentes de la misma información. En ese contexto aparece NOAN, una plataforma que se presenta como una capa de hechos verificados para empresas: un sistema donde los datos aprobados se convierten en una fuente común, versionada y accesible por API y mediante Model Context Protocol (MCP).

¿Qué problema busca resolver NOAN?

El problema de fondo es la fragmentación. En muchas empresas, la información clave queda repartida entre documentos, notas internas, correos y herramientas que no siempre están sincronizadas. Eso complica el trabajo diario y se vuelve más delicado cuando también intervienen asistentes o agentes de inteligencia artificial.

Un equipo comercial puede usar precios desactualizados, mientras un sistema automatizado responde con políticas que ya cambiaron. El resultado no solo es ineficiencia: también debilita la confianza en procesos que dependen de información precisa.

La propuesta de NOAN parte de ese punto. En lugar de dejar el conocimiento crítico disperso, plantea organizarlo como hechos aprobados, con historial y responsables definidos, para que equipos, aplicaciones y sistemas de IA consulten una misma base.

• Problema: información dispersa y versiones contradictorias.
• Propuesta: convertir datos aprobados en hechos verificables.
• Objetivo: que personas y sistemas trabajen desde el mismo contexto.

¿Cómo funciona NOAN?

NOAN organiza la información en lo que denomina facts o hechos. Según la documentación pública de la empresa, cada hecho funciona como una unidad verificable dentro del sistema y conserva varios elementos básicos.

• Valor actual: la versión vigente de un dato concreto.
• Responsable: la persona o equipo que valida ese contenido.
• Historial: el registro de cambios y versiones previas.
• Trazabilidad: la relación entre ese hecho y los procesos, tareas o activos que dependen de él.

La lógica se aleja del repositorio documental tradicional. En vez de guardar únicamente archivos, busca estructurar conocimiento aprobado para que pueda ser leído por personas, aplicaciones y agentes de IA desde una misma base.

¿Qué papel cumple MCP?

Una parte central del discurso de NOAN es su integración con Model Context Protocol, o MCP. Se trata de un estándar abierto pensado para conectar asistentes de IA con herramientas y fuentes de datos sin crear una integración aislada para cada caso.

En la práctica, la empresa plantea que ese acceso ocurra sobre una base de hechos aprobados y versionados. La idea es que un modelo de IA no dependa de documentos sueltos o instrucciones desactualizadas, sino de datos estructurados y trazables en el momento de la consulta.

Ese punto es relevante porque muchas organizaciones buscan automatizar procesos antes de resolver una cuestión más básica: qué información consideran válida y quién la aprueba.

¿En qué se diferencia de un gestor documental?

La diferencia principal está en el enfoque. Un PDF o una hoja de cálculo pueden contener la información correcta, pero no siempre ofrecen mecanismos claros para saber quién la aprobó, cuándo cambió o qué otros sistemas la siguen utilizando.

NOAN intenta mover ese conocimiento a una capa más estructurada y legible por software. Visto así, se parece menos a un archivo compartido y más a una infraestructura de gobernanza de datos para entornos donde conviven equipos humanos, automatizaciones y modelos de IA.

¿Quién está detrás del proyecto?

NOAN ha sido desarrollado por un equipo con experiencia en medios, tecnología y producto. Entre sus integrantes figuran Neal Mann, CEO y cofundador, con trayectoria previa en Sky News y The Wall Street Journal; Filipe Dobreira, CTO y cofundador, ex CTO de Impraise y ex alumno de Y Combinator; Marie-Hélène Mai, ingeniera líder y cofundadora; y Daniel Hellmuth, vinculado al trabajo de ciencia de datos y validación de información.

La empresa también presenta a Verity, un agente que funciona como demostración práctica de su arquitectura. En la narrativa del producto, Verity opera sobre la misma capa de hechos, tareas, contactos y activos que el resto del sistema.

¿Qué puede afirmarse hoy y qué sigue abierto?

Con la información pública disponible, sí puede afirmarse que NOAN propone una arquitectura orientada a centralizar conocimiento empresarial aprobado, versionarlo y volverlo accesible por API y MCP. También queda claro que su discurso responde a una preocupación real del sector: cómo evitar que la inteligencia artificial opere sobre información dispersa, duplicada o desactualizada.

Lo que todavía requiere mayor evidencia independiente es el impacto operativo de ese enfoque. La lógica técnica está expuesta con claridad, pero siguen abiertas preguntas sobre adopción, escala, reducción de errores o resultados medibles fuera del entorno de demostración del propio producto.

¿Por qué puede importar esta propuesta?

Más que como un simple software de gestión documental, NOAN puede leerse como una apuesta por convertir el conocimiento interno de una empresa en una capa estructurada de hechos verificables. En un escenario donde cada vez más procesos pasan por sistemas automatizados o asistentes de IA, esa idea apunta a un problema concreto: no solo almacenar información, sino definir cuál de todas sus versiones cuenta como válida.

Ahí radica su interés. Si los modelos dependen del contexto para responder mejor, entonces la calidad, la trazabilidad y la gobernanza de ese contexto dejan de ser un detalle administrativo y pasan a formar parte del problema tecnológico.