Glosario · Software
Factory: dónde se procesan, clasifican y validan las señales de vigilancia
Factory es el espacio donde Innguma procesa y estructura las señales: el entorno de trabajo del analista en el que la información capturada se filtra, la IA agrupa duplicados y la clasifica, y una persona revisa y valida lo relevante antes de que pase a la Biblioteca. Su función es que el analista empiece con publicaciones ordenadas y sin repeticiones, y dedique su criterio a decidir qué importa y para quién.
¿Qué etapa del proceso de vigilancia cubre Factory?
La UNE 166006:2018 distingue, dentro de la operación del sistema, el control de las fuentes, la búsqueda, el tratamiento, la puesta en valor, la distribución y el almacenamiento.[1] Factory reúne las cuatro primeras en un mismo sitio:
- Captura. Se monitorizan de forma continua las fuentes de cada vigilancia: noticias y web, patentes, regulación y BOE, licitaciones, webs de competidores y fuentes especializadas.
- Filtrado. Los criterios de cada vigilancia deciden qué entra y qué se queda fuera.
- Tratamiento con IA. La IA de Innguma agrupa duplicados y clasifica cada señal por categorías, tecnologías, entidades, tipo de evento, lugar y tono.
- Revisión y validación. El analista descarta el ruido, valida lo relevante y deja escrito por qué importa.
Lo validado pasa a la Biblioteca, que lo conserva con su fuente y desde la que se envían los boletines.
¿Por qué agrupar duplicados antes de revisar?
Una nota de prensa de una empresa o un anuncio de un organismo se reproduce en decenas de medios con cambios mínimos de titular o de párrafo. El manual de recuperación de información de Manning, Raghavan y Schütze recoge que, según algunas estimaciones, hasta un 40 % de las páginas web son duplicados de otras.[2] Si cada copia llega como una entrada distinta, el analista lee lo mismo varias veces y la noticia realmente nueva queda enterrada.
No todas las repeticiones son iguales, y conviene distinguirlas porque se detectan de forma distinta:
| Tipo de repetición | Ejemplo | Cómo se suele detectar |
|---|---|---|
| Duplicado exacto | La misma nota publicada en dos webs sin cambios | Comparación directa del texto o de una huella del documento |
| Casi duplicado | La misma nota de agencia con otro titular o un párrafo recortado | Comparación de fragmentos solapados del texto (técnica de shingling)[2] |
| Mismo hecho, distinta redacción | Tres medios cuentan con sus palabras el mismo acuerdo entre dos empresas | Agrupación por similitud de contenido y por entidades y fechas en común |
El tercer caso es el más útil para el analista y el más delicado: agrupar bien evita leer tres veces el mismo acuerdo; agrupar mal puede esconder un matiz que solo aporta uno de los medios. Por eso la agrupación ordena, pero la fuente de cada publicación sigue disponible.
Qué aporta la clasificación al revisar
Clasificar cada señal por tecnología, entidad, tipo de evento, lugar y tono permite revisar por bloques en lugar de en orden de llegada: primero los cambios normativos, después los movimientos de competidores, después lo demás. También permite detectar huecos, como una tecnología de la que no ha entrado nada en semanas.
La clasificación es una ayuda, no un veredicto. En recuperación de información se distingue entre reglas escritas por personas, transparentes pero costosas de mantener, y clasificadores automáticos, que aprenden sus criterios de ejemplos y escalan mejor.[3] Los dos se equivocan de forma distinta, y por eso Factory combina filtros explícitos con clasificación por IA y deja la última palabra a una persona.
¿Por qué la validación la hace una persona?
El perfil de IA generativa del NIST (NIST AI 600-1, julio de 2024) describe la confabulación como la producción de contenido erróneo o falso expresado con seguridad, y advierte también del sesgo de automatización: la tendencia a confiar en exceso en lo que propone el sistema.[4] En vigilancia, el punto natural de control es la revisión antes de publicar: es el momento en que alguien con conocimiento del negocio comprueba la fuente y decide si la señal cambia algo para quien la va a recibir.
En Innguma, la IA procesa; las personas deciden qué se vigila, qué se publica y a quién llega.
Cómo revisar bien en Factory
- Revisa con las necesidades de información delante. La pregunta no es «¿es interesante?», sino «¿cambia algo para quien lo va a recibir?».
- Empieza por los tipos de evento que más pesan. Una norma publicada o una patente concedida a un competidor suelen tener más consecuencias que una entrevista.
- Abre la fuente cuando dudes. Cada señal enlaza a la publicación de la que procede; el original resuelve lo que un titular deja ambiguo.
- Escribe el porqué al validar. Un comentario de una línea («afecta a la línea de envases; avisar a Calidad») se conserva con la señal en la Biblioteca y da contexto a quien la lea meses después.
- Corrige el origen del ruido. Si descartas siempre lo mismo, el ajuste está en el filtro o en la fuente, no en revisar más deprisa.
Fuentes y referencias
- [1] Utrilla, F. (UNE). Sistemas de vigilancia e inteligencia en la gestión de la I+D. Revista UNE, n.º 3. 2018
- [2] Manning, C. D., Raghavan, P. y Schütze, H. Introduction to Information Retrieval, «Near-duplicates and shingling». Cambridge University Press. 2008
- [3] Manning, C. D., Raghavan, P. y Schütze, H. Introduction to Information Retrieval, «Text classification and Naive Bayes». Cambridge University Press. 2008
- [4] NIST. NIST AI 600-1, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. 2024