La construcción de bases de conocimiento (KBC) utilizando IA ha sido uno de los objetivos clave de esta tecnología tan popular desde su aparición, ya que ayuda a comprender todo, incluidas las relaciones, a nuestro alrededor. La construcción de bases de conocimiento puede resumir un texto de manera procesable y comprensible por máquinas. Esto puede resultar valioso y asistencial para los ingenieros del conocimiento. En este artículo, presentamos la aplicación del procesamiento de lenguaje natural en la construcción de bases de conocimiento. Demostramos cómo un modelo de red neuronal de memoria a corto y largo plazo bidireccional entrenado (bi-LSTM) puede ser utilizado para construir bases de conocimiento de acuerdo con las definiciones exactas de ISO26262 definidas en la Ontología Básica GENIAL. Proporcionamos al sistema un documento de texto electrónico del dominio de la microelectrónica y el sistema intenta crear una base de conocimiento a partir de la información disponible en formato textual. Esta información se expresa luego en forma de gráficos cuando es consultada por el usuario. Este método de recuperación de información presenta al usuario una comprensión mucho más técnica y completa de un texto experto. Esto se logra aplicando el proceso de reconocimiento de entidades nombradas (NER) para la extracción de conocimiento. Este artículo proporciona un informe de resultados sobre el estado actual de nuestro proceso de construcción de conocimiento y contenido de la base de conocimiento, así como describe nuestros desafíos y experiencias.