1
00:00:09,679 --> 00:00:15,660
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,660 --> 00:00:17,719
BIM se encuentra con la inteligencia artificial.

3
00:00:20,219 --> 00:00:23,480
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,480 --> 00:00:26,460
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,460 --> 00:00:27,120
construcción.

6
00:00:28,679 --> 00:00:29,440
¡Empezamos!

7
00:00:36,880 --> 00:00:41,100
Muy buenas, bienvenidas y bienvenidos al episodio 46

8
00:00:41,100 --> 00:00:42,939
del podcast de BIMPRAXIS.

9
00:00:43,280 --> 00:00:46,740
Continuamos con nuestra serie sobre herramientas open source

10
00:00:46,740 --> 00:00:47,579
gratuitas.

11
00:00:47,840 --> 00:00:49,719
Y hoy os traemos algo que la verdad

12
00:00:49,719 --> 00:00:50,840
es una pasada.

13
00:00:51,039 --> 00:00:54,740
Vamos a analizar una herramienta llamada unstructured .io.

14
00:00:55,479 --> 00:00:57,960
Imaginad por un momento todo el conocimiento que

15
00:00:57,960 --> 00:00:58,759
acumula una empresa.

16
00:00:59,399 --> 00:01:03,520
Informes en PDF, presentaciones, documentos de Word, correos…

17
00:01:03,520 --> 00:01:04,819
Es un mar de datos.

18
00:01:05,060 --> 00:01:07,260
El problema es que la mayor parte está,

19
00:01:07,420 --> 00:01:09,299
como se dice, desestructurado.

20
00:01:09,379 --> 00:01:11,180
O sea que es un caos para que

21
00:01:11,180 --> 00:01:13,000
una inteligencia artificial lo entienda.

22
00:01:13,219 --> 00:01:16,680
Hoy vamos a ver cómo unstructured .io busca

23
00:01:16,680 --> 00:01:17,819
solucionar justo eso.

24
00:01:17,840 --> 00:01:18,739
Vamos allá.

25
00:01:19,200 --> 00:01:19,760
Exacto.

26
00:01:19,780 --> 00:01:22,859
El objetivo es convertir ese caos de datos

27
00:01:22,859 --> 00:01:24,939
en un recurso que de verdad aporte valor.

28
00:01:25,180 --> 00:01:28,980
Y veremos cómo esta herramienta, unstructured, sirve de

29
00:01:28,980 --> 00:01:30,739
base para una tecnología que está en boca

30
00:01:30,739 --> 00:01:32,719
de todos, que se llama RAG.

31
00:01:32,900 --> 00:01:35,939
Esta tecnología permite que las IAs respondan preguntas

32
00:01:35,939 --> 00:01:38,599
usando información privada y actualizada de una empresa.

33
00:01:38,819 --> 00:01:41,299
Y, muy importante, de forma segura.

34
00:01:41,599 --> 00:01:44,140
Bien, pues vamos a desgranar todo esto.

35
00:01:44,400 --> 00:01:47,439
Para empezar, yendo al grano, ¿qué es exactamente?

36
00:01:48,260 --> 00:01:49,780
Unstructured, por lo que he visto en las

37
00:01:49,780 --> 00:01:51,799
fuentes, es un proyecto de código abierto que

38
00:01:51,799 --> 00:01:54,219
ya tiene más de 50 millones de descargas.

39
00:01:54,920 --> 00:01:55,400
Correcto.

40
00:01:55,400 --> 00:01:56,700
No es algo pequeño, para nada.

41
00:01:56,920 --> 00:01:59,400
Su función principal es, a mí me gusta

42
00:01:59,400 --> 00:02:01,000
llamarlo, fontanería de datos.

43
00:02:01,819 --> 00:02:02,799
Fontanería de datos.

44
00:02:02,959 --> 00:02:03,480
Me gusta.

45
00:02:03,680 --> 00:02:06,400
Sí, porque coge documentos de cualquier tipo, de

46
00:02:06,400 --> 00:02:06,579
verdad.

47
00:02:06,739 --> 00:02:11,259
Un PDF, un .docx, un HTML, incluso imágenes.

48
00:02:11,539 --> 00:02:12,719
Y los procesa.

