Marco integral para la gestión del conocimiento producido en instituciones de investigación
Las instituciones de investigación producen diariamente una gran cantidad de activos de conocimiento: artículos científicos, tesis, informes técnicos, datasets, código, materiales de cátedra, registros de proyectos, patentes, documentos de trabajo, publicaciones periódicas, metadatos, perfiles de investigadores y acervos bibliográficos. Sin embargo, gran parte de ese conocimiento suele quedar distribuido en plataformas aisladas, formatos heterogéneos o circuitos internos de difícil acceso, recuperación y reutilización.
Este marco de trabajo propone una visión integral para gestionar el conocimiento científico a lo largo de todo su ciclo de vida: desde su creación y edición, pasando por su almacenamiento y preservación, hasta su descubrimiento global, análisis inteligente y conversión en memoria institucional activable.
No se trata solo de implementar herramientas tecnológicas, sino de construir una infraestructura institucional de conocimiento, capaz de conectar personas, procesos, datos, publicaciones, políticas y tecnologías.
Propósito
El propósito de este marco es servir como modelo de referencia para que las instituciones de investigación puedan:
- Comprender el ciclo completo de gestión del conocimiento científico.
- Evaluar su nivel actual de madurez tecnológica y organizativa.
- Identificar vacíos, redundancias o desconexiones entre plataformas.
- Definir prioridades de intervención según recursos, contexto y objetivos.
- Planificar mejoras progresivas, desde acciones operativas hasta transformaciones estratégicas.
- Articular la producción científica con la memoria institucional, la ciencia abierta, la preservación digital y la inteligencia analítica.
Este enfoque reconoce que cada institución parte de una situación distinta. Algunas necesitan fortalecer primero sus plataformas editoriales o repositorios; otras requieren integrar sistemas dispersos, mejorar la calidad de los metadatos, asegurar preservación a largo plazo o incorporar capas avanzadas de análisis, grafos de conocimiento e inteligencia artificial.
Por ello, el marco no plantea una secuencia rígida, sino un modelo evolutivo y modular.
Principios orientadores
El marco se apoya en varios principios fundamentales:
Ciencia abierta y acceso responsable: El conocimiento debe ser visible, accesible y reutilizable en la mayor medida posible, respetando restricciones éticas, legales, institucionales o de seguridad.
Interoperabilidad: Las plataformas no deben funcionar como islas. La información debe poder circular entre sistemas editoriales, repositorios, bibliotecas, perfiles de investigadores, bases de datos y redes globales.
Datos y publicaciones identificables: El uso de identificadores persistentes —como DOI, ORCID, ROR, handle u otros— permite trazar la producción científica, reducir ambigüedades y facilitar la conexión entre autores, obras, datasets, proyectos e instituciones.
Calidad de metadatos: La recuperación, preservación y analítica del conocimiento dependen de metadatos consistentes, normalizados y ricos en contexto.
Preservación a largo plazo: El conocimiento científico tiene valor patrimonial. No basta con almacenarlo; hay que garantizar su integridad, autenticidad y legibilidad futura.
Centralidad del investigador y del personal de apoyo: La tecnología debe reducir fricciones, no multiplicar cargas administrativas. La adopción del modelo requiere formación, gobernanza y procesos claros.
Escalabilidad tecnológica: El marco admite intervenciones que van desde tareas operativas sobre plataformas existentes hasta arquitecturas avanzadas de inteligencia artificial y grafos de conocimiento.
Las cinco etapas del marco
Aunque el marco se presenta en cinco etapas, su aplicación real no siempre es secuencial. En muchas instituciones, las etapas se superponen, se retroalimentan o se abordan en paralelo. Por eso, más que una cadena de etapas, el marco debe entenderse como un ecosistema de capacidades institucionales.
Etapa 1 — Captura, edición y producción científica
La primera etapa se concentra en el momento en que el conocimiento es creado, documentado, editado y publicado. Es la puerta de entrada del ciclo de gestión del conocimiento.
En muchas instituciones, esta etapa incluye revistas científicas, editoriales institucionales, plataformas de preprints, sistemas de gestión editorial, herramientas de autoría colaborativa, cuadernos de laboratorio digitales, repositorios de datos tempranos y planes de gestión de datos.
Qué comprende
Esta etapa abarca:
- Plataformas de gestión editorial y publicación científica.
