Índice estructurado: cómo un agente de IA responde a preguntas de "cuántos" sobre tus documentos
Un índice estructurado es una pequeña tabla que un agente construye a partir de los campos que tus documentos ya contienen — título, precio, nivel, enlace, imagen — junto con la búsqueda vectorial que utiliza para el significado. La búsqueda vectorial encuentra pasajes que se asemejan a la pregunta; no puede contar, filtrar por número ni agrupar. El índice estructurado responde a esas preguntas y permite al agente citar un enlace o un identificador exactamente en lugar de reconstruirlo a partir de un fragmento.
Pregunte "¿cuántos tienen?" y el agente responde basándose en los cuatro pasajes que happened a recuperar. Pida un enlace y es posible que le entregue uno real perteneciente a un artículo diferente — se abre, la imagen se renderiza, no hay errores. Así es como ocurre y cómo se detiene:
Cada documento tiene un color. En la izquierda — la recuperación tal como funciona hoy — el título de la respuesta proviene de un documento y su enlace del otro, y los colores revelan la discrepancia al instante. En la derecha, cada fragmento recuperado llega con los hechos de su propio documento, y el enlace no es un enlace en absoluto: es un marcador de posición que el modelo copia sin haber visto nunca la dirección. El valor real se sustituye al salir, por lo que no hay nada que mezclar.
La recuperación encuentra pasajes; no ve la colección
La búsqueda vectorial funciona por similitud: su pregunta se convierte en una dirección en un espacio, y los pasajes más cercanos regresan. Eso es exactamente lo correcto para "qué dice esto sobre X" y estructuralmente inútil para "cuántos", "cuáles tienen menos de 200 palabras" o "cuántos por categoría" — esas son preguntas sobre la colección completa, y la recuperación solo mira a los más cercanos.
Ninguna cantidad de ajuste puede solucionar esto. No hay un umbral que haga que una búsqueda por similitud devuelva un total, porque un total no es un pasaje.
El segundo fallo, más silencioso: un fragmento no es un documento
Los documentos largos se dividen en fragmentos para que la recuperación pueda encontrar el párrafo correcto. Pero su título, su código de producto, su enlace y su imagen viven en el encabezado — lo que significa que viven en el fragmento 1, y el pasaje que realmente respondió a la pregunta puede ser el fragmento 7.
Entonces el modelo termina sosteniendo cuatro o cinco fragmentos de tres o cuatro documentos diferentes, y tiene que averiguar a qué título pertenece cada enlace. Adivina. Y cuando adivina mal la respuesta no parece incorrecta: el enlace es real, se abre, la imagen se renderiza — simplemente pertenece a un artículo diferente. No hay errores. Nadie se da cuenta.
En un catálogo de 4.500 documentos, 11 de 20 respuestas de prueba emparejaron un título con el enlace de otro documento. Con el mecanismo de marcador de posición anterior, las mismas 20 volvieron 20 de 20 correctas.
Qué es un índice estructurado
Es una pequeña tabla, una fila por documento, construida a partir de los campos que sus documentos ya contienen. No se inventa nada ni se reescribe nada — los valores se copian carácter por carácter.
Con ello en su lugar, el agente tiene dos formas de responder en lugar de una:
| Pregunta | Respondida por |
|---|---|
| "¿Tienen algo sobre dinosaurios?" | búsqueda vectorial |
| "¿Cuántos tienen?" | la tabla |
| "Algo sobre dinosaurios, adecuado para un niño de cinco años" | la tabla filtra, la búsqueda vectorial clasifica |
| "¿Cuál es el enlace y la imagen de portada?" | la tabla, citada exactamente |
No define los campos, pero tiene la última palabra
La plataforma lee algunos de sus documentos, propone los campos y luego verifica cada uno contra toda su colección antes de mantenerlo. Un campo que solo aparece en una quinta parte de sus documentos se elimina y se informa, porque filtrar por él omitiría silenciosamente el resto.
Dos tipos de entrada son de su responsabilidad:
Qué campos deben ser exactos. Qué enlace es el enlace para enviar a un cliente, cuál de tres códigos es el que citarán de vuelta — sus datos no lo indican, y no se puede inferir. Nómbrelos de antemano y se extraen literalmente y se citan literalmente.
Correcciones, en lenguaje natural. "También rastree al autor para que la gente pueda encontrar otros libros suyos." "Quiero filtrar por ilustrador." "Elimine el enlace de la portada." Los cambios se proponen como un parche a la tabla existente, nunca una reescritura, por lo que una solicitud sobre un campo no puede alterar otro. Pida algo que sus documentos no contienen — un año de publicación que nunca estuvo en la exportación — y se lo dice en lugar de añadir una columna vacía.
Lo que también le dice sobre sus propios datos
Porque cada campo se mide en toda la colección antes de ser aceptado, el informe saca regularmente a la luz cosas que nadie sabía. En un catálogo real de varios miles de títulos encontró que una décima parte de ellos tenía un recuento de páginas de cero — no libros cortos, sino valores faltantes registrados como cero, lo que habría arrastrado cada promedio y producido un gran empate por "más corto".
