The Universal Concept Layer: el lenguaje como código versionable

Nota: Traducción del paper. La versión original en inglés es el documento de referencia.

Una capa de significado entre personas, modelos de lenguaje, agentes y robots

Andreas Ehstand Investigador independiente · Programa de Investigación AUGMANITAI · ORCID 0009-0006-3773-7796

Working paper · Versión 2.1 · Publicación bilingüe. Las versiones en alemán e inglés son idénticas en contenido y aparecen bajo un único identificador como un solo registro; la versión en inglés es la de citación. Licencia: CC BY 4.0 (Atribución). La licencia cubre este texto; los procedimientos de trabajo internos del programa no forman parte de esta publicación ni están sujetos a dicha licencia; los derechos de marca y denominación permanecen inalterados.

Resumen

La infraestructura de los sistemas compuestos por personas, grandes modelos de lenguaje, agentes autónomos y robots se está estandarizando a gran velocidad: el transporte, la invocación de herramientas, la identidad, la descripción de capacidades. Sin embargo, hay una capa que se omite sistemáticamente; no por descuido, sino porque se da por resuelta. Los lenguajes clásicos de comunicación entre agentes le asignaron un placeholder: un campo en el mensaje que apunta a una ontología. Lo que allí se especifica es el puntero, no el ciclo de vida del elemento al que se apunta. No se estableció nada sobre cómo un marco de referencia puede cambiar bajo un control de versiones, cómo se señaliza una ruptura de significado, cómo un destinatario resuelve una versión que nunca ha visto, ni cómo una misma unidad puede servir por igual a una persona, a un modelo de lenguaje y a un controlador robótico.

Este paper propone dotar de contenido a ese placeholder en lugar de limitarse a señalarlo una vez más. Argumenta que el nivel semántico constituye una capa de la arquitectura del sistema por derecho propio (la Universal Concept Layer) y que su sustrato es el lenguaje natural versionable: conceptos mantenidos del mismo modo en que se mantiene el software, con una definición, una delimitación, un contexto de validez, una marca de tiempo, un número de versión y un registro de procedencia. Presentamos una formulación formal mínima del objeto de definición, describimos el ciclo recursivo de cinco pasos mediante el cual dichos conceptos surgen en la práctica humano-máquina y matizamos la fórmula clásica de Korzybski para los sistemas ciberfísicos guiados por lenguaje: el mapa no se convierte en el territorio, sino en los planos del territorio. Y lo que es válido para cualquier plano lo es también, por consiguiente, para él.

Contrastamos la propuesta con diez tradiciones afines en formato tabular, según tres criterios operacionalizados, y exponemos con claridad en qué puntos una disciplina vecina se acerca lo suficiente como para cuestionar la pretensión de novedad. Se informa sobre el estado de implementación desde 2025, se adjunta un paquete conceptual completo y se dota a la tesis de falsabilidad mediante un diseño experimental concreto.

Palabras clave: Universal Concept Layer · lenguaje como código · semántica versionable · infraestructura terminológica · interacción humano-IA · interoperabilidad entre agentes · deriva semántica · IA corporeizada

1. La capa omitida

Cualquiera que en 2026 construya un sistema integrado por personas, modelos de lenguaje, agentes y actuadores físicos se encontrará con que, para casi todos sus niveles, ya existe un estándar o un candidato a estándar establecido. El Model Context Protocol rige el modo en que los modelos invocan herramientas y recursos. El protocolo Agent2Agent regula la transferencia de tareas y la descripción de capacidades entre agentes. Otras iniciativas paralelas abordan la identidad de los agentes, las preferencias de uso y la observabilidad. La hoja de ruta del Model Context Protocol publicada el 22 de agosto de 2026 establece cinco prioridades para los próximos seis a doce meses: primitivas de mensajes agénticos, consolidación y bastionado del transporte HTTP, identidad de los agentes y seguridad a nivel empresarial, mejora de las primitivas, y la experiencia de desarrollo con las bibliotecas de software (Soria Parra y Delimarsky 2026). El vocabulario y el significado no figuran entre ellas.

La tesis de este paper no presupone que la pregunta nunca se haya formulado. Se formuló, y además de forma temprana. El Knowledge Query and Manipulation Language proporcionó parámetros en los mensajes para la ontología y el lenguaje de representación (Finin et al. 1994), y la especificación FIPA para lenguajes de comunicación entre agentes incluye los parámetros :ontology y :language como componentes habituales de todo mensaje (FIPA 2002). Los arquitectos de estos lenguajes comprendieron que un mensaje no puede entenderse sin un marco de referencia compartido y, en consecuencia, crearon un placeholder para él. Lo que se especifica es el puntero: un identificador que apunta a un marco de referencia. Lo que no se especifica es qué sucede con el elemento al que se apunta.

Allí quedaron abiertas cuatro preguntas que a día de hoy siguen sin respuesta. Primera: ¿cómo puede cambiar un marco de referencia sin romper los acoplamientos que ya están en funcionamiento? Segunda: ¿mediante qué señal sabe un destinatario que un cambio constituye una ruptura de significado y no un mero refinamiento? Tercera: ¿qué hace un destinatario con una versión referenciada que no conoce y cómo la resuelve? Cuarta: ¿cómo debe estructurarse una unidad para que un mismo registro sirva a una persona, a un modelo de lenguaje y a un controlador robótico sin tener que ser traducido desde cero para cada uno de ellos?