49
00:02:12,840 --> 00:02:16,120
Extrae el texto, las tablas, los títulos, todo.

50
00:02:16,340 --> 00:02:17,819
Y lo convierte en un formato de documento.

51
00:02:17,819 --> 00:02:19,680
Un formato limpio y estructurado, que suele ser

52
00:02:19,680 --> 00:02:20,020
JSON.

53
00:02:20,400 --> 00:02:22,379
Y este es el primer paso, el que

54
00:02:22,379 --> 00:02:25,439
es indispensable para que las IAs puedan, digamos,

55
00:02:25,620 --> 00:02:27,080
leer y entender esa información.

56
00:02:27,680 --> 00:02:29,539
Y esto nos lleva a las siglas que

57
00:02:29,539 --> 00:02:30,319
has mencionado antes.

58
00:02:30,819 --> 00:02:31,139
RAG.

59
00:02:31,280 --> 00:02:32,340
¿Qué es exactamente?

60
00:02:32,800 --> 00:02:37,099
Pues RAG son las siglas de Retrieval Augmented

61
00:02:37,099 --> 00:02:41,360
Generation, o en español, Generación Aumentada por Recuperación.

62
00:02:41,520 --> 00:02:43,960
Es una técnica que soluciona uno de los

63
00:02:43,960 --> 00:02:46,180
mayores problemas de los grandes modelos de lenguaje,

64
00:02:46,319 --> 00:02:47,800
los LLM.

65
00:02:47,819 --> 00:02:50,360
Que su conocimiento es estático, ¿no?

66
00:02:50,400 --> 00:02:51,620
Se queda obsoleto.

67
00:02:51,680 --> 00:02:52,120
Justo.

68
00:02:52,300 --> 00:02:55,099
Se queda obsoleto y, sobre todo, no tienen

69
00:02:55,099 --> 00:02:56,360
acceso a datos privados.

70
00:02:56,780 --> 00:02:59,460
RAG lo que permite es que cuando alguien

71
00:02:59,460 --> 00:03:02,039
hace una pregunta, el sistema busque la información

72
00:03:02,039 --> 00:03:04,680
más relevante en una base de datos privada.

73
00:03:04,740 --> 00:03:07,099
Una base de datos creada con los documentos

74
00:03:07,099 --> 00:03:08,520
que ha procesado Unstructured.

75
00:03:08,900 --> 00:03:09,439
Exacto.

76
00:03:09,479 --> 00:03:12,259
Y le entrega esos trocitos de información al

77
00:03:12,259 --> 00:03:14,979
LLM en ese momento para que construya la

78
00:03:14,979 --> 00:03:15,240
respuesta.

79
00:03:15,419 --> 00:03:17,199
El ejemplo del material es muy claro.

80
00:03:17,199 --> 00:03:18,439
Ah, sí, el de Twitter.

81
00:03:18,719 --> 00:03:18,960
Claro.

82
00:03:19,159 --> 00:03:21,819
Un chatbot sin RAG podría decirte que Twitter

83
00:03:21,819 --> 00:03:24,819
todavía existe, mientras que uno con RAG, conectado,

84
00:03:24,819 --> 00:03:26,860
por ejemplo, a Wikipedia, sabría que ahora se

85
00:03:26,860 --> 00:03:27,319
llama X.

86
00:03:27,639 --> 00:03:29,879
En uno de los seminarios web que hemos

87
00:03:29,879 --> 00:03:32,180
analizado, comentan algo que me ha llamado la

88
00:03:32,180 --> 00:03:32,460
atención.

89
00:03:33,340 --> 00:03:36,580
Mencionan que ha habido rumores sobre que el

90
00:03:36,580 --> 00:03:37,840
RAG está muerto.

91
00:03:37,979 --> 00:03:38,599
¿Es así?

92
00:03:38,860 --> 00:03:40,439
Uf, ese es el gran mito.

93
00:03:40,479 --> 00:03:43,460
Las fuentes lo desmienten, pero vamos, categóricamente.

94
00:03:43,639 --> 00:03:44,599
Ya me imaginaba.

95
00:03:44,759 --> 00:03:46,500
No solo no está muerto, sino que está

96
00:03:46,500 --> 00:03:47,180
empleado.

97
00:03:47,199 --> 00:03:47,939
Es una plena expansión.

