1
00:00:10,000 --> 00:00:15,800
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,800 --> 00:00:17,920
BIM se encuentra con la inteligencia artificial.

3
00:00:20,519 --> 00:00:23,620
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,620 --> 00:00:26,559
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,559 --> 00:00:27,179
construcción.

6
00:00:28,859 --> 00:00:29,519
¡Empezamos!

7
00:00:37,280 --> 00:00:38,259
Muy buenas.

8
00:00:38,259 --> 00:00:41,119
Pues hoy seguimos explorando el mundo de los

9
00:00:41,119 --> 00:00:42,939
RAG, que la verdad es que da para

10
00:00:42,939 --> 00:00:43,740
mucho.

11
00:00:43,820 --> 00:00:46,420
Sí, ya llevamos unos cuantos programas y parece

12
00:00:46,420 --> 00:00:47,799
que no se acaba el tema.

13
00:00:47,820 --> 00:00:48,759
Para nada.

14
00:00:48,759 --> 00:00:50,679
Y hoy traemos un caso de uso que

15
00:00:50,679 --> 00:00:53,159
a mí me parece, bueno, espectacular.

16
00:00:53,159 --> 00:00:55,780
La idea de montar tu propio Google Personal

17
00:00:55,780 --> 00:00:57,840
para todos tus documentos.

18
00:00:57,780 --> 00:00:59,840
Un buscador para tu caos digital.

19
00:00:59,719 --> 00:01:02,520
Exacto, para ese cementerio de información que tenemos

20
00:01:02,520 --> 00:01:04,239
todos en el ordenador.

21
00:01:04,359 --> 00:01:07,599
Carpetas llenas de PDFs, de documentos de Word,

22
00:01:07,599 --> 00:01:10,200
notas… Y que cuando buscas algo no encuentras

23
00:01:10,200 --> 00:01:10,939
nada.

24
00:01:11,000 --> 00:01:13,180
O bueno, encuentras el nombre del archivo y

25
00:01:13,180 --> 00:01:14,120
poco más.

26
00:01:14,040 --> 00:01:14,459
Justo.

27
00:01:14,459 --> 00:01:16,480
Por eso nos vamos a sumergir en un

28
00:01:16,480 --> 00:01:19,640
sistema que desglosa el desarrollador Colemedin y que

29
00:01:19,640 --> 00:01:22,319
se apoya en una tecnología de IBM Research

30
00:01:22,319 --> 00:01:23,319
que se llama DocLink.

31
00:01:23,959 --> 00:01:25,760
Y lo interesante es que el enfoque combina

32
00:01:25,760 --> 00:01:26,879
dos mundos.

33
00:01:26,859 --> 00:01:28,519
Por un lado, la búsqueda de toda la

34
00:01:28,519 --> 00:01:30,180
vida, la de palabras clave.

35
00:01:30,200 --> 00:01:31,420
La que ya conocemos.

36
00:01:31,379 --> 00:01:34,239
Y por otro, la búsqueda semántica, que es

37
00:01:34,239 --> 00:01:36,439
la que de verdad entiende el significado de

38
00:01:36,439 --> 00:01:37,379
las cosas.

39
00:01:37,459 --> 00:01:39,819
No solo encuentra el documento, sino que extrae

40
00:01:39,819 --> 00:01:41,099
el conocimiento.

41
00:01:41,180 --> 00:01:43,819
Vale, a ver, vamos a desgranar esto.

42
00:01:43,900 --> 00:01:46,500
Búsqueda por palabras clave y búsqueda semántica.

43
00:01:47,219 --> 00:01:48,739
A mí de primeras me suena un poco

44
00:01:48,739 --> 00:01:51,000
a lo viejo contra lo nuevo.

45
00:01:50,840 --> 00:01:52,319
Sí, parece eso.

46
00:01:52,219 --> 00:01:54,519
Si la semántica es, se supone, mucho más

47
00:01:54,519 --> 00:01:57,260
inteligente, ¿por qué nos molestamos en usar la

48
00:01:57,260 --> 00:01:59,379
búsqueda de palabras de toda la vida?

49
00:01:59,379 --> 00:02:00,280
¿No es un poco arcaico?

50
00:02:00,500 --> 00:02:02,959
Es una pregunta muy lógica, porque la semántica

51
00:02:02,959 --> 00:02:04,700
parece superior en todo.