Esta brecha no es un mero rompecabezas académico y periférico. Es una fuente diaria de pérdidas de información allí donde interactúan inteligencias heterogéneas: instrucciones cuyo significado muta al transitar entre distintos departamentos y sus herramientas de IA; cadenas de agentes que fracasan ante interpretaciones divergentes del nombre de un mismo campo; conocimiento que abandona la empresa junto con las personas que lo poseen por no haberse articulado nunca en términos transferibles; y decisiones asistidas por IA cuya base conceptual resulta imposible de reconstruir a posteriori.

Se trata de un patrón familiar en la historia de la informática. Durante mucho tiempo, un nivel existe como una práctica implícita (dispersa en convenciones, soluciones puntuales y sobreentendidos) antes de ser bautizado, especificado y mantenido formalmente. Antes de que se acuñara el término «sistema operativo», los programas se ejecutaban directamente en la máquina; antes del modelo de capas de red, las computadoras se conectaban mediante convenciones ad hoc. El intervalo entre la práctica real y la especificación formal es siempre la ventana en la que se decide quién da forma a ese nivel. Este paper sostiene que el nivel semántico se encuentra actualmente en esa ventana y propone para él un nombre, un sustrato y un modo de funcionamiento.

2. La tesis: el lenguaje como código versionable

2.1 Todo como código alcanza el nivel más profundo

Durante más de dos décadas, la informática ha convertido un dominio tras otro en artefactos versionables, verificables y con trazabilidad de mantenimiento: infraestructura, configuración, políticas, documentación. El beneficio es siempre el mismo: lo que se versiona puede compararse, revisarse, revertirse y auditarse.

La tesis que aquí se plantea es que este paradigma alcanza ahora el nivel más profundo y más ignorado de todos: el propio lenguaje natural. No se trata de convertir el lenguaje en código de programación, sino de mantenerlo como se mantiene el código. Bajo esta perspectiva, un concepto definido con precisión actúa como una interfaz. Posee una definición, unos límites conceptuales claros frente a nociones adyacentes, un contexto de validez, una marca de tiempo, un número de versión y un registro de procedencia. Si cambia la forma de entenderlo, surge una nueva versión; si cambia la extensión de lo que designa, se genera una nueva versión mayor (major version). En todo momento, su historial permanece trazable.

Los cimientos de esta idea existen desde hace tiempo, y la Sección 5 los detalla uno por uno. Lo que falta es ensamblarlos en una operación: un control de versiones a nivel del concepto individual, diseñado tanto para consumidores artificiales como humanos, y posicionado como una capa independiente por debajo de las aplicaciones y por encima de los protocolos de transporte, aplicable a todos los sustratos a la vez.

2.2 Por qué ahora: el lenguaje se vuelve performativo

El momento idóneo para plantear esta tesis responde a un punto de inflexión tecnológico. Durante la mayor parte de su historia, el lenguaje fue fundamentalmente descriptivo: representaba un mundo que existía de forma independiente a él. Con la programación clásica surgió una segunda forma, de carácter performativo dentro del ámbito digital. El código no describe un mundo digital, sino que lo crea. Con la integración de los grandes modelos de lenguaje (Large Language Models, LLM) con herramientas, agentes y actuadores físicos en los últimos años, se ha cruzado un tercer hito: el lenguaje natural se vuelve performativo sin alterar su forma. La investigación en robótica ha demostrado que los modelos de lenguaje generan programas de control directamente ejecutables para sistemas físicos (Liang et al. 2023) y que el conocimiento del mundo contenido en un texto se traslada a la acción física del robot (Brohan et al. 2023). En esta misma línea, la Inteligencia Artificial Constitucional demuestra que un documento explícito de principios, redactado en lenguaje natural, puede regir el comportamiento de un sistema de IA (Bai et al. 2022): en este caso, el lenguaje ya funciona como un artefacto de control. El control de versiones de estos documentos no es el tema central de dicho trabajo; sin embargo, es precisamente el salto que la operación aquí propuesta busca generalizar: pasar del documento versionado a los conceptos individuales versionados.

De aquí se deriva un matiz que a menudo se percibe como una inversión, pero que se comprende mejor como un cambio en la dirección de ajuste (direction of fit). La advertencia de Korzybski de que el mapa no es el territorio (Korzybski 1933) sigue vigente; no ha sido refutada. Lo que cambia es otra cosa. La teoría de los actos de habla distingue entre los enunciados que deben ajustarse al mundo para ser verdaderos y los enunciados a los que el mundo debe ajustarse para que se cumplan (Austin 1962; Searle 1979). El lenguaje descriptivo pertenece a la primera categoría; el código, a la segunda, pues posee una dirección de ajuste mundo-a-palabra (world-to-word). Al conectar los modelos de lenguaje con herramientas y actuadores, el lenguaje natural cruza hacia esta segunda categoría: la misma frase que ayer describía, hoy da instrucciones. El mapa no se convierte en el territorio, sino en los planos del territorio. Y lo que se aplica a cualquier plano de construcción se aplica también aquí: los errores que contenga acabarán construyéndose. La máxima de Korzybski es necesaria, pero ya no suficiente: previene contra la confusión conceptual, pero no contra la ejecución.

La consecuencia práctica es un desplazamiento de la responsabilidad. Si los conceptos abren espacios de acción, el trabajo terminológico deja de ser una actividad descriptiva para convertirse en una labor constitutiva. La disciplina de calidad y el control de versiones que exigimos a cualquier otro artefacto de control se transforman en un requisito operativo para los conceptos.

3. Una formulación formal mínima

La tesis puede formularse como un modelo de datos, independientemente de su implementación.

El objeto de definición. El pilar elemental de esta capa es un mapeo:

Def: (E, N, C, T) → ⟨def, L, V, P, K⟩

La clave de búsqueda se compone de la entidad de referencia E (una persona, un equipo, una organización, un modelo, un sistema robótico, un área de conocimiento), la designación N —la forma lingüística, no el concepto—, el contexto de validez C, y el instante temporal T. El registro contiene el texto de la definición def, el lenguaje de representación L, el identificador de versión V, la procedencia P y un calificador de validez K. V, P y K son valores derivados, no variables de entrada.

