De leer textos a diseñar una taxonomía
La clasificación automática puede ayudar a ordenar grandes volúmenes de noticias, patentes, convocatorias y comunicaciones empresariales. Pero primero debemos decidir para qué sirve cada etiqueta. Una taxonomía útil no es una lista enorme de categorías; es un conjunto consistente que permite responder preguntas y desencadenar acciones.
Para una vigilancia de competidores podríamos necesitar: actor, fecha del evento, geografía, tipo de acontecimiento, tecnología implicada, fase de madurez, relación con el FCV, fuente y estado de verificación. No siempre se pueden extraer todos los campos: el valor no_consta suele ser mejor que una inferencia disfrazada de dato.
Diseño mínimo de esquema
| Campo | Regla | Ejemplo didáctico |
|---|---|---|
evento |
Una de: investigación, patente_solicitada, piloto, acuerdo, venta, regulación, otro | patente_solicitada |
actor |
Nombre presente en la fuente, no inventado | Proveedor B |
fecha_evento |
Fecha del evento o no_consta; separar de publicación |
no_consta |
fase |
Exploración, piloto, comercial, indeterminada | exploración |
afirmacion |
Resumen neutro de lo que la fuente sostiene | «Se publicó una solicitud» |
evidencia_id |
ID que permite volver al material | S03 |
revision |
correcta, dudosa, incorrecta | dudosa |
Un esquema debe documentar definiciones, ejemplos positivos y negativos y cómo tratar registros ambiguos. Si llamamos «lanzamiento» a un prototipo y a una venta, será difícil comparar señales.
Interactivo · Tarjetas
Los campos del esquema, uno a uno
Gira cada campo para ver su regla y el error que evita.
Campos del esquema mínimo de clasificación con su regla.
Un proceso que aprende de sus errores
Empieza clasificando manualmente una muestra pequeña. Después pide a la IA etiquetar con el mismo esquema y explicar qué fragmento respalda cada campo no obvio. Compara desacuerdos y corrige instrucciones o categorías. Una segunda muestra, diferente de la primera, sirve para comprobar si el ajuste generaliza.
No alcanza con decir que «la precisión es alta»: cualquier indicador de calidad exige un conjunto de referencia y definiciones de acierto. Para esta experiencia formativa, lo prioritario es aprender a detectar falsos positivos, falsos negativos y campos fabricados.
Caso Empresa A · simulación
Caso ficticioCaso Empresa A · La diferencia entre piloto y comercialización
Si S04 menciona un demostrador de laboratorio, la categoría venta es incorrecta; si S03 describe una solicitud publicada, patente_concedida también lo sería. Pedir a la IA que seleccione entre categorías explícitas y justifique con un fragmento evita parte de la arbitrariedad, pero requiere revisión de casos límite.
El dato estructurado resultante es útil para una matriz temporal: ¿cuándo aparece una solicitud?, ¿cuándo una prueba?, ¿hay adopción verificable? La clasificación no resuelve por sí sola la decisión: organiza el terreno para el análisis posterior.
Simulación educativa: información y organizaciones ficticias.
Hazlo tú
Hazlo tú · Diseña y prueba cinco etiquetas (20 min)
Crea una taxonomía de cinco tipos de evento. Define las reglas, etiqueta S01–S05 manualmente y solicita a una IA una segunda clasificación con salida tabular. Compara fila por fila. Documenta por lo menos un cambio en la definición y un ejemplo de no_consta.
Entregable: diccionario de datos y registro de desacuerdos.
Diccionario de clasificación
Definir etiquetas inequívocas para humano e IA.
Ver la plantilla →Registro de señales y evidencias
Distinguir observación, fuente e interpretación.
Ver la plantilla →Compruébalo · respuesta cerrada
Etiqueta cada registro
Usa la etiqueta que el fragmento permite, sin inferir más de lo que dice.
S01 · Proveedor B anuncia investigación en almacenamiento industrial.
Ver la respuesta
Respuesta: actividad_investigadora. No inferir ventas.
S02 · Blog: «una nueva tecnología sustituirá todas las baterías en 2027».
Ver la respuesta
Respuesta: necesita_revision. Es opinión: no etiquetar una promesa como contrato.
S03 · Publicación de solicitud sobre intercambiador térmico.
Ver la respuesta
Respuesta: solicitud_patente. La concesión no consta (`concesion: no_consta`).
S04 · Proveedor B presenta demostrador de laboratorio.
Ver la respuesta
Respuesta: piloto_demostrador. No inferir explotación rentable.
Y ahora, tu propia respuesta
Esta parte necesita juicio profesional: no hay corrección automática. Completa tu trabajo en la práctica, valóralo con la rúbrica de la lección y compáralo con la solución orientativa.
Qué debe incluir tu respuesta
- Cinco tipos de evento con reglas de inclusión y exclusión.