52
00:02:04,700 --> 00:02:06,700
Pero la búsqueda por palabras clave tiene una

53
00:02:06,700 --> 00:02:09,539
superpotencia que es insustituible.

54
00:02:09,280 --> 00:02:09,919
¿Cuál?

55
00:02:10,139 --> 00:02:12,460
La precisión quirúrgica.

56
00:02:12,460 --> 00:02:13,840
Hay momentos en los que no quieres que

57
00:02:13,840 --> 00:02:16,340
el sistema interprete nada, quieres que encuentre una

58
00:02:16,340 --> 00:02:18,560
cadena de texto exacta y punto.

59
00:02:18,419 --> 00:02:19,580
Dame un ejemplo.

60
00:02:19,319 --> 00:02:20,900
Pues piensa en algo legal.

61
00:02:20,900 --> 00:02:24,199
Si buscas un estatuto, el artículo 15.3b, no

62
00:02:24,199 --> 00:02:26,099
quieres que te dé el 15.3c porque se

63
00:02:26,099 --> 00:02:26,639
parece.

64
00:02:26,639 --> 00:02:27,240
Claro.

65
00:02:27,219 --> 00:02:29,860
O un código de error, un 409.

66
00:02:29,860 --> 00:02:31,580
O, como dice Cole Medín en el vídeo,

67
00:02:31,580 --> 00:02:34,740
si buscas los ingresos de 2025, la búsqueda

68
00:02:34,740 --> 00:02:38,139
semántica podría liarse y dártelos de 2024 o

69
00:02:38,139 --> 00:02:41,580
2026, porque conceptualmente están cerca.

70
00:02:41,520 --> 00:02:42,860
Ya entiendo.

71
00:02:42,860 --> 00:02:46,180
Es la diferencia entre podrá y deberá.

72
00:02:46,180 --> 00:02:49,479
Semánticamente se parecen, pero legalmente son la noche

73
00:02:49,479 --> 00:02:50,500
y el día.

74
00:02:50,520 --> 00:02:51,580
Exacto.

75
00:02:51,580 --> 00:02:53,840
Ahí necesitas un bisturí, no una red de

76
00:02:53,840 --> 00:02:54,780
pesca.

77
00:02:54,780 --> 00:02:57,319
Y tiene otra pequeña ventaja, el fussy matching,

78
00:02:57,319 --> 00:02:58,919
que te encuentra la palabra aunque haya un

79
00:02:58,919 --> 00:03:00,460
pequeño error al teclear.

80
00:03:00,259 --> 00:03:02,620
Vale, acepto la utilidad del bisturí.

81
00:03:02,620 --> 00:03:04,900
Visto así, tiene todo el sentido.

82
00:03:04,900 --> 00:03:07,180
Pero ahora háblame de la magia, de la

83
00:03:07,180 --> 00:03:08,400
búsqueda semántica.

84
00:03:08,400 --> 00:03:10,860
¿Qué es lo que la hace tan potente?

85
00:03:10,840 --> 00:03:12,520
Pues aquí es donde damos el salto de

86
00:03:12,520 --> 00:03:15,840
buscar palabras a buscar significados.

87
00:03:15,979 --> 00:03:18,219
La búsqueda semántica o vectorial no se fija

88
00:03:18,219 --> 00:03:20,479
en si las palabras coinciden, se fija en

89
00:03:20,479 --> 00:03:22,500
si las ideas están relacionadas.

90
00:03:22,419 --> 00:03:24,560
El ejemplo clásico de esto es el de

91
00:03:24,560 --> 00:03:25,379
rey y reina, ¿no?

92
00:03:25,580 --> 00:03:26,599
Ese es.

93
00:03:26,599 --> 00:03:29,517
Buscas rey y te puede devolver documentos que

94
00:03:29,517 --> 00:03:32,397
hablan de reina o de monarquía porque entiende

95
00:03:32,397 --> 00:03:33,897
el concepto global de realeza.

96
00:03:34,697 --> 00:03:37,157
¿Que eso ya es un salto cualitativo muy

97
00:03:37,157 --> 00:03:38,157
importante?

98
00:03:38,137 --> 00:03:39,217
Es un cambio de paradigma.