- Sistemas para revistas, libros, actas, boletines, informes o preprints.
- Herramientas de escritura colaborativa y edición académica.
- Planes de gestión de datos de investigación.
- Asignación de identificadores persistentes.
- Definición de licencias, derechos de autor y políticas de acceso.
- Flujos de revisión por pares, edición, maquetación y publicación.
- Registro temprano de metadatos descriptivos.
- Vinculación entre autores, afiliaciones, proyectos, datasets y publicaciones.
Por qué es importante
Si el conocimiento no se captura correctamente desde el origen, se arrastran problemas durante todo el ciclo. Errores comunes incluyen metadatos incompletos, duplicidad de registros, ausencia de identificadores persistentes, falta de control de versiones, licencias ambiguas o desconexión entre la publicación y los datos que la sustentan.
Una buena gestión en esta etapa permite que el conocimiento nazca identificable, localizable, estructurado y preparado para su integración posterior.
Elementos clave de madurez
Una institución se encuentra en un nivel avanzado de esta etapa cuando:
- Cuenta con plataformas editoriales estables, actualizadas y seguras.
- Utiliza identificadores persistentes para autores, instituciones, obras y datasets.
- Incorpora planes de gestión de datos en los proyectos de investigación.
- Define políticas claras de acceso, licencias y preservación.
- Reduce la carga manual del investigador mediante flujos automatizados.
- Conecta la producción editorial con repositorios, perfiles y sistemas de reporte institucional.
Ejemplos de acciones posibles dentro de esta etapa
Dentro de esta etapa pueden existir intervenciones muy diversas, por ejemplo:
- Actualización y mantenimiento de plataformas de gestión editorial.
- Configuración de flujos de revisión y publicación.
- Mejora de metadatos en revistas o repositorios editoriales.
- Implementación de DOI, ORCID u otros identificadores.
- Apoyo en la edición, normalización y calidad de publicaciones.
- Diseño de políticas de preprints.
- Integración entre sistemas de publicación y repositorios institucionales.
Esta etapa constituye, con frecuencia, el punto de partida natural para instituciones que buscan ordenar su producción científica sin transformar todavía toda su infraestructura.
Etapa 2 — Gestión, almacenamiento y memoria institucional
La segunda etapa se refiere a la organización interna del conocimiento ya producido o en proceso de consolidación. Aquí la institución necesita almacenar, describir, conectar y gobernar sus activos intelectuales.
Esta etapa involucra repositorios institucionales, bibliotecas digitales, sistemas de información de investigación, catálogos, bases de datos de proyectos, perfiles de investigadores y repositorios de datos científicos.
Qué comprende
Incluye, entre otros:
- Repositorios institucionales de publicaciones.
- Repositorios de datos de investigación.
- Sistemas CRIS o de información sobre investigación.
- Perfiles normalizados de investigadores y grupos.
- Catálogos bibliotecarios y colecciones especiales.
- Metadatos descriptivos, temáticos y administrativos.
- Vocabularios controlados, tesauros y taxonomías.
- Políticas de ingreso, validación y curación de contenidos.
- Integración entre plataformas editoriales, repositorios y sistemas de evaluación.
- Registro de proyectos, financiamientos, convenios, tesis y productos derivados.
Por qué es importante
Cuando una institución no gestiona adecuadamente esta etapa, el conocimiento queda fragmentado. Un artículo puede existir en una revista, un dataset en un servidor local, una tesis en un repositorio aislado y el perfil del investigador en otro sistema incompatible.
La etapa de gestión y memoria institucional busca transformar esa dispersión en un ecosistema conectado, donde cada objeto de conocimiento pueda ser recuperado, contextualizado y relacionado con otros.
Elementos clave de madurez
Una institución alcanza mayor madurez en esta etapa cuando:
- Tiene inventariados sus principales activos de conocimiento.
- Utiliza repositorios estables y normalizados.
- Aplica metadatos consistentes y vocabularios controlados.
- Conecta publicaciones, datasets, autores, proyectos y unidades de investigación.
- Evita registros duplicados o contradictorios.
- Puede generar reportes institucionales a partir de datos confiables.
- Cuenta con responsables definidos para curación, carga, validación y mantenimiento.
Retos habituales
Entre los desafíos más comunes se encuentran:
- Falta de normalización en nombres de autores y afiliaciones.