El criterio de versionado es operativo y no queda a discreción del usuario: V incrementa la versión menor (minor version) cuando def se refina sin alterar la extensión de lo designado; V incrementa la versión mayor (major version) cuando un caso que antes estaba cubierto queda excluido, o viceversa. Un cambio en la extensión constituye, por tanto, el criterio verificable de una ruptura semántica.

El estado semántico. Un conjunto de objetos de definición —resultados de Def— configuran:

S(E, T, C) = ⟨D, R, w, π⟩ con R ⊆ D × D × RelType, w: R → [0,1], π: D → procedencia

RelType incluye al menos las siguientes relaciones: es_subordinado_a, delimitado_frente_a, sustituye_version, presupone, en_tension_con. S está bien formado exclusivamente cuando cada elemento de D posee un identificador resoluble, todas las relaciones apuntan en ambos extremos a elementos de D, y es_subordinado_a carece de ciclos.

Los dos niveles del paquete. En este modelo, el significado es relativo a la entidad, dependiente del contexto y está indexado temporalmente. A simple vista parece lo contrario a la estabilidad, y es una objeción que debe tomarse en serio: la relatividad de la entidad es, de hecho, una deriva semántica formalizada. De ahí se deriva necesariamente una estructura en dos niveles. Un paquete (bundle) contiene un núcleo canónico —texto de definición, límites conceptuales, identificador, versión— que viaja de forma idéntica para todas las entidades y conforma la unidad transferible; y una edición vinculada a la entidad, que registra cómo una entidad en particular complementa, restringe o rechaza ese núcleo en su propio contexto. La transferibilidad entre los límites del sistema y del modelo recae sobre el núcleo, no sobre la edición. Si dos ediciones de un mismo núcleo divergen, no estamos ante un fallo del procedimiento, sino ante la medición empírica de dicha divergencia.

La forma transportable. Un concepto viaja como un paquete compuesto por {designación, texto de definición, diferencias con conceptos vecinos, idioma, identificador estable del concepto, número de versión, hash de contenido de la versión, procedencia}. Los dos identificadores cumplen funciones distintas: el identificador estable arrastra el linaje y unifica todas las versiones en un historial continuo; el hash de contenido identifica la versión individual mediante un registro inmutable. El receptor —ya sea humano, modelo de lenguaje, agente de software o controlador robótico— reconstruye el concepto desde cero cada vez que lo recibe, contrastándolo con su propio conocimiento del mundo. El mecanismo no exige espacios vectoriales compartidos ni una misma familia de modelos; solo requiere legibilidad. El Apéndice A ilustra un paquete completo.

El papel del modelo de lenguaje. En esta arquitectura, los Large Language Models asumen la función de externalizadores semánticos: a partir de evidencia heterogénea, generan objetos de definición explícitos, transformando el significado latente y anclado al modelo en un artefacto perdurable y portable entre sistemas. La analogía más evidente es con un compilador; ilustra bien la función, pero no las garantías. Mientras que un compilador asegura la preservación del significado entre dos lenguajes especificados formalmente, un modelo de lenguaje no garantiza nada. Por tanto, la fiabilidad de la externalización no es una propiedad intrínseca que se asuma, sino una variable empírica que debe medirse (Sección 7).

Esta propuesta se alinea así con la teoría de la mente extendida (Clark y Chalmers 1998): los estados cognitivos pueden residir fuera de su portador cuando el medio externo está disponible de forma fiable, es fácilmente accesible y cuenta con el aval del sujeto. La capa que aquí se describe traduce estas tres condiciones en requisitos técnicos estrictos —resolubilidad a largo plazo, legibilidad por máquina y procedencia demostrable— y las extiende más allá de la persona individual para abarcar modelos, agentes y sistemas corporizados.

La regresión de la definición. La objeción natural es que el propio texto de la definición se compone de palabras sujetas a interpretación, por lo que la deriva semántica no se elimina, sino que simplemente se desplaza. La objeción es válida y, por ello, la premisa debe matizarse: la regresión no desaparece, sino que se acorta y se hace verificable. Se acorta porque la definición retrotrae la designación hacia expresiones más generales y de uso más frecuente, cuya interpretación varía menos entre receptores heterogéneos. Se hace verificable porque el paquete incluye, junto a la definición, las diferencias con conceptos cercanos y su procedencia: si un receptor diverge, es posible identificar exactamente en qué punto lo hace. El objetivo no es lograr la univocidad absoluta, sino la trazabilidad del equívoco. De este modo, la deriva semántica deja de ser silenciosa para volverse visible y negociable a nivel de protocolo.

4. El ciclo generativo

¿De dónde surgen los conceptos de esta capa? La práctica que ha dado origen a este paper puede describirse como un ciclo de cinco fases.

Aislamiento. En la interacción continua entre el humano y la máquina, un fenómeno recurrente, y hasta ese momento innominado, emerge de un entorno difuso.

Denominación. A través del diálogo, se acuña una expresión que acota el fenómeno, siguiendo los principios de la terminología profesional: un término, un concepto, un concepto genérico, características distintivas y unos límites conceptuales claros frente a sus vecinos más próximos.