99
00:03:40,017 --> 00:03:40,497
Otro ejemplo.

100
00:03:41,217 --> 00:03:43,657
Buscas PC lento y el sistema te encuentra

101
00:03:43,657 --> 00:03:46,557
un artículo que se titula ¿Cómo optimizar el

102
00:03:46,557 --> 00:03:48,277
rendimiento de tu ordenador?

103
00:03:48,317 --> 00:03:50,857
Aunque no ponga ni PC ni lento.

104
00:03:50,737 --> 00:03:51,157
Exacto.

105
00:03:51,757 --> 00:03:53,817
una búsqueda por palabra clave ahí se quedaría

106
00:03:53,817 --> 00:03:54,717
en blanco.

107
00:03:54,957 --> 00:03:56,637
En el vídeo de Medin pasa algo así,

108
00:03:56,637 --> 00:03:57,497
de hecho.

109
00:03:57,577 --> 00:04:00,197
Él pregunta por un cronograma o timeline del

110
00:04:00,197 --> 00:04:01,837
lanzamiento de un producto.

111
00:04:01,977 --> 00:04:03,737
Y el documento no tiene esa palabra.

112
00:04:03,737 --> 00:04:04,657
No la tiene.

113
00:04:04,677 --> 00:04:07,597
Pero tiene un plan de lanzamiento, un launch

114
00:04:07,597 --> 00:04:10,877
plan, con fechas, y el sistema lo encuentra.

115
00:04:11,257 --> 00:04:14,677
Esa conexión, esa es la verdadera inteligencia.

116
00:04:14,457 --> 00:04:16,477
Ese es el núcleo de su poder.

117
00:04:16,757 --> 00:04:19,197
Infiere tu intención y la conecta con el

118
00:04:19,197 --> 00:04:21,157
significado del contenido.

119
00:04:21,457 --> 00:04:23,337
Y por eso, la respuesta a tu pregunta

120
00:04:23,337 --> 00:04:25,197
de antes de por qué no usar solo

121
00:04:25,197 --> 00:04:27,677
la semántica, es que ninguna de las dos

122
00:04:27,677 --> 00:04:28,737
es perfecta.

123
00:04:28,737 --> 00:04:30,537
Claro, una se puede equivocar en los detalles

124
00:04:30,537 --> 00:04:32,657
y la otra no entiende el contexto.

125
00:04:32,597 --> 00:04:32,997
Justo.

126
00:04:32,997 --> 00:04:35,417
Por eso la solución real, la que se

127
00:04:35,417 --> 00:04:38,297
propone aquí, es un sistema híbrido.

128
00:04:38,537 --> 00:04:40,617
Lanzas cada pregunta por las dos vías a

129
00:04:40,617 --> 00:04:41,257
la vez.

130
00:04:41,217 --> 00:04:42,457
Ah, claro.

131
00:04:42,457 --> 00:04:45,217
Así tienes la precisión para los datos específicos

132
00:04:45,217 --> 00:04:47,437
y la inteligencia para las ideas.

133
00:04:47,437 --> 00:04:48,817
No se te escapa nada.

134
00:04:48,617 --> 00:04:50,597
Consigues lo mejor de ambos mundos en cada

135
00:04:50,597 --> 00:04:51,197
consulta.

136
00:04:51,397 --> 00:04:54,117
Vale, la estrategia es brillante, lo veo.

137
00:04:54,117 --> 00:04:55,397
Pero una cosa es la idea y otra

138
00:04:55,397 --> 00:04:56,297
montarla.

139
00:04:56,297 --> 00:04:58,057
¿Qué piezas hacen falta?

140
00:04:58,057 --> 00:05:00,097
¿Cuál es el tech stack de todo esto?

141
00:05:00,197 --> 00:05:02,577
Pues la base de todo es MongoDB.

142
00:05:02,577 --> 00:05:04,797
Funciona como el gran almacén, pero no es

143
00:05:04,797 --> 00:05:05,737
un almacén tonto, ¿eh?

144
00:05:05,937 --> 00:05:06,677
¿En qué sentido?

145
00:05:06,697 --> 00:05:08,797
En que está diseñado para hacer justo las

146
00:05:08,797 --> 00:05:10,717
dos cosas que necesitamos.

