El buscador de la intranet no está roto. Hace exactamente lo que le pidieron: devuelve documentos que contienen las letras que usted escribió. El problema es que usted no escribió las mismas letras que escribió el que redactó el documento, y por eso no encuentra nada.
En un estudio jurídico de Guayaquil probamos esto delante del socio administrador. Buscó “alquiler de oficina” en su gestor documental. Cero resultados. La firma tenía veintitrés contratos de eso. Todos decían “arrendamiento de local comercial”.
Cómo busca un buscador de palabras clave
La búsqueda clásica, la que llevamos usando treinta años, funciona con un índice invertido. El sistema recorre todos los documentos, anota en qué documentos aparece cada palabra, y cuando usted busca, consulta esa lista. Es rapidísimo y, para lo que sirve, insuperable.
Los buscadores decentes le agregan dos refinamientos. Uno es la lematización: reducen “arrendamientos” y “arrendar” a la misma raíz, para que buscar uno encuentre el otro. El otro es una fórmula de relevancia que pondera cuántas veces aparece la palabra en el documento y cuán rara es en el conjunto. Una palabra que aparece en todos los documentos no distingue nada; una que aparece en tres, mucho.
Con eso, la búsqueda por palabras clave gana en tres casos y hay que decirlo porque a veces se pinta como tecnología vieja.
Gana cuando usted busca un identificador: un RUC, un número de factura, un código de producto. Ahí la coincidencia exacta es lo único correcto y una búsqueda por significado es un estorbo.
Gana cuando busca una frase textual, entre comillas.
Y gana cuando el vocabulario está controlado, es decir cuando todo el mundo llama a las cosas igual. Que es casi nunca.
Dónde falla
Falla en el caso más común de todos: usted busca un concepto y el documento lo nombra con otras palabras.
Cuatro formas de que pase, con ejemplos reales de empresas que hemos revisado.
Sinónimos. “Alquiler” contra “arrendamiento”. “Despido” contra “terminación de la relación laboral”. “Anticipo” contra “pago a cuenta”.
Nivel de abstracción distinto. Usted busca “cláusula de salida”; el documento dice “las partes podrán dar por terminado el presente contrato mediante notificación con treinta días de anticipación”. No comparten ni una palabra útil.
El documento describe sin nombrar. Busca “exclusividad” y el contrato dice “el distribuidor no podrá comercializar productos de naturaleza similar dentro del territorio”. Es una cláusula de exclusividad. La palabra no aparece.
Idioma y escritura. Documentos con partes en inglés, nombres escritos con y sin tilde, mayúsculas inconsistentes.
En las revisiones que hemos hecho, entre el cuarenta y el sesenta por ciento de las búsquedas fallidas caían en una de esas cuatro. No era que faltara el documento. Era que no compartía ni una palabra con la pregunta.
Qué hace distinto la búsqueda semántica
La búsqueda semántica no compara palabras: compara significados. La mecánica, sin tecnicismos, es esta.
Cada fragmento de documento se convierte en una lista de números que representa de qué habla. Textos que hablan de lo mismo producen listas parecidas, aunque no compartan una sola palabra. Su pregunta se convierte en una lista igual, y el sistema devuelve los fragmentos cuya lista se parece más a la de la pregunta.
Por eso “alquiler de oficina” encuentra “arrendamiento de local comercial”: los dos textos hablan de lo mismo y sus representaciones quedan cerca. Y por eso encuentra la cláusula de exclusividad que nunca dice exclusividad.
Tiene dos debilidades y son simétricas a las fortalezas de la anterior.
Es mala con los identificadores. Un número de factura no significa nada, así que su representación no queda cerca de nada. Buscar “001-002-000045678” en un sistema puramente semántico puede devolverle cualquier documento de facturación.
Es aproximada por naturaleza. Siempre devuelve los más parecidos, aunque el parecido sea bajo. Una búsqueda de algo que no existe en el archivo devuelve resultados igual, y hay que mirarlos para darse cuenta.
Por qué su intranet parece peor que un buscador de internet
Vale la pena decirlo porque la comparación aparece en toda reunión: un buscador de internet tiene dos ventajas que su intranet no puede tener nunca.
La primera es que millones de personas le enseñan qué resultado era el bueno. Cada vez que alguien hace clic en el tercer resultado y no vuelve, el sistema aprende algo. Con doscientas búsquedas al mes dentro de una empresa, esa señal no existe.
La segunda es que los enlaces entre páginas indican importancia. En una carpeta compartida no hay enlaces: hay archivos sueltos, y ninguno apunta a ninguno.
La consecuencia práctica es que en una intranet la relevancia hay que ganarla de otra forma, y solo hay dos maneras. Una es entender el significado, que es la búsqueda semántica. La otra es que los documentos se enlacen entre sí, que es trabajo suyo y del que más rendimiento da por hora invertida.
Por eso las buenas hacen las dos
La respuesta correcta no es elegir. Es correr las dos búsquedas y combinar los resultados.
El método que se usa para combinarlas se llama fusión de rangos y es más simple de lo que suena: en vez de intentar comparar puntuaciones que están en escalas distintas, cada búsqueda entrega su lista ordenada y cada documento recibe puntos según la posición en que salió en cada lista. Un documento que sale segundo en las dos gana a uno que sale primero en una y no aparece en la otra. Es robusto justamente porque no confía en las puntuaciones, solo en el orden.
El resultado práctico es que la búsqueda por palabras clave se encarga del número de factura y del nombre propio, la semántica se encarga del concepto, y usted no tiene que saber cuál de las dos necesitaba. Qué ocurre después, cuando esos fragmentos recuperados llegan a un modelo que redacta la respuesta, está en RAG explicado sin tecnicismos.
En Ofivia la búsqueda es híbrida con fusión de rangos por defecto, y hay una tercera pieza encima: el grafo de enlaces entre documentos. Cuando un procedimiento enlaza a la política que lo sustenta y esta al acta donde se aprobó, encontrar cualquiera de los tres le da acceso inmediato a los otros dos, incluso hacia atrás. Se puede preguntar qué documentos apuntan a este, que es la pregunta que más veces resuelve una revisión.
Cómo evaluar un buscador en una tarde
No se evalúa con búsquedas de demostración. Se evalúa así, y toma una tarde.
Junte veinte preguntas reales. De las que alguien tuvo que contestar el mes pasado. La mitad deben ser de concepto y la otra mitad de dato exacto.
Anote la respuesta correcta antes de probar. Qué documento es el que debería salir. Si no sabe cuál es, esa pregunta no sirve para evaluar.
Mida dos cosas. Cuántas veces el documento correcto sale entre los tres primeros, y cuántas veces no sale en ninguna posición. La segunda es la que duele: un buscador que pone el documento correcto en el puesto ocho es incómodo; uno que no lo devuelve nunca es inútil.
Un buscador serio pone el documento correcto entre los tres primeros en dieciséis de veinte. Por debajo de doce, mire primero si los documentos están completos antes de culpar al buscador.
Y una pregunta comercial que conviene hacer temprano, porque cambia el presupuesto: cuánto cuesta indexar. Si le cobran por documento o por página, va a acabar decidiendo qué subir según el precio, y un archivo incompleto convierte a cualquier buscador en malo. En Ofivia la indexación y la búsqueda corren en el servidor de la plataforma con un modelo local y no consumen crédito de IA. Puede subir quince años de archivo y buscarlo todos los días sin que eso aparezca en la factura.
Cómo está armada la búsqueda híbrida, cómo se construye el grafo de enlaces y qué se puede preguntar hacia atrás está explicado en la página de búsqueda.