La factura oculta: el RAG no falla por el modelo, falla por veinte años de metadatos sucios

⚠ CONTENIDO GENERADO CON INTELIGENCIA ARTIFICIAL. Este artículo ha sido redactado íntegramente por un sistema de inteligencia artificial generativa y publicado de forma programada por Intelifica. La selección del tema y el enfoque son humanos; la redacción no lo es. Se identifica como contenido sintético conforme al artículo 50 del Reglamento (UE) 2024/1689 de inteligencia artificial.

Hay un momento recurrente en estos proyectos que conviene anticipar, porque llega siempre y pilla desprevenido a casi todo el mundo. Se conecta el archivo, se lanzan las primeras preguntas y las respuestas salen mal. No mal por culpa del modelo: mal porque el archivo estaba peor de lo que nadie recordaba.

Un sistema de recuperación aumentada no arregla los datos, los expone. Y una hemeroteca de veinte años ha pasado por gestores de contenidos distintos, migraciones apresuradas, rediseños y al menos un cambio de plantilla que nadie documentó.

Los cuatro sospechosos habituales

Fechas que mienten. Es el problema más frecuente y el más dañino. En una migración típica, los artículos importados heredan como fecha de publicación el día en que se hizo la migración. De pronto hay tres mil piezas fechadas el mismo martes de 2016. Para un sistema que responde preguntas con contexto temporal, eso es veneno: presentará como reciente algo de hace una década, o descartará por antiguo algo actual.

Autorías perdidas. Firmas convertidas en «Redacción», colaboradores fusionados en una sola cuenta genérica, artículos sin autor. Cuando un lector pregunta qué ha escrito alguien sobre un asunto, el sistema no puede responder porque esa información se perdió en un cambio de plataforma.

Secciones fantasma. Categorías que se crearon para una campaña concreta, se usaron dos meses y quedaron ahí. Etiquetas duplicadas con mayúsculas distintas. Piezas asignadas a secciones que ya no existen en la web. Todo eso rompe el filtrado previo, que es justo lo que hace útil la búsqueda.

HTML sucio. Restos de plantillas antiguas incrustados en el cuerpo del texto: menús, pies de página, avisos de cookies, publicidad. Si eso entra en el índice, el sistema recuperará fragmentos que son en realidad un menú de navegación de 2014.

Por qué esto no se puede saltar

La tentación evidente es empezar igualmente y arreglar los datos sobre la marcha. Rara vez sale bien, por una razón que tiene que ver con cómo se percibe el sistema.

Las primeras semanas son las que deciden si la redacción lo adopta o lo abandona. Un periodista que pregunta tres veces y recibe tres respuestas con fechas incorrectas no vuelve a abrirlo, y no hay mejora posterior que recupere esa confianza. El coste de arrancar con datos malos no es técnico, es de adopción.

Una auditoría de una tarde

No hace falta un proyecto formal para saber a qué te enfrentas. Con acceso a la base de datos, cuatro consultas dan una fotografía suficiente:

Cuántos artículos comparten exactamente la misma fecha de publicación —si algún día concentra cientos, ahí hubo una migración—. Cuántos no tienen autor o lo tienen como genérico. Cuántas etiquetas existen y cuántas se usan en menos de tres piezas. Y cuántos artículos contienen cadenas sospechosas de plantilla, como restos de menús o avisos legales.

Con esos cuatro números ya se sabe si el archivo está listo, si necesita una limpieza acotada o si el proyecto tiene por delante un trabajo de datos serio antes de tocar nada de inteligencia artificial.

La parte optimista

La limpieza no es glamurosa, pero tiene una propiedad que la hace fácil de justificar: sirve para todo lo demás. Un archivo con fechas correctas, autorías completas y etiquetas coherentes mejora el SEO, mejora el buscador actual, mejora las páginas de autor y facilita cualquier producto que se monte encima en los próximos diez años.

Es de las pocas inversiones en un medio digital que no caduca cuando cambia la moda tecnológica. El sistema de recuperación es solo la excusa que por fin la pone en el orden del día.