147
00:05:10,717 --> 00:05:12,397
Por un lado, es una base de datos

148
00:05:12,397 --> 00:05:14,737
vectorial, que es el motor de la búsqueda

149
00:05:14,737 --> 00:05:15,317
semántica.

150
00:05:15,897 --> 00:05:17,737
Y por otro, tiene una búsqueda de texto

151
00:05:17,737 --> 00:05:20,277
tradicional muy potente para las palabras clave.

152
00:05:20,277 --> 00:05:23,157
O sea, es el contenedor que permite que

153
00:05:23,157 --> 00:05:24,957
los dos mundos convivan.

154
00:05:25,077 --> 00:05:25,497
Exacto.

155
00:05:25,497 --> 00:05:27,997
Es como un bibliotecario que sabe organizar por

156
00:05:27,997 --> 00:05:30,097
temas y a la vez encontrarte una frase

157
00:05:30,097 --> 00:05:32,277
exacta en la página que le pidas.

158
00:05:32,477 --> 00:05:33,977
Y luego está la otra pieza que me

159
00:05:33,977 --> 00:05:36,137
llama mucho la atención, DocLink.

160
00:05:36,917 --> 00:05:39,317
Que venga de IBM Research y esté en

161
00:05:39,317 --> 00:05:43,657
la LFAI and Data Foundation, bueno, eso le

162
00:05:43,657 --> 00:05:44,777
da mucho peso.

163
00:05:44,837 --> 00:05:46,077
Totalmente.

164
00:05:46,077 --> 00:05:49,017
Si MongoDB es el almacén, DocLink es el

165
00:05:49,017 --> 00:05:50,257
equipo de catalogación.

166
00:05:50,637 --> 00:05:52,537
Es el que coge nuestros documentos en bruto

167
00:05:52,537 --> 00:05:54,957
y los convierte en algo inteligente.

168
00:05:54,977 --> 00:05:58,057
¿Y te soluciona el problema del cajón desastre?

169
00:05:58,217 --> 00:06:01,617
Sí, puedes echarle PDFs, facturas, actas en Word,

170
00:06:01,617 --> 00:06:03,277
presentaciones… ¿Incluso audios?

171
00:06:03,677 --> 00:06:05,077
Incluso audios.

172
00:06:05,077 --> 00:06:08,477
Coge archivos WAV o MP3, aplica reconocimiento de

173
00:06:08,477 --> 00:06:10,777
voz, extrae el texto y ya puedes buscar

174
00:06:10,777 --> 00:06:11,357
en él.

175
00:06:11,757 --> 00:06:14,237
Y con los PDFs hace virguerías.

176
00:06:14,237 --> 00:06:15,617
No solo copia el texto.

177
00:06:15,617 --> 00:06:16,477
¿Qué más hace?

178
00:06:16,557 --> 00:06:19,277
Pues entiende la maquetación, el orden de lectura,

179
00:06:19,277 --> 00:06:21,697
la estructura de las tablas, las fórmulas.

180
00:06:21,697 --> 00:06:24,337
Extrae el conocimiento de forma estructurada.

181
00:06:24,297 --> 00:06:25,677
Que eso es clave.

182
00:06:25,677 --> 00:06:28,017
Cualquiera que haya intentado copiar una tabla de

183
00:06:28,017 --> 00:06:30,417
un PDF sabe el desastre que puede ser.

184
00:06:30,177 --> 00:06:30,697
Exacto.

185
00:06:30,697 --> 00:06:32,937
Pero quizás su función más crítica para este

186
00:06:32,937 --> 00:06:34,877
sistema, RAG, es el chunking.

187
00:06:35,217 --> 00:06:36,957
El troceado de los documentos.

188
00:06:36,957 --> 00:06:37,657
Eso es.

189
00:06:37,657 --> 00:06:39,537
Los modelos de lenguaje no pueden leerse un

190
00:06:39,537 --> 00:06:41,637
manual de 300 páginas de golpe.

191
00:06:41,637 --> 00:06:43,097
Se ahogan en información.

192
00:06:42,997 --> 00:06:44,257
Se pierden, claro.

193
00:06:43,977 --> 00:06:46,017
Pues DocLink lo que hace es dividir esos

194
00:06:46,017 --> 00:06:48,997
documentos en fragmentos, en chunks coherentes.