- Metadatos incompletos o inconsistentes.
- Repositorios desconectados de los sistemas de evaluación.
- Dificultad para mantener información actualizada.
- Ausencia de políticas claras sobre qué debe almacenarse, quién lo hace y con qué criterios.
- Carga excesiva sobre bibliotecas, unidades de investigación o personal administrativo.
Ejemplos de acciones posibles dentro de esta etapa
En esta etapa pueden desarrollarse tareas como:
- Auditoría de repositorios y catálogos.
- Migración de contenidos entre plataformas.
- Normalización de metadatos.
- Integración de repositorios con perfiles institucionales.
- Implementación o mejora de sistemas CRIS.
- Limpieza y deduplicación de registros.
- Conexión entre bibliotecas digitales y producción científica.
- Diseño de políticas de ingreso y curación de objetos digitales.
Esta etapa es especialmente relevante para instituciones que ya producen y publican conocimiento, pero aún no logran convertirlo en una memoria institucional coherente y aprovechable.
Etapa 3 — Preservación y archivo digital a largo plazo
La tercera etapa se centra en garantizar que el conocimiento institucional permanezca disponible, íntegro y utilizable a lo largo del tiempo.
Preservar no es simplemente hacer copias de seguridad. La preservación digital implica planificar la continuidad de los objetos digitales frente a cambios tecnológicos, obsolescencia de formatos, pérdida de contexto, fallas de almacenamiento o discontinuidad institucional.
Qué comprende
Esta etapa incluye:
- Políticas de preservación digital.
- Archivo digital de largo plazo.
- Gestión de formatos sostenibles.
- Verificación de integridad y autenticidad.
- Metadatos de preservación.
- Planes de migración y normalización de formatos.
- Estrategias de respaldo, redundancia y recuperación.
- Documentación del contexto técnico y administrativo de los objetos digitales.
- Alineación con modelos de referencia como OAIS e ISO 14721.
Por qué es importante
El conocimiento científico tiene valor no solo inmediato, sino también histórico, patrimonial y jurídico. Una tesis, un dataset, un informe técnico o una revista institucional pueden seguir siendo relevantes décadas después de su creación.
Si no se preserva adecuadamente, la institución corre el riesgo de perder parte de su memoria científica por fallas tecnológicas, cambios de plataforma, abandono de sistemas o falta de documentación.
Modelo OAIS y preservación responsable
El modelo OAIS —Open Archival Information System— ofrece una base conceptual para diseñar archivos digitales confiables. Su lógica distingue, entre otros, los siguientes conceptos:
- SIP: paquete de información entregado al archivo.
- AIP: paquete de información preservado por el archivo.
- DIP: paquete de información distribuido a los usuarios.
Esta distinción permite entender que un objeto recibido no siempre puede preservarse en el mismo formato, estructura o nivel de descripción con el que fue entregado. La preservación exige transformaciones controladas, documentación y garantías de integridad.
Elementos clave de madurez
Una institución avanza en esta etapa cuando:
- Define qué materiales deben preservarse a largo plazo.
- Establece responsabilidades claras sobre custodia digital.
- Utiliza formatos preferentes y sostenibles.
- Documenta metadatos técnicos y de preservación.
- Realiza verificaciones periódicas de integridad.
- Cuenta con planes de recuperación ante desastres.
- Considera la preservación como parte del ciclo de vida del conocimiento y no como una tarea posterior opcional.
Ejemplos de acciones posibles dentro de esta etapa
En esta etapa pueden realizarse intervenciones como:
- Diagnóstico del estado de preservación de repositorios y archivos.
- Elaboración de políticas de preservación digital.
- Selección de formatos sostenibles.
- Definición de estrategias de respaldo y custodia.
- Implementación de rutinas de verificación de integridad.
- Planificación de migración de formatos obsoletos.
- Documentación de procedimientos de archivo a largo plazo.
Esta etapa suele ser menos visible que la publicación o el descubrimiento, pero es crítica para la sostenibilidad patrimonial de la institución.
Etapa 4 — Descubrimiento, acceso y redes globales
La cuarta etapa se orienta hacia afuera: hacer que el conocimiento sea visible, recuperable y conectable con ecosistemas científicos más amplios.
No basta con que la institución almacene y preserve su producción. Ese conocimiento debe poder descubrirse, citarse, vincularse y reutilizarse dentro de redes locales, regionales y globales.