Anclaje. La expresión se convierte en referenciable para ambas partes: para el humano sirve como anclaje cognitivo, y para el modelo funciona como una unidad con carga semántica. Llegados a este punto, conviene distinguir dos vías. Hewitt et al. (2025b) demuestran el anclaje a nivel interno del modelo: se aprende una nueva palabra en forma de embedding entrenado y, con ello, adquiere un efecto definido de guiado (steering) y autoverbalización. Su documento de posicionamiento complementario argumenta por qué el vocabulario existente resulta estructuralmente inadecuado (Hewitt et al. 2025a). El ciclo que describimos aquí opta por la vía complementaria, externa al modelo: el concepto no se integra en la red mediante entrenamiento, sino que se inyecta en el contexto junto a su definición, sin alterar los pesos paramétricos. El anclaje por entrenamiento es una vía más profunda, pero queda atada a la arquitectura del modelo; la definición que acompaña al concepto en su viaje es una vía más superficial, pero completamente portable.

Control de versiones. El concepto se integra en un repositorio gestionado: definición, límites, relaciones, identificador estable, marca de tiempo y versión.

Recursión. La expansión del espacio conceptual visibiliza fenómenos que antes pasaban desapercibidos, y el ciclo vuelve a empezar en un nivel de abstracción superior.

La verdadera esencia de este ciclo no reside en lo novedoso de cada fase, sino en la sinergia de su conjunto: solo el control de versiones permite auditar la denominación; solo la auditabilidad hace que el concepto sea digerible para la máquina; y solo la recursividad transforma conceptos aislados en un espacio conceptual estructurado y en continuo crecimiento. Vale la pena destacar el doble efecto resultante: el mismo acto que hace que un fenómeno sea observable y asimilable para una persona amplía el espacio conceptual referenciable para las máquinas involucradas.

5. Trabajos relacionados

Nuestra tesis roza varias tradiciones ya consolidadas. Para que la delimitación frente a ellas resulte verificable, operacionalizamos tres criterios:

M1 — El lenguaje como fuente en tiempo de ejecución. Se cumple cuando un artefacto en lenguaje natural constituye, en tiempo de ejecución, la fuente normativa que consulta un sistema ejecutor no humano. No se cumple si el lenguaje opera como un simple input.

M2 — Control de versiones por concepto. Se cumple si cada concepto individual lleva un identificador de versión que puede iterar de forma autónoma, si cada modificación genera un registro histórico y si todas las versiones siguen siendo resolubles.

M3 — Validez inter-sustratos. Se cumple cuando un mismo artefacto es consumido sin alteraciones por al menos dos tipos de sustratos diferentes (por ejemplo, una persona y un modelo, o un modelo y un controlador robótico).

Ninguna de las diez ramas analizadas satisface los tres criterios; algunas cumplen dos de forma parcial. Cuatro de estos ámbitos requieren un análisis más detenido por su enorme proximidad a la tesis de originalidad que aquí planteamos.

Estandarización terminológica. Las normas ISO 704 e ISO 1087 aportan el rigor definitorio sobre el que se cimenta esta propuesta; la norma ISO 12620 proporciona el inventario de categorías de datos; la ISO 30042 establece el formato de intercambio legible por máquina; y la ISO 26162 engloba los sistemas de gestión terminológica, incluidos los metadatos de las entradas y la gestión de modificaciones. Además, desde 2025 opera un grupo de trabajo internacional dedicado a la interacción entre la gestión terminológica y la inteligencia artificial (Khemakhem et al. 2025). Esta escuela se acerca al criterio M2 más que ninguna otra. Sin embargo, persisten dos diferencias clave. Por un lado, el destinatario: la estandarización se centra en la comunicación entre expertos humanos, y no en la resolución semántica en tiempo de ejecución por parte de un consumidor artificial. Por otro lado, su efecto: un banco terminológico se limita a describir el uso de las palabras, no ejerce una función de control o gobierno sobre un sistema.

Evolución de ontologías. La investigación sobre la evolución de ontologías ha sistematizado las operaciones de modificación a nivel conceptual, los registros de cambios y el análisis de impacto (Klein y Fensel 2001; Noy y Musen 2004; Stojanovic 2004), cubriendo holgadamente el criterio M2 dentro de un marco formal. La diferencia no reside en el nivel de ambición, sino en el material que sirve de soporte: en el caso de las ontologías, se recurre a esquemas formales orientados a la inferencia de la máquina; en nuestra propuesta, hablamos de definiciones en lenguaje natural que son leídas e interpretadas de igual forma por una persona, un modelo de lenguaje o un controlador robótico. Los criterios M1 y M3 siguen sin estar cubiertos por esta rama; el M2, en cambio, lo compartimos con esta tradición y nos apoyamos en ella. Merece la pena mencionar la escuela de pensamiento diametralmente opuesta. En la curación de ontologías biomédicas, rige el principio explícito de que la definición de un término siempre debe denotar el mismo referente en el mundo real (Fundación OBO, Principio 19, "Estabilidad del significado del término"). Si la comprensión de dicho término varía, su identificador se etiqueta como obsoleto y se emite uno nuevo. Se trata del enfoque diametralmente opuesto al que proponemos aquí, donde concebimos el concepto como una interfaz versionada dotada de un historial continuo. Ambas alternativas persiguen la estabilidad, pero pagan su precio en diferentes divisas: la primera lo hace a costa de la discontinuidad, fragmentando la historia de un concepto en identificadores inconexos; nuestra propuesta, en cambio, asume el coste computacional del proceso de resolución.

Semántica diacrónica. La investigación computacional orientada a la detección del cambio semántico a nivel léxico ha ideado procedimientos para cuantificar las variaciones de significado a lo largo del tiempo utilizando corpus de texto, tomando como referencia un estándar de evaluación compartida (Schlechtweg et al. 2020). Nos encontramos ante la respuesta más rigurosa posible a la cuestión de si el significado de un término ha experimentado variaciones. Sin embargo, esta disciplina no dictamina qué debe hacerse ante dicho cambio. Medir frente a operar se asemeja, en este contexto, a diagnosticar frente a tratar.