195
00:06:49,697 --> 00:06:51,837
Y usa una estrategia híbrida muy buena para

196
00:06:51,837 --> 00:06:54,517
que esos trozos tengan sentido por sí mismos.

197
00:06:54,617 --> 00:06:56,337
Es como darle al modelo resúmenes de cada

198
00:06:56,337 --> 00:06:57,277
capítulo.

199
00:06:57,437 --> 00:06:59,315
Sin un buen chunking, el sistema se viene

200
00:06:59,315 --> 00:07:00,075
abajo.

201
00:07:00,235 --> 00:07:04,755
Vale, entonces tenemos Almacén, MongoDB, y el preparador,

202
00:07:04,755 --> 00:07:05,435
DocLink.

203
00:07:05,435 --> 00:07:07,555
Falta el cerebro que dirige todo.

204
00:07:07,555 --> 00:07:09,455
Ahí entra Paidanti Keyai, ¿no?

205
00:07:09,855 --> 00:07:12,975
Sí, Paidanti Keyai sería el director de orquesta.

206
00:07:12,975 --> 00:07:15,355
Es un framework que simplifica mucho la construcción

207
00:07:15,355 --> 00:07:16,775
de estos agentes.

208
00:07:16,775 --> 00:07:18,615
Recibe tu pregunta y decide.

209
00:07:18,615 --> 00:07:21,195
Vale, para esto lanzo una búsqueda semántica y

210
00:07:21,195 --> 00:07:23,335
una por palabra clave a MongoDB.

211
00:07:23,335 --> 00:07:24,655
Te da los bloques para que la gente

212
00:07:24,355 --> 00:07:25,955
razone y actúe.

213
00:07:25,955 --> 00:07:29,215
De acuerdo, el tech stack tiene sentido.

214
00:07:29,215 --> 00:07:32,935
MongoDB almacela y busca, DocLink prepara y trocea

215
00:07:32,935 --> 00:07:33,615
todo.

216
00:07:33,615 --> 00:07:35,675
Pero ahora me surge una duda que me

217
00:07:35,675 --> 00:07:37,635
parece fundamental.

218
00:07:37,635 --> 00:07:40,455
Si lanzamos dos búsquedas a la vez, sacamos

219
00:07:40,455 --> 00:07:42,295
dos listas de resultados.

220
00:07:42,295 --> 00:07:43,795
¿Cómo las juntamos?

221
00:07:43,795 --> 00:07:46,675
¿Cómo sabes qué resultado es más importante?

222
00:07:46,675 --> 00:07:48,415
Es el problema del millón, sí.

223
00:07:48,415 --> 00:07:51,175
Y es que no puedes simplemente mezclarlos.

224
00:07:51,175 --> 00:07:51,695
¿Por qué no?

225
00:07:51,695 --> 00:07:53,575
Porque cada búsqueda mide la calidad de sus

226
00:07:53,575 --> 00:07:57,075
resultados con una vara de medir completamente distinta.

227
00:07:57,075 --> 00:07:59,655
La búsqueda semántica te da una puntuación, digamos,

228
00:07:59,655 --> 00:08:00,855
entre 0 y 1.

229
00:08:00,855 --> 00:08:02,715
Te dice, esto se parece a tu pregunta,

230
00:08:02,715 --> 00:08:04,095
en un 0.85.

231
00:08:04,095 --> 00:08:05,975
¿Y la de palabra clave te da?

232
00:08:05,975 --> 00:08:08,615
Otro número, sí, pero basado en otras cosas,

233
00:08:08,615 --> 00:08:10,235
como la frecuencia de la palabra.

234
00:08:10,235 --> 00:08:12,535
Podría ser un 15 un 32.

235
00:08:12,535 --> 00:08:13,735
No tienen relación.

236
00:08:13,735 --> 00:08:17,115
Comparar un 0,85 con un 15 es comparar

237
00:08:17,115 --> 00:08:18,275
peras con manzanas.

238
00:08:18,275 --> 00:08:20,375
Imposible saber qué es mejor.

239
00:08:20,375 --> 00:08:22,375
Si los intentas mezclar a la fuerza, el

240
00:08:22,375 --> 00:08:23,975
resultado es malísimo.

241
00:08:23,975 --> 00:08:26,115
Entonces, ¿cómo se soluciona este lío?