Qué comprende
Esta etapa incluye:
- Buscadores institucionales y metabuscadores académicos.
- Portales de acceso abierto.
- Exposición de metadatos mediante protocolos estándar.
- Integración con redes nacionales e internacionales de ciencia abierta.
- Conectores con agregadores, indexadores y bases de datos.
- Protocolos de interoperabilidad.
- Páginas institucionales de divulgación.
- Métricas de uso, descarga, visibilidad e impacto.
- Mecanismos de acceso abierto, acceso controlado o acceso restringido según corresponda.
Por qué es importante
El impacto del conocimiento depende en gran medida de su capacidad de ser encontrado. Una publicación sin exposición adecuada, sin metadatos suficientes o sin conexión con redes globales pierde visibilidad, citas y posibilidades de reutilización.
Esta etapa convierte la memoria institucional en un activo público, interoperable y conectado con la infraestructura global de ciencia abierta.
Componentes clave
Metabúsqueda y portales de descubrimiento
Permiten consultar simultáneamente distintos repositorios, revistas, bibliotecas digitales y colecciones institucionales.
Protocolos de interoperabilidad
Estándares como OAI-PMH, APIs REST, RSS, sitemaps académicos y esquemas de metadatos abiertos facilitan la cosecha y reutilización de información.
Identificadores persistentes
El uso consistente de DOI, ORCID, ROR y otros identificadores mejora la trazabilidad y evita ambigüedades en autores, instituciones y objetos digitales.
Redes globales de conocimiento
La conexión con agregadores, directorios y redes de ciencia abierta permite que la producción institucional forme parte de circuitos más amplios de circulación científica.
Elementos clave de madurez
Una institución alcanza mayor madurez en esta etapa cuando:
- Sus contenidos son fácilmente localizables desde buscadores académicos.
- Sus repositorios exponen metadatos interoperables.
- Sus publicaciones están conectadas con redes regionales o globales.
- Sus autores cuentan con perfiles identificados y vinculados.
- Puede medir descargas, visitas, impacto alternativo y reutilización.
- Define políticas claras de acceso según derechos, sensibilidades y mandatos institucionales.
Ejemplos de acciones posibles dentro de esta etapa
En esta etapa pueden desarrollarse tareas como:
- Configuración de protocolos de cosechado.
- Mejora de la exposición de metadatos.
- Integración con indexadores y agregadores.
- Optimización de portales de acceso abierto.
- Implementación de buscadores federados.
- Vinculación con redes de ciencia abierta.
- Análisis de visibilidad e impacto de colecciones digitales.
Esta etapa es especialmente valiosa para instituciones que buscan aumentar la proyección de su producción científica sin depender exclusivamente de plataformas comerciales.
Etapa 5 — Conocimiento, inteligencia y análisis
La quinta etapa representa el nivel más avanzado del marco: convertir la memoria institucional en una base de conocimiento activa, analizable y orientada a la toma de decisiones.
Aquí el objetivo no es solo almacenar, preservar o recuperar información, sino activar el conocimiento acumulado, comprender relaciones, detectar patrones, generar evidencia institucional y habilitar nuevos usos estratégicos del patrimonio científico.
Qué comprende
Esta etapa incluye:
- Modelado del conocimiento institucional.
- Grafos de conocimiento.
- Datos vinculados y estructuras semánticas.
- Analítica bibliométrica.
- Cuadros de mando institucionales.
- Análisis de redes de colaboración.
- Detección de fortalezas temáticas.
- Identificación de vacíos o áreas emergentes.
- Minería de texto y datos.
- Sistemas de recomendación académica.
- Inteligencia artificial conversacional privada.
- Asistentes internos sobre corpus documentales institucionales.
Por qué es importante
Las instituciones de investigación acumulan enormes volúmenes de información, pero muchas veces no logran convertirlos en conocimiento estratégico.
Una memoria institucional bien organizada permite saber qué se ha producido. Una capa de inteligencia y análisis permite ir más allá: identificar relaciones, interpretar tendencias, anticipar necesidades, descubrir capacidades internas y apoyar decisiones sobre investigación, financiamiento, colaboración, evaluación e impacto.
Esta etapa permite responder preguntas como:
- ¿Qué áreas de investigación concentran mayor producción institucional?
