Extraer hechos de documentos técnicos para ampliar la taxonomía.

Sobre el cliente

La Empresa Z es un fabricante farmacéutico global. Su división de fabricación supervisa la formulación, el envasado y la distribución de su cartera global de productos. El Centro de Excelencia de Gestión del Conocimiento de la Empresa Z se ha asociado con Iknow en múltiples proyectos para construir y ampliar continuamente la taxonomía empresarial y las capacidades de búsqueda al servicio de los científicos e ingenieros de la Empresa Z.

Contexto del sector

La clasificación por sí sola (etiquetar un documento con términos temáticos) solo lleva al buscador a mitad de camino de lo que necesita; indica que un documento es relevante en términos generales, pero no lo que dice específicamente. La extracción de hechos va un nivel más allá: utiliza el procesamiento del lenguaje natural para extraer piezas de información concretas del texto de un documento (una frase de resumen, el autor, el equipo o el proveedor mencionados y la acción correctiva adoptada) y almacenarlas como metadatos estructurados y con capacidad de búsqueda. Combinada con la capacidad de referenciar grandes vocabularios externos, como extensos catálogos de proveedores o de equipos, sin incorporar cada término a la taxonomía empresarial central, la extracción de hechos permite a una organización enriquecer la búsqueda de forma significativa sin la carga permanente de gestionar una taxonomía en constante crecimiento.

Situación de partida

En proyectos anteriores, Iknow construyó la taxonomía empresarial central de la Empresa Z (más de 1.840 términos en una jerarquía de cuatro niveles y 10 facetas) y desplegó la autoclasificación en todos los repositorios de SharePoint de la Empresa Z, refinando el modelo mediante pruebas, retroalimentación y análisis de contenido como los informes de desviaciones de fabricación. El Centro de Excelencia de KM de la Empresa Z quería construir sobre esa base con cuatro objetivos: utilizar el módulo Fact Extraction de Semaphore para extraer hechos clave y extender la taxonomía, probar el modelo de hechos resultante en una gran muestra de documentos, implantarlo en producción junto al motor de clasificación existente y formar al personal de KM de la Empresa Z en el uso de la herramienta de extracción de hechos.

• La clasificación por sí sola no bastaba. Incluso con una taxonomía madura y bien etiquetada, los usuarios seguían teniendo que abrir y leer los documentos para encontrar hechos concretos (quién lo escribió, qué concluía y qué equipo o proveedor estaba implicado) que no se capturaban como metadatos con capacidad de búsqueda.
• Algunos vocabularios importantes eran demasiado grandes para la taxonomía central. Los vendedores, los proveedores y los números de modelo de los equipos formaban listas enormes y en constante cambio que habrían creado una carga de mantenimiento considerable si se hubieran añadido directamente a la taxonomía principal de la Empresa Z.
• Aún no existía una capacidad probada de extracción de hechos. La Empresa Z no tenía ningún modelo para identificar y extraer automáticamente hechos como resúmenes, autoría o acciones correctivas de sus documentos.
• Los hechos necesitaban un camino claro hacia producción y los usuarios finales. Extraer hechos de forma aislada no ayudaría a nadie a menos que la capacidad se implantara en producción y se reflejara en una experiencia de búsqueda mejorada.

• Utilizar el módulo Fact Extraction de Semaphore para seleccionar y extraer hechos clave de los documentos de la Empresa Z y para extender aún más la taxonomía.
• Probar el modelo de hechos en una gran muestra de documentos para garantizar su precisión y su valor.
• Implantar el modelo de hechos en producción junto al motor de clasificación existente.
• Formar al personal de KM de la Empresa Z en la extracción de hechos para su uso futuro.

Cómo estructuró Iknow el trabajo

Iknow estructuró el proyecto en cinco fases: planificación y pilotaje de la extracción de hechos, desarrollo y pruebas, extensión de la taxonomía mediante vocabularios externos, planificación de la integración con la búsqueda y formación.