242
00:08:26,115 --> 00:08:28,335
Con un algoritmo muy, muy elegante que se

243
00:08:28,335 --> 00:08:32,655
llama Reciprocal Rank Fusion o RRF.

244
00:08:32,655 --> 00:08:33,515
A ver.

245
00:08:33,515 --> 00:08:35,715
La idea es brillante porque ignora por completo

246
00:08:35,715 --> 00:08:38,395
esas puntuaciones que no podemos comparar.

247
00:08:38,395 --> 00:08:39,775
En su lugar se fija en algo que

248
00:08:39,775 --> 00:08:42,515
sí es comparable, la posición en el ranking

249
00:08:42,515 --> 00:08:44,155
de cada resultado.

250
00:08:44,155 --> 00:08:45,875
Explícame eso un poco mejor.

251
00:08:45,875 --> 00:08:47,955
Imagina que buscas un restaurante.

252
00:08:47,955 --> 00:08:50,155
Una app de reseñas, la semántica, te da

253
00:08:50,155 --> 00:08:52,235
1 con 4,8 estrellas.

254
00:08:52,235 --> 00:08:54,555
Otra app de popularidad, la de palabra clave,

255
00:08:54,615 --> 00:08:56,115
te dice que es el número 15 más

256
00:08:56,115 --> 00:08:57,155
visitado.

257
00:08:57,155 --> 00:08:58,235
¿Qué es mejor?

258
00:08:58,235 --> 00:08:59,175
Ni idea.

259
00:08:59,175 --> 00:08:59,695
Exacto.

260
00:08:59,695 --> 00:09:01,655
Pero si las dos apps lo ponen en

261
00:09:01,655 --> 00:09:03,735
su top 3, entonces sabes que es una

262
00:09:03,735 --> 00:09:05,055
apuesta segura.

263
00:09:05,055 --> 00:09:06,575
RRF hace eso.

264
00:09:06,575 --> 00:09:08,175
Confía en el consenso.

265
00:09:08,175 --> 00:09:09,715
Le da más peso a los resultados que

266
00:09:09,715 --> 00:09:12,375
aparecen arriba en ambas listas sin importar sus

267
00:09:12,375 --> 00:09:13,555
puntuaciones raras.

268
00:09:13,555 --> 00:09:14,515
Ah, qué bueno.

269
00:09:14,515 --> 00:09:16,035
O sea, que se fía de los resultados

270
00:09:16,035 --> 00:09:18,295
en los que los dos métodos están de

271
00:09:18,295 --> 00:09:19,135
acuerdo.

272
00:09:19,135 --> 00:09:21,935
Es una forma de encontrar un consenso entre

273
00:09:21,935 --> 00:09:24,855
dos expertos que hablan idiomas distintos.

274
00:09:24,855 --> 00:09:27,175
Es una solución súper robusta.

275
00:09:27,175 --> 00:09:29,835
Fíjate si es efectiva, que el propio Cole

276
00:09:29,835 --> 00:09:32,835
Medin menciona que MongoDB está trabajando para integrar

277
00:09:32,835 --> 00:09:35,535
RRF directamente en su plataforma.

278
00:09:35,635 --> 00:09:37,395
Eso te da una idea de su importancia.

279
00:09:37,395 --> 00:09:40,155
Vale, creo que ya tengo todas las piezas.

280
00:09:40,155 --> 00:09:41,695
Pongámoslo todo junto.

281
00:09:41,695 --> 00:09:43,635
Vamos a seguir el viaje de una pregunta

282
00:09:43,635 --> 00:09:45,555
desde que la hago hasta que me llega

283
00:09:45,555 --> 00:09:46,675
la respuesta.

284
00:09:46,755 --> 00:09:48,155
¿Qué pasa por detrás?

285
00:09:48,155 --> 00:09:49,375
Perfecto.

286
00:09:49,375 --> 00:09:50,775
Empezamos con tu pregunta.

287
00:09:50,775 --> 00:09:53,255
¿Cuál es el cronograma para el lanzamiento del

288
00:09:53,255 --> 00:09:54,255
nuevo producto?

289
00:09:54,255 --> 00:09:54,775
Hecho.

290
00:09:54,775 --> 00:09:55,835
Pregunta lanzada.