98
00:03:47,979 --> 00:03:50,620
Es que, a ver, se cita una previsión

99
00:03:50,620 --> 00:03:53,180
de Grandview Research que proyecta un crecimiento anual

100
00:03:53,180 --> 00:03:54,939
de casi el 40 % hasta 2030.

101
00:03:55,460 --> 00:03:56,280
¿Una barbaridad?

102
00:03:56,500 --> 00:03:59,379
Es que hablamos de un mercado que alcanzaría

103
00:03:59,379 --> 00:04:01,500
más de 10 mil millones de dólares.

104
00:04:01,860 --> 00:04:03,500
O sea que no está muerto.

105
00:04:03,840 --> 00:04:05,900
¿Y por qué es tan popular en el

106
00:04:05,900 --> 00:04:06,639
mundo de la empresa?

107
00:04:06,939 --> 00:04:08,680
¿Qué es lo que ven en esta tecnología?

108
00:04:09,560 --> 00:04:11,800
Pues la razón principal, y esto es clave,

109
00:04:11,900 --> 00:04:12,719
es la seguridad.

110
00:04:13,240 --> 00:04:16,019
Ah, no tanto el tener los datos actualizados.

111
00:04:17,199 --> 00:04:17,819
Eso es el gancho.

112
00:04:17,819 --> 00:04:19,720
Pero lo de fondo es la seguridad.

113
00:04:20,420 --> 00:04:21,300
Piensa en esto.

114
00:04:21,420 --> 00:04:24,339
Si una empresa reentrenara un modelo de inteligencia

115
00:04:24,339 --> 00:04:27,519
artificial con todos sus datos sensibles, de finanzas

116
00:04:27,519 --> 00:04:30,240
o de recursos humanos, sería un desastre.

117
00:04:30,860 --> 00:04:32,740
Destruiría todos los controles de acceso.

118
00:04:33,079 --> 00:04:35,480
Con RAG, los datos se quedan en la

119
00:04:35,480 --> 00:04:36,759
base de datos de la empresa.

120
00:04:36,899 --> 00:04:37,779
No salen de ahí.

121
00:04:38,079 --> 00:04:41,060
El sistema solo recupera los fragmentos que necesita

122
00:04:41,060 --> 00:04:42,300
para cada consulta.

123
00:04:42,300 --> 00:04:45,040
Y mantiene la trazabilidad y los permisos.

124
00:04:45,220 --> 00:04:47,180
De hecho, se habla del problema de...

125
00:04:47,199 --> 00:04:48,180
El problema es el espejo de control de

126
00:04:48,180 --> 00:04:48,399
acceso.

127
00:04:48,579 --> 00:04:50,500
La idea es que si un empleado no

128
00:04:50,500 --> 00:04:52,300
puede ver una carpeta en el sistema de

129
00:04:52,300 --> 00:04:55,540
origen, tampoco debería poder consultarla a través del

130
00:04:55,540 --> 00:04:56,120
sistema RAG.

131
00:04:56,220 --> 00:04:57,800
Claro, tiene todo el sentido.

132
00:04:58,079 --> 00:05:01,920
Entonces, ¿cómo funciona a grandes rasgos este proceso?

133
00:05:02,420 --> 00:05:04,439
Pues tiene dos fases principales.

134
00:05:04,939 --> 00:05:07,660
Primero, una fase que llaman offline, que es

135
00:05:07,660 --> 00:05:08,620
la de preparación.

136
00:05:08,740 --> 00:05:12,379
Ahí es donde Unstructured procesa los documentos, los

137
00:05:12,379 --> 00:05:14,300
divide en fragmentos, los chunks...

138
00:05:14,300 --> 00:05:15,660
Y los convierte en vectores.

139
00:05:16,019 --> 00:05:16,639
Eso es.

140
00:05:17,199 --> 00:05:18,759
En representaciones matemáticas.

141
00:05:18,959 --> 00:05:20,860
Y los carga en una base de datos

142
00:05:20,860 --> 00:05:21,420
vectorial.

143
00:05:21,740 --> 00:05:24,199
Y luego está la segunda fase, la online,

144
00:05:24,500 --> 00:05:26,000
que es cuando alguien pregunta.