Pactos conceptuales. Durante treinta años, la psicolingüística ha demostrado empíricamente que los interlocutores tienden a consensuar designaciones compartidas para referentes recurrentes, y que logran mantener la estabilidad de dichos pactos a lo largo del tiempo (Brennan y Clark 1996). Esta dinámica plasma exactamente el mecanismo del ciclo descrito anteriormente, pero restringido a la interacción humana bidireccional (hablada, no plasmada por escrito y dependiente del par de interlocutores). Nuestra propuesta persigue generalizar este concepto a través de tres vías: documenta el pacto por escrito, lo asocia a un historial de versiones y, al hacerlo, posibilita su transferencia a otros interlocutores que no participaron en la negociación original, incluyendo sistemas artificiales.

Una observación al margen sobre el factor tiempo. El 15 de abril de 2026 apareció una publicación en un foro (sin revisión por pares), articulando una taxonomía de patrones de fallo en la interacción que el autor definió como "la capa faltante en la clasificación de la seguridad" (Beyer 2026). Vio la luz el mismo día que se lanzó la versión conceptual en la que se asienta este paper (Ehstand 2026a). Ambos trabajos nacieron de forma independiente y diagnostican un mismo vacío, abordándolo desde prismas distintos: los patrones de fallo frente a una capa de significado. Dicho foro no formula un mecanismo de control de versiones ni propone la creación de protocolo alguno. El hecho de que dos analistas sin vinculación previa desemboquen en el mismo diagnóstico el mismo mes no refuta nuestra tesis, sino que constata que dicha brecha estructural ya resultaba evidente para los profesionales del sector.

El cerco de la industria en agosto de 2026. Justo la semana en que se concluyó este paper, el diagnóstico de que a los agentes de IA les faltaba una capa de significado irrumpió con fuerza en la industria. Una firma de analistas proclamó las «capas de contexto» (la amalgama entre una capa semántica, un grafo de conocimiento y el contexto en tiempo de ejecución) como el próximo gran avance en la IA empresarial (Evelson y Bandyopadhyay 2026). A finales de ese mismo mes, uno de los grandes proveedores cloud publicó una guía prescriptiva para desarrollar una capa semántica impulsada por ontologías para la IA agéntica. Esta guía se basaba en ontologías formales, razonamiento simbólico y grafos de conocimiento virtuales, estando interconectada con los agentes mediante los mismos protocolos enumerados en la Sección 1 (Simpson et al. 2026). Ambas publicaciones reflejan nuestro diagnóstico, pero ninguna maneja el mismo material de soporte. Sus pilares constitutivos son ontologías de grafos y estructuras de catálogos (esquemas formales que beben de la herencia que ha dejado la tradición de la evolución ontológica), y no objetos de definición expresados en lenguaje natural y versionados a nivel conceptual; además, ninguna de ellas logra cumplir el criterio M2 aplicándolo al concepto de manera individual. A fecha de publicación, la brecha estructural que identificamos no se está cerrando, sino que está siendo flanqueada por una batería de soluciones aledañas.

Sobre el estado de la revisión. Esta delimitación se cimenta en una revisión no sistemática de bibliografía especializada, registros de patentes y normativas técnicas publicadas hasta el 30 de agosto de 2026; en consecuencia, no pretende ser absolutamente exhaustiva. La patente analizada a texto completo que guarda mayor proximidad es la US 12,367,337 B2 (Comake Inc., registrada el 20 de abril de 2023 y concedida el 22 de julio de 2025). Dicho registro define un framework para la integración de datos mediante un esquema compartido compuesto por sustantivos y verbos, un enfoque que nada tiene que ver con los conceptos versionados en lenguaje natural.

6. Estado de implementación

La propuesta no es un mero diseño, sino que se mantiene en funcionamiento interno desde 2025, si bien aún queda pendiente su operatividad de resolución pública más allá de los límites organizacionales (el Apéndice A detalla con exactitud el elemento faltante). La implementación sigue una arquitectura de tres capas estrictamente en cascada. La capa semántica reconoce un único objeto de intercambio: el paquete previamente descrito. La capa de transacción dota a los paquetes de identificadores basados en contenido, firmas y cadenas de procedencia. La capa de transporte codifica estos mismos paquetes, sin pérdida de información, en diversos formatos legibles por máquina. Cada capa puede verificarse de forma independiente: el nivel de significado es ajeno a los bytes y las redes, mientras que el transporte ignora los significados.

Sobre esta base, existe un núcleo curado de unos 9400 conceptos definidos de forma bilingüe sobre fenómenos de interacción humano-IA. De ellos, 25 están documentados frente al conjunto completo de los seis criterios de definición de la norma ISO 704 a modo de gold standard; 400 cuentan con doble verificación y el resto se encuentra en validación continua. El corpus no cuenta con certificación ISO (la certificación es un procedimiento institucional inalcanzable para un programa de investigación independiente); la descripción precisa es: alineado con la norma ISO 704 y revisado dentro del marco del programa. Lo que se contabiliza son las entradas del registro curado; las cifras divergentes procedentes de etapas de procesamiento previas del mismo programa (por ejemplo, unas 4400 entradas en el pipeline de preparación, o unos 7000 nodos en la vista de navegación) denotan objetos de conteo distintos y no son coextensivas con esta cifra.