Esa comprobación tiene que ocurrir en algún lugar. Hoy suele ocurrir cuando un cliente nota una respuesta incorrecta.
Cuándo no aplica
Si sus documentos son prosa — artículos, transcripciones, correspondencia — no hay nada que tabular, y la plataforma se niega a construir un índice en lugar de producir uno compuesto por valores que son todos diferentes. Una tabla así no se puede contar ni agrupar de ninguna manera significativa, y tenerla solo invitaría a preguntas que responde mal.
La búsqueda vectorial sigue siendo la herramienta correcta y única para ese material.
Preguntas frecuentes
- ¿Por qué mi agente no puede decir a los clientes cuántos productos tengo?
- Porque la búsqueda vectorial devuelve un puñado de pasajes que se asemejan a la pregunta, y un puñado de pasajes no se pueden contar. No es un problema de ajuste: no existe ninguna configuración que haga que la recuperación devuelva un total. Un índice estructurado responde a preguntas de conteo, rango y agrupación consultando una pequeña tabla construida a partir de los campos que tus documentos ya contienen, mientras que la búsqueda vectorial sigue gestionando las preguntas sobre el significado.
- ¿Inventará el agente un enlace o un código de producto?
- No cuando el campo esté marcado como exacto. Esos valores nunca se muestran al modelo: recibe un marcador de posición y la plataforma sustituye el valor almacenado en la salida. El modelo no puede escribir mal una URL que nunca vio. Esto es más importante de lo que parece: el fallo común no es un enlace inventado, sino uno real que pertenece a un artículo diferente, el cual se abre correctamente y parece correcto.
- ¿Qué tipo de documentos se pueden utilizar para construirlo?
- Documentos que compartan una cabecera legible por máquina: una tabla de metadatos, YAML front matter o líneas de Field: value. Las exportaciones de productos, catálogos, prospectos de medicamentos, tablas de políticas y listados de cursos suelen calificar. El texto corrido no califica, y la plataforma lo indica en lugar de construir una tabla inútil: una tabla de valores que son todos diferentes no se puede contar ni agrupar de manera significativa.
- ¿Tengo que definir los campos yo mismo?
- No. La plataforma lee algunos de tus documentos y propone los campos, luego verifica cada uno de ellos contra toda tu colección antes de mantenerlos. Puedes añadir, renombrar o eliminar campos después en lenguaje natural, y puedes nombrar de antemano qué campos deben extraerse exactamente — el título, el enlace, la imagen, el código — porque qué enlace es el que se debe enviar a un cliente es un hecho empresarial que tus datos no establecen.
- ¿Añadir esto vuelve a procesar mi base de conocimientos?
- No se vuelven a calcular las incrustaciones (embeddings). Los campos se leen directamente del texto que tus documentos ya contienen, por lo que construir o cambiar el índice no requiere una nueva indexación y no altera la búsqueda vectorial que ya está funcionando.
- ¿Cómo se mantiene actualizado cuando añado o elimino documentos?
- Los nuevos documentos se leen a medida que se importan, utilizando las reglas ya establecidas, por lo que nada espera a un modelo. El índice en sí se reconstruye bajo demanda antes de la siguiente pregunta que lo necesite: añadir mil documentos no desencadena mil reconstrucciones.
Casi todo lo que un agente necesita saber ya está escrito — en tu web y en los PDF que tu equipo ya envía a los clientes. Importar desde una URL cubre la mitad pública; subir archivos cubre el resto.
Una storyline es un grafo dirigido que un agente sigue con cada usuario final — cada nodo es un paso (con su propia tarea, conocimiento y herramientas), las salidas llevan condiciones, y el progreso, el perfil y las notas de cada persona se guardan y se retoman entre sesiones y canales. Convierte un agente que hace tareas puntuales en uno capaz de entregar por sí mismo un servicio de varios pasos.
El Dynamic Planner observa la conversación y, cuando un usuario persigue una tarea genuinamente multipaso dentro del dominio del agente y se le nota que no sabe cómo seguir, ofrece expandir esa tarea en una storyline temporal — un plan paso a paso, guiado por un checklist, que el agente ejecuta después un paso enfocado cada vez, con un progreso que el usuario puede ver. La planificación ocurre una sola vez, bajo validación; la ejecución es determinista.
La escritura de textos extensos es un agente que produce un documento completo y de múltiples secciones —un informe de presentación, un informe de entrada al mercado, un memorando de debida diligencia— planificando primero el esquema, solicitando cualquier información necesaria antes de comenzar, investigando cada sección en función de su material y fuentes públicas, y redactando sección por sección en un trabajo que sobrevive a un reinicio. Lo edita en un lienzo junto al chat, reescribe cualquier pasaje seleccionándolo, y se conserva cada versión.