145
00:05:26,379 --> 00:05:28,459
Ahí se busca en esa base de datos

146
00:05:28,459 --> 00:05:31,120
los fragmentos más relevantes para responder.

147
00:05:31,459 --> 00:05:31,879
Vale.

148
00:05:31,899 --> 00:05:33,740
Y aquí es donde la cosa se pone

149
00:05:33,740 --> 00:05:34,839
realmente interesante.

150
00:05:35,120 --> 00:05:37,600
Porque las fuentes hablan de una evolución.

151
00:05:38,000 --> 00:05:40,560
Parece que no todos los sistemas RAG son

152
00:05:40,560 --> 00:05:41,079
iguales.

153
00:05:41,079 --> 00:05:43,800
Se empieza por un RAG ingenuo y se

154
00:05:43,800 --> 00:05:46,259
puede llegar a algo que llaman RAG agéntico.

155
00:05:47,199 --> 00:05:47,560
Exacto.

156
00:05:47,579 --> 00:05:50,699
El RAG básico, o ingenuo, es un proceso

157
00:05:50,699 --> 00:05:51,259
lineal.

158
00:05:51,660 --> 00:05:53,600
Busca, recupera y genera.

159
00:05:53,800 --> 00:05:54,319
Punto.

160
00:05:54,319 --> 00:05:55,560
Tiene una sola oportunidad.

161
00:05:55,939 --> 00:05:58,180
Si la primera búsqueda no da buenos resultados,

162
00:05:58,459 --> 00:05:59,379
el sistema falla.

163
00:05:59,500 --> 00:06:02,019
Y supongo que no puede con tareas complejas.

164
00:06:02,300 --> 00:06:02,800
Para nada.

165
00:06:03,120 --> 00:06:05,980
No puede resolver algo que requiera múltiples pasos

166
00:06:05,980 --> 00:06:07,980
o consultar distintas fuentes de datos.

167
00:06:08,180 --> 00:06:10,360
El RAG agéntico es el siguiente nivel.

168
00:06:10,740 --> 00:06:12,839
Aquí, el modelo de IA no es solo

169
00:06:12,839 --> 00:06:13,819
un generador de texto.

170
00:06:13,959 --> 00:06:16,240
Es más bien un orquestador que razona.

171
00:06:16,300 --> 00:06:17,180
Un orquestador.

172
00:06:17,199 --> 00:06:17,759
Sí.

173
00:06:17,920 --> 00:06:20,800
Puede descomponer una pregunta compleja en subtareas.

174
00:06:20,860 --> 00:06:23,420
Puede elegir la herramienta adecuada para cada una.

175
00:06:23,600 --> 00:06:25,879
Buscar en la base de datos, consultar una

176
00:06:25,879 --> 00:06:27,980
API en tiempo real, hacer una búsqueda web.

177
00:06:28,079 --> 00:06:30,720
Y lo más importante, puede evaluar sus propios

178
00:06:30,720 --> 00:06:33,759
resultados y autocorregirse si falla en el primer

179
00:06:33,759 --> 00:06:34,279
intento.

180
00:06:34,540 --> 00:06:37,360
Es como la diferencia entre preguntarle a un

181
00:06:37,360 --> 00:06:40,680
bibliotecario por un libro concreto y encargarle a

182
00:06:40,680 --> 00:06:42,779
un asistente de investigación un informe complejo.

183
00:06:43,019 --> 00:06:45,139
Esa es la analogía perfecta.

184
00:06:45,199 --> 00:06:47,180
El asistente puede ir a la biblioteca.

185
00:06:47,199 --> 00:06:48,759
Buscar envases de datos online.

186
00:06:49,019 --> 00:06:50,699
Hacer llamadas si es necesario.

187
00:06:51,139 --> 00:06:51,779
Precisamente.

188
00:06:51,939 --> 00:06:55,379
Y bueno, existe todo un espectro de autonomía.

189
00:06:55,439 --> 00:06:58,660
Desde un simple enrutador, que solo dirige las

190
00:06:58,660 --> 00:07:01,379
preguntas a la fuente de datos correcta, hasta

191
00:07:01,379 --> 00:07:05,699
sistemas que llaman de enjambres multiagente, que colaboran

192
00:07:05,699 --> 00:07:07,980
para resolver tareas muy, muy complejas.