El corpus se derivó de una base de trabajo de más de 100 000 turnos de diálogo humano-IA documentados desde marzo de 2025 (unos 40 000 de ellos bajo elicitación estructurada), abarcando diversas familias de modelos de distintos proveedores. Los cambios en los conceptos del núcleo gestionado se registran como entradas documentadas y provistas de marcas de tiempo. La unificación de varios corpus desarrollados en paralelo hacia un único estado de producción, versionado de forma continua, es la fase de trabajo actualmente en curso. Asimismo, existen repositorios de intercambio multilingüe en el formato de intercambio terminológico, un grafo relacional como estructura aglutinadora, interfaces locales de programación para sistemas consumidores e interfaces interactivas de navegación para usuarios humanos.

Este artículo describe la faceta externa de la arquitectura: modelo de datos, ciclo generativo, límites de capa y propiedades verificables. Los procedimientos internos de trabajo (heurísticas de selección, secuencias de comprobación, rutinas de orquestación y validación) permanecen inéditos; su divulgación facilitaría una apropiación operativa sin aportar mayor comprensión. El objeto verificable, por el contrario, es de acceso público: el Apéndice A muestra un paquete de concepto completo.

7. Verificabilidad

Reivindicación de prioridad. Recae únicamente sobre la unión de M1, M2 y M3 en la forma expuesta en la Sección 5. Un contraejemplo deberá cumplir los tres criterios de forma conjunta y haber sido publicado antes del 20 de abril de 2026 (la fecha del anclaje criptográfico, es decir, el punto temporal más antiguo que este trabajo puede demostrar por sí mismo). En caso de citarse una obra de este tipo, retiraremos públicamente nuestra reivindicación de prioridad.

Reivindicación sustantiva. La tesis sostiene que la transmisión del paquete completo eleva el nivel de acuerdo entre receptores heterogéneos por encima de lo que se lograría únicamente con la mera denominación. Se considerará refutada, en concreto, si el siguiente experimento arroja un resultado negativo. Tómense al menos cuatro receptores procedentes de un mínimo de tres familias de modelos de distintos proveedores, junto con un grupo de control humano. Extráiganse al menos 100 conceptos del corpus y genérense diez juicios de uso para cada uno de ellos, cuyas respuestas de referencia se hayan fijado de manera independiente. Condición A: únicamente la denominación. Condición B: el paquete completo. La métrica a emplear será el acuerdo por pares entre receptores mediante el alfa de Krippendorff. La tesis exige una mejora de al menos 0,15 puntos alfa de A a B, con un nivel de significación fijado de antemano.

Criterios de evaluación adicionales. La tesis se vería igualmente debilitada si se demostrara que el control de versiones a nivel conceptual no produce una mejora medible en la trazabilidad dentro de entornos de trabajo activos, una vez registrados los tiempos de ciclo, las tasas de retrabajo y la reconstructibilidad antes y después de su implantación. O bien, si la transferibilidad postulada entre sustratos fallara en límites sistemáticos que no pudieran justificarse por el estado de la evidencia y el calificador de validez.

8. Limitaciones

La base empírica consiste en un estudio longitudinal de un único observador. La triangulación entre diversas familias de modelos ejerce un control sobre el ámbito tecnológico, pero no sobre el ámbito humano: el aislamiento, la denominación, la delimitación y las decisiones de versionado recaen sistemáticamente sobre un solo observador. Para el conjunto de 25 conceptos del gold standard, existe un procedimiento de revisión interno del programa: dos instancias de evaluación a ciegas, una tercera revisión tras la adjudicación y un registro de los veredictos individuales discrepantes. Ninguna parte del corpus cuenta con un estudio de acuerdo realizado por anotadores expertos externos e independientes. La cuestión de qué proporción de los conceptos captura un fenómeno del dominio y qué parte obedece a una idiosincrasia de este observador no puede dirimirse con los datos actuales. Consideramos que esta es la laguna más grave del trabajo, y no una simple nota metodológica a pie de página. El siguiente paso ya está establecido: una porción del corpus se someterá a la redefinición por parte de dos anotadores expertos independientes, y se reportará el nivel de acuerdo, independientemente del resultado.

Deben señalarse tres limitaciones adicionales. La reivindicación de validez entre sustratos es, dado el estado actual de la evidencia, un requisito de la arquitectura más que una propiedad demostrada empíricamente: lo que el corpus reportado evidencia es la ruta humano-modelo. Un controlador robótico no consume de manera directa un paquete en lenguaje natural; lo recibe a través de un componente interpretador con capacidad lingüística que deriva de él una representación ejecutable. Aún no se ha llevado a cabo un ensayo robótico específico de la capa; el criterio M3 se cumple para personas y modelos, y se postula para las clases de sustrato restantes. La capa no pretende generar conocimiento inédito: representa aquello que puede inferirse a partir de evidencia suficiente, junto con su grado de incertidumbre y procedencia. Además, se ejecuta sobre un sustrato de interpretación aprendido, no especificado formalmente. Su semántica es probabilística, no demostrable matemáticamente; una propiedad estructural que cualquier diseño de evaluación deberá tener en cuenta.

9. Conclusión

El nivel de significado entre personas, modelos, agentes y robots se encuentra hoy en cada prompt, instrucción de sistema y protocolo de agente: innominado, sin versionar y carente de gobernanza. Los lenguajes clásicos de agentes le asignaron un espacio reservado que nunca llegaron a ocupar. Este artículo lo ha nombrado, ha determinado su sustrato material, ha especificado su forma mínima, ha descrito su ciclo generativo, lo ha contrastado con diez conceptos adyacentes, ha presentado un espécimen de su objeto central y ha propuesto un diseño experimental para su posible refutación.

Declaración de prioridad. Esta afirmación de prioridad se sustenta en dos anclajes independientes.