291
00:09:55,835 --> 00:09:57,575
En ese mismo instante, el agente entra en

292
00:09:57,575 --> 00:09:58,695
acción.

293
00:09:58,695 --> 00:10:00,175
Lanza la consulta por dos caminos a la

294
00:10:00,175 --> 00:10:00,775
vez.

295
00:10:00,775 --> 00:10:03,115
Dos tuberías en paralelo hacia MongoDB.

296
00:10:03,375 --> 00:10:05,335
Una semántica y otra de palabra clave.

297
00:10:05,335 --> 00:10:08,175
Y cada tubería me devolverá una lista de

298
00:10:08,175 --> 00:10:11,375
chunks, de trocitos de texto, ordenada según su

299
00:10:11,375 --> 00:10:12,395
propio criterio.

300
00:10:12,395 --> 00:10:12,915
Correcto.

301
00:10:12,915 --> 00:10:16,455
Pero antes de fusionarlas, pasa algo crucial.

302
00:10:16,455 --> 00:10:18,175
El enriquecimiento.

303
00:10:18,175 --> 00:10:20,795
El sistema no solo recupera los fragmentos, sino

304
00:10:20,795 --> 00:10:22,835
que va al documento original y les añade

305
00:10:22,835 --> 00:10:24,015
los metadatos.

306
00:10:24,015 --> 00:10:27,435
El nombre del archivo, la fecha, el autor...

307
00:10:27,435 --> 00:10:28,752
El número de página.

308
00:10:28,752 --> 00:10:29,152
Todo.

309
00:10:29,432 --> 00:10:31,992
Y por eso es posible hacer la pregunta

310
00:10:31,992 --> 00:10:33,812
de seguimiento del vídeo.

311
00:10:33,812 --> 00:10:35,932
Cuando el usuario pregunta ¿de dónde has sacado

312
00:10:35,932 --> 00:10:36,952
esa información?

313
00:10:36,952 --> 00:10:37,692
Claro.

314
00:10:37,692 --> 00:10:39,852
Y el sistema responde de las notas de

315
00:10:39,852 --> 00:10:42,832
la reunión del 8 de enero, página 3.

316
00:10:42,832 --> 00:10:44,912
Eso es gracias a los metadatos.

317
00:10:44,912 --> 00:10:46,412
Sin ellos estaría perdido.

318
00:10:46,412 --> 00:10:46,812
Exacto.

319
00:10:47,252 --> 00:10:50,252
Solo tendrías texto anónimo, sin fuente ni contexto.

320
00:10:50,232 --> 00:10:51,972
Y una vez que tienes las dos listas

321
00:10:51,972 --> 00:10:56,192
enriquecidas y ordenadas, llega la fusión con RRF.

322
00:10:56,092 --> 00:10:58,132
El algoritmo mira los rankings.

323
00:10:58,052 --> 00:11:00,592
Y crea una única lista final, unificada y

324
00:11:00,592 --> 00:11:02,732
ordenada por la relevancia combinada.

325
00:11:02,472 --> 00:11:05,192
Y esa lista final ya depurada es el

326
00:11:05,192 --> 00:11:06,692
material de primera que se le entrega al

327
00:11:06,692 --> 00:11:08,072
modelo de lenguaje.

328
00:11:07,632 --> 00:11:08,052
Justo.

329
00:11:08,052 --> 00:11:10,632
Se le pasa esa lista de los fragmentos

330
00:11:10,632 --> 00:11:13,092
más pertinentes y se le dice, con esto

331
00:11:13,092 --> 00:11:16,112
y solo con esto genera una respuesta coherente

332
00:11:15,632 --> 00:11:18,392
y el modelo redacta la respuesta para la

333
00:11:18,392 --> 00:11:19,172
usuaria.

334
00:11:19,112 --> 00:11:20,432
Y lo más alucinante es que en la

335
00:11:20,432 --> 00:11:23,572
demo todo este viaje, las dos búsquedas, el

336
00:11:23,572 --> 00:11:27,672
enriquecimiento, la fusión, la generación, ocurre en menos

337
00:11:27,672 --> 00:11:28,732
de un segundo.