193
00:07:08,180 --> 00:07:08,819
Entendido.

194
00:07:09,040 --> 00:07:11,339
Entonces, volviendo a la herramienta principal.

195
00:07:11,920 --> 00:07:14,519
¿Qué significa todo esto para alguien que quiera

196
00:07:14,519 --> 00:07:15,959
implementar estas soluciones?

197
00:07:17,199 --> 00:07:19,160
¿Cómo le ayuda Unstructured a evitar lo que

198
00:07:19,160 --> 00:07:21,000
en las fuentes llaman, y me encanta la

199
00:07:21,000 --> 00:07:23,800
expresión, el nido de ratas del hazlo tú

200
00:07:23,800 --> 00:07:24,079
mismo?

201
00:07:24,360 --> 00:07:26,839
Es que la expresión es buenísima porque describe

202
00:07:26,839 --> 00:07:28,379
una realidad muy común.

203
00:07:28,540 --> 00:07:31,480
Ese nido de ratas es el caos que

204
00:07:31,480 --> 00:07:33,560
se produce cuando cada equipo de una empresa

205
00:07:33,560 --> 00:07:36,160
crea sus propias chapuzas para procesar datos.

206
00:07:36,420 --> 00:07:37,939
Claro, cada uno por su lado.

207
00:07:38,180 --> 00:07:41,160
Sin estandarización, sin seguridad, sin calidad.

208
00:07:41,639 --> 00:07:44,680
Unstructured lo que ofrece es una plataforma centralizada

209
00:07:44,680 --> 00:07:47,079
para gestionar todo ese proceso de ingesta y

210
00:07:47,079 --> 00:07:47,180
transferencia.

211
00:07:47,199 --> 00:07:50,939
Una especie de tubería única y robusta.

212
00:07:51,100 --> 00:07:51,540
Justo.

213
00:07:52,100 --> 00:07:54,899
Proporciona las herramientas para procesar decenas de tipos

214
00:07:54,899 --> 00:07:57,399
de archivos, y usa una estrategia que llaman

215
00:07:57,399 --> 00:08:00,660
de particionamiento de alta resolución, y luego aplica

216
00:08:00,660 --> 00:08:03,860
enriquecimientos con modelos de visión por lenguaje, los

217
00:08:03,860 --> 00:08:04,600
VLMs.

218
00:08:05,519 --> 00:08:06,040
¿Enriquecimientos?

219
00:08:06,040 --> 00:08:07,379
¿Qué tipo de cosas hace?

220
00:08:07,620 --> 00:08:09,860
Pues, por ejemplo, puede generar descripciones de las

221
00:08:09,860 --> 00:08:12,240
imágenes que hay en un documento, o mejorar

222
00:08:12,240 --> 00:08:14,639
la precisión del texto con OCR generativo.

223
00:08:14,720 --> 00:08:17,180
O, y esto es muy útil, convertir tablas

224
00:08:17,180 --> 00:08:17,180
en un documento.

225
00:08:17,199 --> 00:08:17,300
O, y esto es muy útil, convertir tablas

226
00:08:17,300 --> 00:08:20,120
complejas a un formato HTML limpio y fácil

227
00:08:20,120 --> 00:08:20,480
de usar.

228
00:08:20,620 --> 00:08:21,720
Suena muy potente.

229
00:08:22,019 --> 00:08:24,240
¿Y todo esto se puede usar de forma

230
00:08:24,240 --> 00:08:24,779
sencilla?

231
00:08:25,079 --> 00:08:25,560
Sí.

232
00:08:25,660 --> 00:08:27,620
Las fuentes destacan dos formas de uso.

233
00:08:27,839 --> 00:08:30,259
Una es una interfaz de usuario muy visual,

234
00:08:30,399 --> 00:08:32,820
donde puedes arrastrar un archivo y ver los

235
00:08:32,820 --> 00:08:33,820
resultados en segundos.

236
00:08:34,460 --> 00:08:35,720
En la demo se ve con un PDF

237
00:08:35,720 --> 00:08:37,539
de una inmobiliaria y es una pasada.

238
00:08:37,720 --> 00:08:39,679
¿Y la otra será para un uso más

239
00:08:39,679 --> 00:08:40,940
a gran escala, imagino?

240
00:08:41,340 --> 00:08:41,820
Exacto.

