¿Qué es el Open Knowledge Format (OKF)? El estándar Markdown de Google para agentes de IA

El 12 de junio de 2026, el equipo de datos de Google Cloud publicó el Open Knowledge Format (OKF), una especificación abierta para representar un cuerpo de conocimiento como un directorio de archivos Markdown. Sin nuevo producto, sin SaaS, sin SDK: y eso es exactamente lo que lo hace interesante. En un momento en que cada proveedor intenta encerrarte en su plataforma, Google publica un formato que nadie posee: Markdown, archivos, y punto.

Este artículo explica qué es el OKF, cómo está estructurado, por qué llega justo en el momento adecuado para los agentes de IA, y qué lo distingue de un grafo de conocimiento o de una herramienta como NotebookLM.

El problema que el OKF busca resolver

Cuando un agente de IA tiene que responder a una pregunta de negocio («calcula los usuarios activos semanales»), arma su respuesta a partir de fuentes fragmentadas: un catálogo de metadatos aquí, un wiki allá, comentarios en el código, una definición de métrica en una hoja de cálculo. Cada agente reinventa este trabajo de recopilación, y cada organización lo estructura de forma distinta.

El OKF formaliza un esquema ya emergente que Google llama el patrón «LLM-wiki»: una biblioteca de conocimiento curada, escrita una vez, que cualquier agente puede consultar. La idea central es separar limpiamente al productor del consumidor: quien escribe el saber no tiene por qué saber quién lo leerá, y viceversa (Google Cloud Blog, How the Open Knowledge Format can improve data sharing).

La estructura: solo archivos, solo Markdown

Un bundle OKF es un directorio de archivos Markdown, organizados por concepto. Un concepto es todo lo que quieras capturar: una tabla, un conjunto de datos, una métrica, un runbook, una API, un personaje de novela. La regla fundacional: la ruta del archivo es la identidad del concepto.

sales/
├── index.md
├── datasets/
│   ├── index.md
│   └── orders_db.md
├── tables/
│   ├── index.md
│   ├── orders.md
│   └── customers.md
└── metrics/
    ├── index.md
    └── weekly_active_users.md

De ello se derivan tres propiedades, y eso es todo lo que hace al OKF:

Solo Markdown: legible en cualquier editor, renderizado en GitHub, indexable por cualquier herramienta de búsqueda.
Solo archivos: entregable como tarball, alojable en un repositorio git, montable en un sistema de archivos.
Solo frontmatter YAML: para los pocos campos estructurados que se quieren poder consultar.

Sin compresión exótica, sin runtime, sin base de datos. Si sabes escribir un archivo .md, sabes producir OKF.

El frontmatter: un solo campo obligatorio

Cada documento de concepto lleva un frontmatter YAML en la cabecera. Y ahí el OKF hace una elección radical de simplicidad: un solo campo es obligatorio:

---
type: BigQuery Table
title: Orders
description: One row per completed customer order.
resource: https://console.cloud.google.com/bigquery?p=acme&d=sales&t=orders
tags: [sales, revenue]
timestamp: 2026-05-28T14:30:00Z
---

type: el único campo obligatorio. Describe la naturaleza del concepto (tabla, métrica, personaje, endpoint…). Es lo que permite a un agente saber qué está leyendo sin adivinar.
title, description, resource, tags, timestamp: campos estándar opcionales. resource apunta al recurso real (URL), timestamp fecha la última actualización en ISO 8601.

Más allá de estos campos, los productores definen los suyos. La especificación no dicta ni los tipos disponibles, ni el modelo de contenido, ni las secciones del cuerpo. Es, en palabras de Google, «mínimamente opinada».

Los enlaces cruzados: un grafo con enlaces Markdown ordinarios

Es el elemento que convierte una carpeta de archivos en una base de conocimiento. Los conceptos se enlazan entre sí con simples enlaces Markdown:

| `customer_id` | STRING | Clave foránea hacia [customers](/tables/customers.md). |

Unida con [customers](/tables/customers.md) por `customer_id`.

El resultado es un grafo de relaciones más rico que la simple jerarquía padre/hijo del sistema de archivos. Un agente que lee orders.md descubre, siguiendo el enlace, que existe una tabla customers y cómo se unen, sin que nadie haya tenido que explicárselo en el prompt.