338
00:11:28,592 --> 00:11:30,652
Es que la arquitectura está muy bien diseñada

339
00:11:30,152 --> 00:11:34,272
y plataformas como MongoDB están súper optimizadas para

340
00:11:34,272 --> 00:11:35,052
esto.

341
00:11:35,352 --> 00:11:38,412
Entonces, resumiendo, la clave es esta estrategia híbrida

342
00:11:38,412 --> 00:11:40,772
que une la precisión de la vieja escuela

343
00:11:40,792 --> 00:11:43,012
con la inteligencia de lo nuevo.

344
00:11:43,132 --> 00:11:46,012
Necesitamos herramientas como DocLink para preparar bien los

345
00:11:46,012 --> 00:11:49,732
datos y un método como RFRF para fusionar

346
00:11:49,732 --> 00:11:51,692
los resultados de forma elegante.

347
00:11:51,972 --> 00:11:54,292
Hemos construido nuestro buscador personal.

348
00:11:54,552 --> 00:11:57,112
Pero, me pregunto, ¿y si esto es solo

349
00:11:57,112 --> 00:11:57,932
el principio?

350
00:11:57,952 --> 00:12:00,672
Es que esto plantea una pregunta muy importante.

351
00:12:01,032 --> 00:12:03,832
Todo este sistema que hemos descrito es reactivo.

352
00:12:04,492 --> 00:12:06,252
Le pregunto, me contesta.

353
00:12:06,272 --> 00:12:06,792
Exacto.

354
00:12:06,792 --> 00:12:09,392
Lo usamos para tirar de la información que

355
00:12:09,392 --> 00:12:10,612
necesitamos.

356
00:12:10,952 --> 00:12:13,712
Pero, ¿y si la gente pudiera empujar la

357
00:12:13,712 --> 00:12:16,712
información hacia nosotros, de forma proactiva?

358
00:12:17,012 --> 00:12:18,292
¿A qué te refieres?

359
00:12:18,292 --> 00:12:20,172
¿Que me dé respuestas a preguntas que no

360
00:12:20,172 --> 00:12:20,472
he hecho?

361
00:12:20,872 --> 00:12:21,952
Algo así.

362
00:12:21,952 --> 00:12:24,472
Imagina una gente que no solo busca, sino

363
00:12:24,472 --> 00:12:26,512
que lee y conecta tus notas por sí

364
00:12:26,512 --> 00:12:27,232
mismo.

365
00:12:27,332 --> 00:12:28,932
Que coge las notas de la reunión de

366
00:12:28,932 --> 00:12:31,172
esta mañana, las cruza con un informe de

367
00:12:31,172 --> 00:12:33,112
ventas de la semana pasada y te dice,

368
00:12:33,192 --> 00:12:35,892
oye, he detectado una inconsistencia en las proyecciones

369
00:12:35,892 --> 00:12:37,692
de ventas del producto X.

370
00:12:37,332 --> 00:12:41,552
Ostras, estaríamos pasando de un buscador a un

371
00:12:41,552 --> 00:12:44,692
asistente de conocimiento, casi un socio estratégico.

372
00:12:45,212 --> 00:12:46,452
Exactamente.

373
00:12:46,452 --> 00:12:48,632
Estaríamos dando el salto de la búsqueda de

374
00:12:48,632 --> 00:12:51,572
información a la síntesis de conocimiento.

375
00:12:51,692 --> 00:12:54,572
El sistema no sólo encontraría datos, sino que

376
00:12:54,572 --> 00:12:56,972
generaría nuevos insights, nuevas ideas.

377
00:12:57,592 --> 00:12:59,312
Que te hiciera un resumen de los puntos

378
00:12:59,312 --> 00:13:01,272
clave de un proyecto cada mañana sin que

379
00:13:01,272 --> 00:13:01,752
se lo pidas.

380
00:13:02,592 --> 00:13:05,252
Ese, sin duda, es el siguiente horizonte.

381
00:13:16,832 --> 00:13:18,952
Y hasta aquí el episodio de hoy.

382
00:13:18,952 --> 00:13:20,552
Muchas gracias por tu atención.

383
00:13:30,292 --> 00:13:32,552
Esto es BIMPRAXIS.

384
00:13:32,552 --> 00:13:34,652
Nos escuchamos en el próximo episodio.

385
00:13:56,532 --> 00:13:56,572
SUSCRÍBETE 🙏