241
00:08:41,919 --> 00:08:44,220
Una API para integrarlo en flujos de trabajo

242
00:08:44,220 --> 00:08:45,320
de forma programática.

243
00:08:45,320 --> 00:08:47,659
Se encarga de todo el trabajo sucio para

244
00:08:47,659 --> 00:08:49,799
que los equipos de desarrollo puedan centrarse en

245
00:08:49,799 --> 00:08:51,740
construir los sistemas de IA, no en la

246
00:08:51,740 --> 00:08:52,360
fontanería.

247
00:08:52,460 --> 00:08:56,779
En resumen, entonces, Unstructured .io se posiciona como

248
00:08:56,779 --> 00:08:59,779
una pieza fundamental de código abierto para poner

249
00:08:59,779 --> 00:09:02,419
orden en el caos de los datos empresariales.

250
00:09:02,539 --> 00:09:05,639
Es como la infraestructura esencial que permite construir

251
00:09:05,639 --> 00:09:08,740
después sistemas de IA avanzados, como los de

252
00:09:08,740 --> 00:09:12,600
RAG y RAG agéntico, que pueden entender y

253
00:09:12,600 --> 00:09:14,899
utilizar el conocimiento interno de una organización.

254
00:09:15,320 --> 00:09:16,759
De forma segura y eficaz.

255
00:09:16,919 --> 00:09:18,240
Esa es la idea central, sí.

256
00:09:18,399 --> 00:09:20,639
Y aquí me gustaría dejar una reflexión final

257
00:09:20,639 --> 00:09:22,039
que se deriva de todo esto.

258
00:09:22,639 --> 00:09:23,080
Adelante.

259
00:09:23,220 --> 00:09:25,539
Hemos hablado de agentes de IA que usan

260
00:09:25,539 --> 00:09:26,860
datos para responder preguntas.

261
00:09:27,379 --> 00:09:29,659
Pero a medida que estos sistemas se vuelven

262
00:09:29,659 --> 00:09:31,840
más autónomos y son capaces no sólo de

263
00:09:31,840 --> 00:09:35,779
recuperar información, sino de ejecutar acciones, ¿qué nuevos

264
00:09:35,779 --> 00:09:38,179
desafíos de gobernanza y control surgirán?

265
00:09:38,440 --> 00:09:40,580
Quiero decir, ¿qué pasa cuando una IA no

266
00:09:40,580 --> 00:09:42,259
sólo puede leer todos los datos de una

267
00:09:42,259 --> 00:09:44,200
empresa, sino también actuar en base a ellos

268
00:09:44,200 --> 00:09:45,299
usando otras herramientas?

269
00:09:45,320 --> 00:09:46,740
Es algo en lo que pensar.

270
00:09:46,940 --> 00:09:49,779
Una pregunta muy potente para terminar, desde luego.

271
00:09:50,019 --> 00:09:52,080
Y con esto llegamos a la despedida.

272
00:09:52,179 --> 00:09:54,639
Como siempre, queremos recordaros que detrás de las

273
00:09:54,639 --> 00:09:58,059
voces sintéticas que escucháis en estos episodios, creadas

274
00:09:58,059 --> 00:10:00,460
gracias a la IA de Notebook LM, se

275
00:10:00,460 --> 00:10:01,519
encuentra un humano.

276
00:10:01,679 --> 00:10:05,419
Un humano con lóbulos auriculares, párpados y trompas

277
00:10:05,419 --> 00:10:06,879
de eustaquio, entre otras cosas.

278
00:10:07,559 --> 00:10:09,320
Concretamente, Julio Pablo Vázquez.

279
00:10:09,500 --> 00:10:11,820
Si detectáis algún error, casi seguro que es

280
00:10:11,820 --> 00:10:11,960
humano.

281
00:10:12,259 --> 00:10:14,379
Os esperamos en el próximo episodio.

282
00:10:25,750 --> 00:10:27,269
Y hasta aquí el episodio de hoy.

283
00:10:27,370 --> 00:10:29,190
Muchas gracias por tu atención.

284
00:10:38,639 --> 00:10:40,659
Esto es BIMPRAXIS.

285
00:10:40,899 --> 00:10:43,440
Nos escuchamos en el próximo episodio.