El problema
Tu contrato de alquiler, el manual de tu caldera, el reglamento de tu club, las notas de un proyecto: las respuestas existen en alguna parte, en archivos que no vuelves a leer. Un modelo de lenguaje no los conoce. Pegarle un documento entero en cada pregunta es lento y caro, y deja de funcionar en cuanto hay varios.
Lo que quería
Quería que guardaras tus documentos en espacios de conocimiento, que enciendes o apagas según aquello en lo que trabajas, y que LIA buscara sola en ellos el pasaje útil en el momento en que haces tu pregunta. Responde con ese pasaje y te dice de dónde viene. Por cierto, LIA tiene el suyo: las preguntas frecuentes del sitio, que le sirven para responder cuando le preguntas cómo funciona.
Cómo encuentra el pasaje adecuado
Subes un archivo: PDF, Word, Excel, PowerPoint, documentos de LibreOffice, EPUB, Markdown, HTML, CSV y algunos otros. LIA extrae el texto, lo divide en pasajes que se solapan un poco y calcula para cada uno una especie de huella de su significado. Este cálculo se hace una vez, al indexar, y se cuenta en tu consumo.
Cuando preguntas «¿cuántos meses de preaviso tiene mi contrato de alquiler?», LIA compara el significado de tu pregunta con el de los pasajes de tus espacios activos. Es ese significado el que decide si un pasaje es pertinente: tu pregunta puede usar otras palabras que el documento, u otro idioma. La coincidencia exacta de palabras solo sirve para desempatar dos pasajes casi igual de cercanos, por ejemplo para subir el que contiene la referencia precisa que citas. Tomé esta decisión porque mezclar las dos a partes iguales descartaba buenas respuestas en cuanto el idioma de la pregunta se alejaba del de los documentos. Y si nada está lo bastante cerca, LIA no añade nada a tu pregunta.
LIA también puede buscar por su cuenta en tus documentos cuando una petición lo requiere, en varias pasadas si hace falta, y cruzarlo con otras fuentes: «compara el presupuesto en PDF con lo que Pablo me mandó por correo».
De dónde vienen los documentos
- Lo que subes, que después puedes descargar, mover de un espacio a otro o eliminar por lotes.
- Una carpeta de Google Drive u OneDrive que vinculas a un espacio, subcarpetas incluidas. LIA sigue las altas, las modificaciones y las eliminaciones. Cuando se van a indexar muchos archivos, te da el número exacto antes de empezar.
- Una etiqueta de Gmail, si tu administrador ha abierto esa posibilidad: cada hilo que lleva la etiqueta se convierte en un documento, y quitar la etiqueta lo retira. Solo se copian el asunto, los mensajes y el nombre de los adjuntos, nunca su contenido. No quise indexar todo el buzón: sería una segunda copia de tu correo archivado que habría que proteger, hecha sobre todo de notificaciones.
- Tus reuniones: el acta de una reunión grabada se suma a un espacio «Reuniones» que LIA mantiene al día por ti.
- Tus respuestas guardadas: una respuesta que guardas se indexa en un espacio tuyo, para que LIA la encuentre y la cite semanas después.
Para consultar un documento concreto, aunque esté en un espacio en pausa, el «+» de la zona de escritura te permite adjuntar una copia a tu mensaje, sin tocar el espacio.
Los límites
- LIA solo lee texto. Un PDF escaneado, hecho de imágenes de páginas, no lo tiene: te lo dice y te propone un remedio, abrirlo en Google Docs, que reconoce el texto, y añadirlo luego por tu fuente de Drive.
- Un documento que no se ha podido indexar muestra por qué: archivo desaparecido, texto imposible de extraer, documento demasiado largo.
- Solo los espacios activos sirven para las respuestas. Apagar un espacio no elimina nada.
- El número de espacios y de documentos, y el tamaño de los archivos, están limitados por tu instancia.
Para profundizar: Encontrar lo que importa sin traerlo todo: los umbrales de la búsqueda por significado; Tus datos siguen siendo tuyos: lo que LIA guarda, muestra y borra.