- ¿Qué investigadores, grupos o unidades colaboran entre sí?
- ¿Qué proyectos han generado más tesis, artículos, datasets o patentes?
- ¿Qué líneas temáticas están creciendo o perdiendo intensidad?
- ¿Qué conocimiento interno puede apoyar una nueva convocatoria, política o línea de investigación?
- ¿Qué vacíos existen en la producción institucional?
- ¿Qué capacidades científicas están distribuidas en distintas unidades pero no han sido conectadas?
- ¿Qué información puede ser consultada mediante un asistente institucional privado?
Grafos de conocimiento
Un grafo de conocimiento representa la información como una red de entidades y relaciones. En lugar de almacenar datos en tablas aisladas, se modelan conexiones semánticas entre objetos.
Por ejemplo:
- Una publicación tiene autor a una persona.
- Una persona pertenece a una unidad de investigación.
- Una unidad participa en un proyecto.
- Un proyecto produce un dataset.
- Un dataset documenta una publicación.
- Una publicación usa una metodología específica.
- Una metodología se relaciona con una línea institucional prioritaria.
Este enfoque facilita análisis más ricos, búsqueda semántica, recomendaciones y visualización de relaciones complejas.
Inteligencia artificial conversacional privada
Una capa avanzada de esta etapa puede incluir asistentes conversacionales contextualizados sobre la memoria institucional, siempre que se implementen con criterios de seguridad, privacidad, gobernanza y responsabilidad.
Estos sistemas pueden permitir consultas como:
- “¿Qué investigaciones se han realizado sobre este tema en la institución?”
- “Resume los principales resultados del proyecto X.”
- “¿Qué autores han publicado sobre esta materia?”
- “¿Qué datasets existen relacionados con esta línea de investigación?”
- “¿Qué tesis abordan este problema entre 2015 y 2025?”
La clave es que la IA no opere sobre internet abierto de forma indiscriminada, sino sobre un corpus institucional controlado, descrito, versionado y gobernado.
Elementos clave de madurez
Una institución entra en un nivel avanzado de esta etapa cuando:
- Cuenta con metadatos confiables y normalizados.
- Ha integrado fuentes principales de información.
- Puede modelar relaciones entre objetos de conocimiento.
- Utiliza indicadores para análisis estratégico.
- Explora grafos de conocimiento o sistemas semánticos.
- Evalúa el uso responsable de inteligencia artificial sobre su memoria institucional.
- Define políticas de calidad, trazabilidad, privacidad y auditoría.
Ejemplos de acciones posibles dentro de esta etapa
En esta etapa pueden desarrollarse intervenciones como:
- Diseño de un modelo conceptual de conocimiento institucional.
- Normalización de entidades y relaciones.
- Construcción de un grafo de conocimiento.
- Integración de fuentes documentales y bases de datos.
- Analítica bibliométrica avanzada.
- Cuadros de mando para toma de decisiones.
- Prototipos de IA conversacional privada.
- Evaluación de riesgos éticos y de gobernanza.
Esta etapa es especialmente relevante para instituciones que ya tienen bases sólidas y desean dar un salto hacia una gestión del conocimiento más estratégica, conectada e inteligente.
Niveles de intervención
Una de las características centrales de este marco es que no exige que todas las instituciones implementen todas las etapas al mismo tiempo. Por el contrario, reconoce distintos niveles de madurez y permite intervenciones progresivas.
Esto significa que una institución puede:
- Comenzar por resolver problemas operativos en plataformas existentes.
- Avanzar luego hacia la integración de sistemas y metadatos.
- Incorporar después políticas de preservación.
- Mejorar posteriormente su visibilidad global.
- Y finalmente explorar capas de conocimiento, inteligencia y análisis.
El marco puede aplicarse tanto para intervenciones puntuales como para procesos de transformación institucional de mayor alcance. En general, las acciones pueden clasificarse en tres niveles complementarios.
1. Intervención operativa
Se centra en el funcionamiento cotidiano de plataformas y servicios.
Ejemplos:
- Actualización de sistemas de gestión editorial.
- Corrección de errores en repositorios.
- Migración de contenidos.
- Ajustes de metadatos.
- Mejoras en flujos de publicación.
- Soporte técnico especializado.
Este nivel es fundamental porque asegura que la infraestructura existente sea estable, segura y utilizable.