- Un ejemplo de «no_consta».
- Un registro de desacuerdos fila por fila con la clasificación de la IA.
- Al menos un cambio documentado en una definición.
Solución orientativa
Se evalúa la justificación por ID y el registro de desacuerdos; no se pretende medir el rendimiento real del clasificador con cuatro ejemplos.
Solución ilustrativa de un caso ficticio: admite alternativas razonadas.
Errores frecuentes
Crear categorías solapadas, no diferenciar fecha de publicación y fecha del hecho, pedir probabilidades arbitrarias, inferir entidades ausentes, medir volumen de etiquetas en lugar de utilidad para decisiones o ajustar el esquema sin versionarlo.
Regla para llevarse: una etiqueta no es verdadera porque la haya escrito una IA; es operativa cuando otro analista entiende su definición, puede reproducirla y sabe cuándo revisarla.
Ampliación opcionalProfundización · Clasificar no es completar los huecos
Un campo vacío es información útil si significa «la fuente no ofrece este dato». El error aparece cuando un clasificador rellena vacíos con convenciones plausibles. Conviene separar tres valores: no_consta (dato ausente en el material), no_aplica (el campo no corresponde al evento) y necesita_revision (la fuente permite interpretaciones rivales). Esta distinción hace comparables los registros y evita conclusiones basadas en precisión aparente.
Establece un diccionario R09 con cinco clases iniciales: actividad_investigadora, solicitud_patente, piloto_demostrador, acuerdo_alianza, adopcion_comercial. Las etiquetas están diseñadas para el ejercicio, no describen la ontología de ningún proveedor. Por cada categoría define criterio de inclusión, contraejemplo y evidencia textual mínima. Si una noticia mezcla solicitud y alianza, permite etiquetas múltiples cuando el esquema lo contemple o separa eventos: nunca fuerces una única etiqueta solo por comodidad del informe.
Empresa A · Prueba de clasificación y discrepancias
| Registro ficticio | Etiqueta justificable | Error a impedir |
|---|---|---|
| S01 · Investigación anunciada | actividad_investigadora | Inferir adopción comercial |
| S03 · Solicitud publicada | solicitud_patente | Transformarla en concesión |
| S04 · Demostrador | piloto_demostrador, según el texto exacto | Convertirlo en venta |
| S02 · Opinión especulativa | necesita_revision u otro tipo documental | Etiquetar promesa como resultado |
Protocolo de validación: prepara ocho registros ficticios con etiqueta humana antes de probar el prompt, divide cuatro para ajustar definiciones y cuatro para contrastar que las instrucciones no solo memorizan ejemplos. Conserva las respuestas discordantes, la evidencia que usó cada revisor y la versión del diccionario. No publiques una cifra de exactitud sin decir tamaño y composición de la muestra; ocho ejemplos enseñan un método, no acreditan rendimiento productivo.
Práctica · Revisión de dos errores
Pide al asistente que devuelva campos evento, actor, fecha_evento, fecha_publicacion, evidencia_id, pasaje, revision. Introduce deliberadamente una fecha no presente y una afirmación que mezcla anuncio y ejecución. El ejercicio se supera si los campos sin evidencia permanecen no_consta, el sistema identifica al menos una ambigüedad y puede explicar cada clasificación mediante el texto suministrado.
Salida: R09 Diccionario de clasificación, R06 Registro de evidencias;
Interactivo · Decide
no_consta, no_aplica o necesita_revision
Un campo vacío es información útil. Elige el valor correcto en cada caso.
Actividad: elige entre no_consta, no_aplica y necesita_revision.
S03 es una solicitud de patente. Campo: fecha_concesion.
S06 es una consulta regulatoria. Campo: «solicitante de patente».
Una noticia dice que Proveedor B «cerró un acuerdo», sin aclarar si es exploratorio o de suministro. Campo: evento.
S04 menciona un demostrador sin decir cuándo se hizo la prueba. Campo: fecha_evento.
S02 afirma que la tecnología «sustituirá todas las baterías en 2027». Campo: evento.
Referencias y límites
Esta lección no cita fuentes externas. Desarrolla el método de Academy a partir del material formativo de Innguma.
- Empresa A es un caso ficticio: sus datos, empresas y cifras no describen mercados ni organizaciones reales.
- Las pautas sobre IA son elaboración propia de Academy. No constituyen un procedimiento NIST ni sustituyen una evaluación de riesgos de tu organización.
Intelligence Lab · L04
Registro de señales
¿Lo aplicas? Abre el Registro de señales en el Lab y separa observación, fuente e interpretación en tu registro. Salida: registro de señales. Funciona en el navegador, sin servidor, sin cuenta y sin IA conectada. El resultado puede necesitar revisión y adaptación a tu caso.