El anclaje criptográfico. La totalidad del corpus de trabajo del programa se ancló en la blockchain de Bitcoin el 20 de abril de 2026: bloques 945970 y 945979, hash raíz SHA-256 299e4b3d0ac9e50740268896b5eeb541f6462332bb67b7efdf4cd309704770d0, manifiesto de marcas de tiempo MANIFEST_20260420T205730Z. Cualquier persona que obtenga una copia de alguno de los dos working papers subyacentes puede verificar su hash con este manifiesto, y el manifiesto con la cadena de bloques. El manifiesto de marcas de tiempo se suministra previa solicitud. De este modo, el anclaje permite certificar la fecha y la integridad al presentar la versión, sin necesidad de hacer público su contenido.

El anclaje de registro. Ambos working papers se registraron adicionalmente el 22 de abril de 2026 como constituyentes de un paquete del programa (DOI 10.5281/zenodo.19695778). Este paquete agrupa varias líneas de investigación; su título público hace referencia a la temática metodológica sobre rendimiento deportivo, no al trabajo específico tratado aquí. El título, el autor y la fecha de registro son de dominio público; los archivos tienen acceso restringido. El anclaje de registro suministra así una segunda fecha con respaldo institucional, mientras que la atribución de autoría del contenido recae en el anclaje criptográfico.

El sellado de tiempo (timestamping) tiene como único fin establecer el estado de la técnica (prior art) mediante su primera publicación. No se persigue ninguna patente ni se reclama exclusividad sobre la capa descrita, su nomenclatura o los conceptos individuales. La declaración de prioridad protege la autoría, no restringe el uso.

Apéndice A — Un paquete conceptual completo

El artículo sostiene que la unidad base de esta capa no es el documento, sino el concepto individual. La siguiente entrada muestra dicha unidad en su forma íntegra. Las definiciones y los límites conceptuales proceden del conjunto gold-standard del programa; la estructura de campos sigue la forma mínima estipulada en la Sección 3.

Cualquier lector puede recalcular el hash de contenido. Lo que se somete a hash es el núcleo canónico de esta versión: la denominación, la definición en inglés y la definición en alemán, en ese orden, separadas por barras verticales, sin espacios en blanco circundantes y con codificación UTF-8. Las diéresis y la Eszett alemana (ß) se expanden en la cadena procesada a ae, oe, ue y ss, manteniendo las mayúsculas: Ü pasa a ser Ue, no ue. Si se altera un solo carácter del núcleo, el hash cambia. Este es el mecanismo criptográfico que garantiza la identificación de cada versión a prueba de manipulaciones.

Nota sobre la capacidad de resolución. La Sección 3 estipula que, para considerar un estado como bien formado, todo identificador debe ser resoluble. El identificador que se muestra aquí aún no cumple este requisito: es único dentro del programa, pero carece de un servicio público de resolución que permita a terceros consultarlo. Por tanto, la capacidad de resolución es un requisito operativo de la capa que el estado actual aún no satisface. No se trata de una cuestión menor, sino de la condición previa fundamental para que estos paquetes conceptuales puedan interoperar entre distintas organizaciones.

El criterio de versionado mediante un ejemplo. Supongamos que la definición incorpora la cláusula «incluso cuando la salida sea correcta». La extensión del concepto designado permanecería inalterada (ya que las salidas correctas nunca se excluyeron), logrando simplemente una redacción más precisa; esto constituiría una actualización menor (minor version). Si, por el contrario, se añadiera «y únicamente en contextos profesionales», algunos casos previamente contemplados quedarían excluidos. Esto representaría una actualización mayor (major version), es decir, una ruptura semántica que obligaría a todos los consumidores a resolver el concepto nuevamente. Este ejemplo es puramente ilustrativo y no refleja ningún cambio de versión real.

Referencias

Austin, J. L. (1962). How to Do Things with Words. The William James Lectures Delivered at Harvard University in 1955, ed. por J. O. Urmson. Oxford: Clarendon Press / Cambridge, MA: Harvard University Press.

Bai, Y., Kadavath, S., Kundu, S., Askell, A. et al. (2022). Constitutional AI: Harmlessness from AI Feedback. arXiv:2212.08073.

Beyer, C. J. (2026). Toward a Common Language for Human-AI Interaction Failures: A Practitioner-Accessible Error Taxonomy for the Missing Layer of AI Safety Classification. Effective Altruism Forum, 15 de abril de 2026.

Brennan, S. E. y Clark, H. H. (1996). Conceptual Pacts and Lexical Choice in Conversation. Journal of Experimental Psychology: Learning, Memory, and Cognition 22(6), 1482–1493.

Brohan, A., Brown, N., Carbajal, J. et al. (2023). RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. arXiv:2307.15818.

Clark, A. y Chalmers, D. (1998). The Extended Mind. Analysis 58(1), 7–19. doi:10.1093/analys/58.1.7.

Evelson, B. y Bandyopadhyay, I. (2026). The Next Evolution Of AI Will Rely On Context Layers. Forrester Blogs, 20 de agosto de 2026. https://www.forrester.com/blogs/the-next-evolution-of-ai-will-rely-on-context-layers/ (consultado el 30 de agosto de 2026).

Ehstand, A. (2026a). AUGMANITAI Universal Concept Layer: A Bundle-Based Semantic Protocol for Cross-Substrate Communication. Working Paper 1.0, 15 de abril de 2026. Contenido en el registro del 22 de abril de 2026 (DOI 10.5281/zenodo.19695778, acceso restringido).

Ehstand, A. (2026b). Sprache als versionierbarer Code: Eine rekursive Architektur zur Erweiterung von Realität über biologische, digitale und cyber-physische Entitäten. Working Paper 0.1, 20 de abril de 2026. Inscrito en el manifiesto de marcas de tiempo MANIFEST_20260420T205730Z; contenido en el registro del 22 de abril de 2026 (DOI 10.5281/zenodo.19695778, acceso restringido).

