Búsqueda semántica: por qué la IA entiende lo que busca

Un colaborador escribe en el buscador de la intranet «¿cuántos días de vacaciones me corresponden?» y no obtiene resultados. El documento que necesita existe, pero se titula «Política de descanso anual remunerado». Para una persona es evidente que hablan de lo mismo. Para un buscador tradicional no lo es, porque la pregunta y el documento casi no comparten palabras.

La búsqueda semántica, o búsqueda por significado, resuelve ese problema: en lugar de comparar palabras, compara ideas. Esta guía explica cómo funciona, en qué situaciones aporta más dentro de una empresa y en cuáles conviene seguir buscando por palabras exactas.

1. Dos formas de buscar

La búsqueda tradicional funciona como la función «Buscar» de un procesador de texto: encuentra los documentos que contienen las palabras escritas. Es rápida y exacta, pero literal. Si la pregunta dice «vacaciones» y el documento dice «descanso anual», no hay coincidencia.

La búsqueda semántica intenta encontrar los textos que tratan del mismo tema, aunque usen otras palabras. Entiende que «vacaciones» y «descanso anual remunerado» se refieren a lo mismo, igual que «no me llegó la factura» y «reenvío de comprobantes electrónicos».

2. Cómo se convierte el significado en números

Una computadora no entiende frases, pero trabaja muy bien con números. Por eso, un modelo de inteligencia artificial convierte cada texto en una lista de números llamada embedding (en español, representación vectorial). Esa lista funciona como una dirección en un mapa: los textos que tratan temas parecidos reciben direcciones cercanas, y los que tratan temas distintos quedan lejos.

Imagine el mapa de los documentos de una empresa. En una zona quedan las políticas de recursos humanos: vacaciones, permisos, incapacidades. En otra, los procedimientos contables: facturas, pagos, cierres de mes. En otra, los manuales de los productos. La pregunta «¿cuántos días de vacaciones me corresponden?» cae en la zona de recursos humanos, justo al lado de la política de descanso anual, aunque casi no compartan palabras.

3. Cómo funciona una búsqueda, paso a paso

El proceso tiene cuatro pasos:

1. La persona escribe su pregunta con sus propias palabras.
2. El modelo la convierte en números, igual que se hizo antes con cada documento.
3. El sistema compara esa dirección con la de todos los documentos.
4. Devuelve los más cercanos, que son los que tratan del tema más parecido a la pregunta.

Los documentos se convierten en números una sola vez, cuando se cargan al sistema, y de nuevo solo si cambian. Después, cada búsqueda solo tiene que convertir la pregunta y comparar. Por eso la respuesta es rápida aunque haya miles de documentos.

4. Dónde aporta más en una empresa

La búsqueda semántica rinde mejor donde muchas personas escriben con sus propias palabras y quien busca no conoce el término exacto que usó quien escribió:

• Documentación interna. Políticas, procedimientos y manuales que cada área redactó con su propio vocabulario.
• Centros de ayuda y preguntas frecuentes. Los clientes describen el problema como lo viven («no puedo entrar»), no como lo tituló el equipo de soporte («restablecimiento de credenciales»).
• Catálogos de productos. Quien busca «algo para guardar documentos» puede encontrar archivadores y carpetas colgantes.
• Historial de solicitudes. Permite encontrar casos parecidos que ya se resolvieron, aunque se hayan descrito de otra forma.

Algunos modelos se entrenan con muchos idiomas a la vez, de modo que una pregunta en español puede encontrar un documento escrito en inglés. Es útil, por ejemplo, en empresas que trabajan con manuales de proveedores extranjeros.

La búsqueda semántica es también la base de los asistentes que responden preguntas sobre la información de una organización. Antes de redactar una respuesta, el asistente busca por significado los documentos relevantes y responde a partir de ellos, en lugar de hacerlo de memoria.

5. Combine el significado con las palabras exactas

La búsqueda semántica no es perfecta. Hay un caso en que la búsqueda tradicional gana: los nombres y códigos exactos. Quien busca un número de factura, el código de un producto o el nombre de un cliente quiere exactamente esas palabras, no algo parecido. Un buscador por significado podría devolver otra factura u otro cliente que «se parecen».

Por eso, la solución más sólida suele ser una búsqueda híbrida: el significado para entender la idea y las palabras exactas para nombres, códigos y cifras. Muchos sistemas combinan los dos resultados en una sola lista.

Errores comunes al implementarla

• Cargar documentos desordenados. Si hay versiones duplicadas o desactualizadas, el buscador las encontrará igual de bien que las vigentes. Conviene ordenar la información primero.
• Dividir mal los documentos. Un manual de cien páginas convertido en una sola lista de números pierde detalle. Lo habitual es dividirlo en secciones o párrafos, para que cada fragmento trate un tema claro.
• Olvidar los permisos. Si el buscador muestra documentos que una persona no debería ver, el problema deja de ser técnico. La búsqueda debe respetar los mismos permisos que las carpetas.
• Suponer que el modelo conoce su vocabulario interno. El modelo calcula cercanías a partir de lo que aprendió de textos generales. Las siglas internas, los nombres de proyectos o los términos muy nuevos pueden quedar mal ubicados, y vale la pena probarlos.
• Prescindir de las palabras exactas. Sin la parte tradicional, empeoran las búsquedas de códigos y nombres.

Cómo saber si funciona

Antes de ponerla en marcha, reúna una lista de preguntas reales que las personas hacen hoy, como las que recibe el equipo de soporte o las que llegan por correo, y anote qué documento debería aparecer en cada caso. Pruebe esas preguntas con el buscador actual y con el nuevo, y compare cuántas veces aparece el documento correcto entre los primeros resultados. Esa comparación, hecha con preguntas reales y no inventadas, es la mejor medida de si la búsqueda semántica aporta en su caso.

Buscar por significado no reemplaza a la búsqueda por palabras: la completa. Si quiere aplicarla a los documentos o al servicio al cliente de su organización, puede conocer nuestro enfoque de inteligencia artificial aplicada.