Los archivos reservados: `index.md` y `log.md`

La especificación reserva dos nombres de archivo, ambos opcionales:

index.md: permite una divulgación progresiva. A medida que un agente desciende por la jerarquía, el index.md de cada carpeta le da una visión de conjunto antes de sumergirse en los conceptos individuales.
log.md: un historial cronológico de los cambios aplicados a los conceptos.

La especificación completa, criterios de conformidad, reglas de enlaces cruzados y nombres reservados incluidos, cabe en una sola página (especificación oficial, GoogleCloudPlatform/knowledge-catalog).

«Format, not platform»

Es el principio rector, y merece que nos detengamos en él. Google insiste: el OKF es vendor-neutral. Sin cuenta propietaria, sin nube impuesta, sin SDK requerido. Un bundle OKF:

sobrevive al traslado entre sistemas, organizaciones y herramientas;
se versiona con git, junto al código que describe;
es legible por humanos y máquinas en el mismo archivo, sin capa de traducción.

Google proporciona además implementaciones de referencia para impulsar el ecosistema: un enrichment agent que recorre bases de datos BigQuery para generar OKF enriquecido por un LLM, un visor HTML estático (un único archivo autónomo, sin backend) que renderiza un bundle como un sitio navegable, y bundles de ejemplo (GA4 e-commerce, Stack Overflow, Bitcoin).

OKF, grafo de conocimiento, NotebookLM: tres cosas distintas

La confusión es frecuente. Desenredémosla.

OKF vs grafo de conocimiento

Un grafo de conocimiento es un modelo de datos abstracto: entidades y relaciones, a menudo almacenadas en una base de datos de grafos (triples RDF, propiedades, etc.). El OKF es un formato de archivos concreto que puede expresar relaciones mediante enlaces Markdown. Uno es una teoría del dato, el otro es una manera de escribirlo en disco. Se puede serializar parte de un grafo de conocimiento en OKF, pero no son los mismos objetos.

OKF vs NotebookLM (o cualquier otra aplicación)

NotebookLM es una aplicación: subes documentos, haces preguntas en su interfaz, y todo se queda en Google. El OKF es un formato: define cómo estructurar archivos para que cualquier herramienta pueda leerlos.

Estas dos cosas son ortogonales. Puedes perfectamente depositar un bundle OKF dentro de NotebookLM. Pero también puedes dárselo a Claude, a GPT, a un agente propio, a un script de Python, sin quedar encerrado en una plataforma. La verdadera pregunta es: ¿quieres una sesión de preguntas y respuestas interactiva (una aplicación lo hace bien), o una base de conocimiento portátil y programática que los agentes puedan recorrer, que versiones con git, y que viva junto a tu código o tus textos? El OKF responde a la segunda.

El momento justo, el nivel de ambición justo

El OKF llega precisamente donde se siente la necesidad: agentes de IA por todas partes, y en ningún sitio una forma sencilla de darles contexto curado. Google eligió publicar pronto y ligero, una especificación de una página en lugar de un comité de estandarización de tres años, y es una buena noticia. El formato ya es utilizable hoy, y está diseñado para crecer con limpieza:

El catálogo de type, libre por defecto, deja que cada dominio invente su vocabulario antes de que las convenciones más útiles se impongan por sí solas.
La interoperabilidad es la promesa central: un wiki escrito por uno, consumido por otro sin traductor. Es exactamente lo que hace posible un formato de archivos desnudo.
El versionado de la especificación está pensado desde el principio para seguir siendo retrocompatible.

En resumen

OKF = un directorio de archivos Markdown + frontmatter YAML, publicado por Google Cloud el 12 de junio de 2026 para dar contexto curado a los agentes de IA.
Un solo campo obligatorio: type. El resto (title, description, resource, tags, timestamp) es opcional; los productores añaden sus propios campos.
Los conceptos se enlazan mediante simples enlaces Markdown, formando un grafo. Archivos reservados opcionales: index.md, log.md.
Formato, no plataforma: sin SDK, versionable en git, legible por humanos y máquinas.
Distinto de un grafo de conocimiento (modelo abstracto) y de una aplicación como NotebookLM (plataforma): es un formato portátil de una herramienta a otra.

El OKF desplaza la pregunta de «¿qué herramienta consume mi saber?» hacia «¿está mi saber escrito en un formato que cualquier herramienta pueda leer?». Y dado que ese formato no es más que Markdown bien ordenado, cualquier editor Markdown, como Draft_, puede ya servir para producirlo.