Finin, T., Fritzson, R., McKay, D. y McEntire, R. (1994). KQML as an Agent Communication Language. Proceedings of the Third International Conference on Information and Knowledge Management (CIKM '94), 456–463.

FIPA — Foundation for Intelligent Physical Agents (2002). FIPA ACL Message Structure Specification. Standard SC00061G/J.

Hewitt, J., Geirhos, R. y Kim, B. (2025a). Position: We Can't Understand AI Using our Existing Vocabulary. Proceedings of the 42nd International Conference on Machine Learning, PMLR 267:81556–81572. arXiv:2502.07586.

Hewitt, J., Tafjord, O., Geirhos, R. y Kim, B. (2025b). Neologism Learning for Controllability and Self-Verbalization. ICLR 2026 (Póster). arXiv:2510.08506.

Karpathy, A. (2023). «The hottest new programming language is English.» X, 24 de enero de 2023. https://x.com/karpathy/status/1617979122625712128.

Khemakhem, M., Valentini, C., Ralli, N., Barros, S., Löckinger, G., Vezzani, F., Salgado, A., Zhang, Z., Mahr, S., Carvalho, S., Fleischmann, K. y Costa, R. (2025). Terminology Management Meets AI: The ISO/TC 37/SC 3/WG 6 Initiative. Proceedings of the 5th Conference on Language, Data and Knowledge: TermTrends 2025, Nápoles: Unior Press, 16–24.

Klein, M. y Fensel, D. (2001). Ontology Versioning on the Semantic Web. Proceedings of the First Semantic Web Working Symposium (SWWS), Stanford, 75–91.

Korzybski, A. (1933). Science and Sanity: An Introduction to Non-Aristotelian Systems and General Semantics. Lancaster, PA: The International Non-Aristotelian Library Publishing Company.

Liang, J., Huang, W., Xia, F., Xu, P., Hausman, K., Ichter, B., Florence, P. y Zeng, A. (2023). Code as Policies: Language Model Programs for Embodied Control. 2023 IEEE International Conference on Robotics and Automation (ICRA), Londres, 9493–9500. doi:10.1109/ICRA48891.2023.10160591.

Noy, N. F. y Musen, M. A. (2004). Ontology Versioning in an Ontology Management Framework. IEEE Intelligent Systems 19(4), 6–13.

OBO Foundry (s.f.). Principle 19: Stability of Term Meaning. https://obofoundry.org/principles/ (consultado el 26 de agosto de 2026).

OMG — Object Management Group (2019). Semantics of Business Vocabulary and Business Rules (SBVR), Version 1.5. Documento formal/19-10-02.

Park, S., Ramamurthi, V. y Terry, O. (2025). Neologism Learning as a Parameter-Efficient Alternative to Fine-Tuning for Model Steering. arXiv:2512.18551.

Pourzand, R. (s.f.). Why we need a universal semantic layer. Blog de dbt Labs. La página no lleva fecha de primera publicación; última edición el 15 de octubre de 2024. https://www.getdbt.com/blog/universal-semantic-layer (consultado el 26 de agosto de 2026).

Simpson, D., Riggan, T. y Schiros, C. (2026). Semantic Layer for Agentic AI using Ontology, Symbolic Reasoning, and Virtual Knowledge Graph. AWS Prescriptive Guidance. https://docs.aws.amazon.com/prescriptive-guidance/latest/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph/semantic-layer-agentic-ai-ontology-reasoning-virtual-knowledge-graph.html (consultado el 30 de agosto de 2026).

Schlechtweg, D., McGillivray, B., Hengchen, S., Dubossarsky, H. y Tahmasebi, N. (2020). SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection. Proceedings of the Fourteenth Workshop on Semantic Evaluation, 1–23.

Searle, J. R. (1979). Expression and Meaning: Studies in the Theory of Speech Acts. Cambridge: Cambridge University Press.

Soria Parra, D. y Delimarsky, D. (2026). MCP Roadmap. Blog del Model Context Protocol, 22 de agosto de 2026. https://blog.modelcontextprotocol.io/posts/mcp-roadmap/ (consultado el 26 de agosto de 2026).

Stojanovic, L. (2004). Methods and Tools for Ontology Evolution. Tesis doctoral, Universidad de Karlsruhe.

Notas

Conflictos de intereses. El autor investiga de manera independiente, sin afiliación institucional. En el campo aquí descrito, persigue intereses aplicados en paralelo a su labor investigadora. Este paper no promociona ningún servicio, no menciona proveedores comerciales ni contiene ofertas de ninguna índole.

Datos. El corpus de trabajo consiste en la autodocumentación de las interacciones del autor con sistemas de IA. No contiene datos recopilados sistemáticamente sobre terceros; cualquier mención aislada a otras personas se anonimizó antes del análisis. La base legal para este procesamiento es el Art. 6(1)(f) del RGPD. Al carecer de afiliación institucional y no involucrar experimentación con sujetos humanos, no se requirió la aprobación de un comité de ética.

Transparencia. Se utilizaron herramientas de IA como instrumentos de apoyo en la fase de investigación y en la preparación del manuscrito. La concepción, el criterio y la responsabilidad final recaen exclusivamente en el autor.

Licencia. CC BY 4.0 Internacional (Atribución). © Andreas Ehstand 2026. Esta licencia ampara el presente texto. Los procedimientos internos de trabajo del programa no forman parte de esta publicación y no están cubiertos por la licencia; los derechos de marca y denominación permanecen inalterados.