2. Intervención táctica
Busca ordenar, normalizar y conectar componentes del ecosistema.
Ejemplos:
- Normalización de metadatos.
- Integración entre repositorios y perfiles institucionales.
- Implementación de identificadores persistentes.
- Definición de políticas de ingreso y curación.
- Conexión con redes de ciencia abierta.
- Auditorías de calidad de información.
Este nivel permite que los sistemas dejen de funcionar de manera aislada.
3. Intervención estratégica
Apunta a transformar la capacidad institucional de analizar, preservar y activar su conocimiento.
Ejemplos:
- Diseño de un grafo de conocimiento institucional.
- Implementación de políticas de preservación a largo plazo.
- Arquitectura de memoria institucional.
- Sistemas de analítica avanzada.
- IA conversacional privada sobre corpus documentales.
- Cuadros de mando para toma de decisiones.
Este nivel convierte la gestión del conocimiento en una herramienta estratégica para la institución.
Dimensiones transversales
Para que el marco funcione, no basta con tecnología. Existen dimensiones transversales que deben acompañar todas las etapas.
Gobernanza
Debe existir claridad sobre quién decide, quién publica, quién valida, quién preserva y quién mantiene cada componente del ecosistema.
Políticas institucionales
Se requieren lineamientos sobre acceso abierto, datos de investigación, preservación, licencias, ética, privacidad, seguridad y uso responsable de inteligencia artificial.
Formación y adopción
El personal investigador, técnico, bibliotecario y administrativo necesita comprender el valor del marco y desarrollar competencias para usarlo adecuadamente.
Calidad de datos
Sin metadatos confiables, no hay descubrimiento robusto, preservación efectiva ni inteligencia analítica confiable.
Sostenibilidad
El modelo debe ser financieramente viable y técnicamente mantenible en el tiempo.
Seguridad y privacidad
Especialmente cuando se gestionan datos sensibles, información estratégica o capas de inteligencia artificial sobre documentos internos.
Beneficios
Una institución que aplica este marco puede obtener beneficios en múltiples niveles.
Para la gestión institucional
- Mayor claridad sobre qué conocimiento produce.
- Mejor capacidad de reporte y evaluación.
- Reducción de duplicidades.
- Información confiable para toma de decisiones.
Para la investigación
- Mayor visibilidad de la producción científica.
- Mejor conexión entre autores, proyectos y resultados.
- Recuperación más eficiente del conocimiento previo.
- Apoyo analítico para identificar líneas estratégicas.
Para la biblioteca y unidades de información
- Integración más clara de catálogos, repositorios y colecciones.
- Mejor organización de la memoria institucional.
- Mayor capacidad de preservación y acceso.
Para la sociedad
- Mayor acceso al conocimiento.
- Mejor trazabilidad de la investigación.
- Más posibilidades de reutilización científica y social.
- Fortalecimiento de la ciencia abierta.
Como herramienta de diagnóstico
El marco también puede utilizarse como herramienta de diagnóstico. Una institución puede preguntarse:
- ¿Sus plataformas editoriales están actualizadas y bien configuradas?
- ¿Su producción científica cuenta con identificadores persistentes?
- ¿Sus repositorios están integrados con perfiles y sistemas internos?
- ¿Existe una política clara de gestión de datos?
- ¿Los metadatos son consistentes y suficientes?
- ¿Se han definido estrategias de preservación digital?
- ¿Sus contenidos son cosechables por redes globales?
- ¿Puede analizar su producción mediante indicadores confiables?
- ¿Está preparada para incorporar grafos de conocimiento o IA privada?
Cuanto más positivas sean las respuestas, mayor será la madurez institucional en la gestión del conocimiento.
La gestión del conocimiento en instituciones de investigación ya no puede limitarse a mantener repositorios aislados o publicar contenidos sin una estrategia integral. El desafío actual consiste en construir ecosistemas capaces de capturar, organizar, preservar, conectar, descubrir, analizar y activar el conocimiento científico de forma sostenible.
Este marco de cinco etapas ofrece una visión completa y flexible para abordar ese desafío. Su valor no está solo en describir tecnologías, sino en ofrecer una hoja de ruta para que las instituciones evolucionen desde niveles operativos básicos hasta modelos avanzados de inteligencia institucional, respetando su punto de partida, sus capacidades y sus objetivos estratégicos.