Actividades y decisiones clave

• Planificación y pilotaje de la extracción de hechos. Iknow revisó ejemplos de documentos considerados adecuados para una extracción de hechos con valor añadido, especialmente informes de investigación, otras comunicaciones e informes técnicos y protocolos, identificando hechos potenciales clave como frases y párrafos de resumen, información de autores y colaboradores e información de proveedores y equipos utilizados en la fabricación.
• Desarrollo y pruebas de la extracción de hechos. Utilizando Progress Semaphore, Iknow desarrolló definiciones de hechos e indicadores semánticos para procesar cada documento, y después probó el modelo de hechos terminado con más de 100 documentos procedentes de los repositorios de la Empresa Z. Tras el ajuste fino, el modelo identificó con éxito frases de resumen clave, autores y colaboradores de los documentos y otros fragmentos de texto útiles, como las acciones correctivas realizadas. El diseño es ampliable a otros tipos de contenido en el futuro.
• Extensión de la taxonomía. Iknow utilizó el modelo de hechos para vincular taxonomías externas demasiado grandes para incluirlas en el modelo de taxonomía principal, permitiendo etiquetar conceptos de esas taxonomías externas junto a términos del modelo principal sin carga de mantenimiento añadida, lo que amplió significativamente el etiquetado de vendedores, proveedores, elementos de equipo y números de modelo específicos.
• Planificación de la integración con la búsqueda. Iknow aportó varias maquetas de mejoras de la interfaz de búsqueda que aprovechaban los hechos y la taxonomía extendida, permitiendo a los usuarios revisar rápidamente largas listas de resultados y centrarse en el contenido más útil, y habilitando la búsqueda basada en hechos y en términos de la taxonomía extendida con una relevancia mejorada. Iknow celebró varias sesiones en línea con el equipo de desarrollo de TI de la Empresa Z para planificar los detalles de implantación, incluido el uso de la API de Semaphore.
• Formación. Iknow preparó una sesión de formación completa y documentación sobre la extracción de hechos y la extensión de la taxonomía, incluido cómo trabajar con las herramientas de Semaphore para desarrollar nuevos hechos y cómo comprobar la precisión de la extracción de hechos.

Partes interesadas y colaboración

Iknow actuó como contratista principal, trabajando con el Centro de Excelencia de Gestión del Conocimiento de la Empresa Z y con el equipo de desarrollo de TI en la planificación de la integración con la búsqueda.

Determinar qué hechos merecía realmente la pena extraer

Construir reglas de extracción para información equivocada habría desperdiciado esfuerzo y saturado los resultados de búsqueda sin aportar valor real. Iknow lo resolvió ejecutando una fase dedicada de planificación y pilotaje, revisando ejemplos de documentos reales (informes de investigación, comunicaciones técnicas, protocolos) para identificar tipos de hechos concretos y valiosos antes de construir ninguna definición de hechos, en lugar de adivinar qué podría ser útil.

Ampliar el alcance de la taxonomía sin aumentar su carga de mantenimiento

Los vocabularios de vendedores, proveedores y equipos eran demasiado grandes y cambiantes para incorporarlos de forma responsable a la taxonomía central de la Empresa Z. Iknow lo abordó utilizando el modelo de hechos para vincularse en su lugar a esos grandes vocabularios externos, manteniendo esbelta la taxonomía empresarial sin renunciar a un etiquetado rico y específico de proveedores y equipos.

Resultados cuantitativos

• Pruebas del modelo de hechos: más de 100 documentos probados procedentes de los repositorios de la Empresa Z.
• Tipos de hechos extraídos con éxito: frases de resumen, autores y colaboradores de los documentos y otros fragmentos de texto útiles, como las acciones correctivas realizadas.
• Extensión de la taxonomía: ampliación significativa del etiquetado de vendedores, proveedores, elementos de equipo y números de modelo mediante la vinculación con taxonomías externas.

Resultados cualitativos

A partir de los resultados de las pruebas, la Empresa Z comenzó a desplegar la capacidad de extracción de hechos en toda la División. La nueva capacidad permite a los usuarios revisar rápidamente largas listas de resultados y concentrarse en el contenido más útil, y admite búsquedas directas sobre hechos y términos de la taxonomía extendida para mejorar la relevancia. El modelo de hechos se diseñó para ser fácilmente ampliable a nuevos tipos de hechos y taxonomías externas, y el personal de KM de la Empresa Z recibió formación y documentación completas para ampliarlo de forma independiente. El trabajo se completó según el calendario previsto, y la Empresa Z planeó seguir utilizando y ampliando este enfoque, construyendo sobre la inversión plurianual de la División en la taxonomía y la infraestructura de búsqueda construidas por Iknow.

Plazo hasta el impacto

Iknow entregó las cinco fases dentro del periodo contractual de cinco meses, en paralelo con el proyecto de taxonomía de mapas de estudios de Iknow para la Empresa Z.

Competencias clave

• Extracción de hechos y enriquecimiento semántico
• Extensión de taxonomías mediante vocabularios externos
• Diseño de la experiencia de búsqueda
• Formación y capacitación en KM

Métodos y marcos

• Descubrimiento de hechos guiado por tipos de documento
• Desarrollo de definiciones de hechos e indicadores semánticos en Semaphore
• Pruebas iterativas y ajuste fino
• Diseño de maquetas de interfaz de búsqueda

Tecnologías y herramientas

• Smartlogic Semaphore (módulo Fact Extraction, motor de clasificación, API)
• Búsqueda empresarial de SharePoint
• Taxonomías externas de proveedores y equipos