Del taller a producción: construcción de una taxonomía de 1,840 términos para la división de manufactura de la Empresa Z.

Sobre el cliente

La división de manufactura de la Empresa Z es responsable de formular, envasar y distribuir los productos de la Empresa Z a más de 140 mercados en todo el mundo, y de coordinar una red global de manufactura interdependiente que abarca plantas internas y organizaciones de manufactura por contrato.

Contexto del sector

Este proyecto es el paso natural siguiente en un patrón común de la consultoría de gestión del conocimiento: un encargo inicial de asesoría establece confianza y credibilidad técnica y conduce directamente a un encargo de construcción mayor una vez que el cliente confía en el enfoque. Meses antes, Iknow había impartido un taller de taxonomía al equipo de KM de la Empresa Z, evaluando críticamente su hoja de ruta existente y demostrando la profundidad de Iknow tanto en metodología de taxonomías como en contenido de manufactura farmacéutica. Sobre la base de esa pericia demostrada, la Empresa Z pidió a Iknow que liderara la construcción completa, pasando de la orientación estratégica a un sistema de taxonomía y clasificación listo para producción al servicio directo de los científicos e ingenieros de la Empresa Z.

Situación actual

El equipo interno de gestión del conocimiento de la Empresa Z buscaba mejorar y aplicar una taxonomía personalizada y un motor de autoclasificación a su contenido y sus herramientas de búsqueda, permitiendo a los científicos e ingenieros de la Empresa Z encontrar contenido relevante con mayor rapidez. La división de manufactura de la Empresa Z pidió a Iknow que liderara este esfuerzo, citando la experiencia de Iknow en el desarrollo de taxonomías científicas y de ingeniería complejas y su profunda pericia de dominio en la manufactura farmacéutica y de productos biológicos.

• Un contenido enorme y multidimensional que clasificar. El contenido de la Empresa Z abarcaba programas de fármacos, plantas de manufactura, organizaciones de manufactura por contrato, tipos de documentos, formas farmacéuticas, materiales, métodos analíticos y problemas y desviaciones de manufactura conocidos: dimensiones que no encajan limpiamente en una única jerarquía simple.
• Sin vocabulario estructurado previo para cientos de conceptos específicos de manufactura. Los métodos analíticos y los problemas y desviaciones de manufactura comunes existían como conocimiento tribal repartido entre departamentos, no como un vocabulario documentado y estructurado capaz de sustentar un sistema de búsqueda o clasificación.
• La precisión de la clasificación debía ser demostrable, no supuesta. Dadas las implicaciones técnicas y regulatorias del contenido de manufactura farmacéutica, la Empresa Z necesitaba evidencia medible de que la clasificación automatizada coincidía con lo que los expertos en la materia etiquetarían a mano, no solo una taxonomía que pareciera razonable sobre el papel.
• El sistema debía escalar y seguir siendo mantenible. El modelo de clasificación tenía que funcionar de forma fiable en toda la base de contenido de SharePoint de la Empresa Z, repartida en múltiples sitios y bibliotecas, y el personal de la Empresa Z debía poder mantener y ajustar el modelo por sí mismo en lugar de depender indefinidamente de consultores externos.

• Construir un modelo de taxonomía personalizado que refleje las estructuras organizacionales, científicas y de procesos de la Empresa Z.
• Fundamentar la taxonomía en casos de uso reales de gestión del conocimiento y en la terminología con la que los usuarios realmente buscan y navegan.
• Desarrollar y afinar reglas de clasificación automatizada que asignen el contenido de forma fiable a los términos correctos de la taxonomía.
• Validar la precisión de la clasificación frente al etiquetado manual de expertos en la materia.
• Formar al personal de la Empresa Z para mantener y ajustar de forma independiente la taxonomía y las reglas y preparar el modelo para su despliegue completo en todo el contenido de SharePoint de la Empresa Z.

Cómo estructuró Iknow el trabajo

Iknow siguió un proceso iterativo y basado en evidencia que avanzó desde la revisión de esquemas de clasificación históricos, pasando por entrevistas de casos de uso y minería de texto, hasta el desarrollo de la taxonomía y las reglas, la formación del cliente y la validación a gran escala antes del despliegue.

Actividades y decisiones clave

• Revisión de esquemas de clasificación históricos. Iknow revisó la organización funcional de la Empresa Z, la nomenclatura y categorización de fármacos, las ubicaciones geográficas y las organizaciones de manufactura por contrato para poblar las facetas centrales de la taxonomía. El equipo estudió los pasos clave de proceso en la manufactura y comercialización farmacéutica, junto con los tipos de documentos resultantes, y combinó la terminología de la Empresa Z con conjuntos de términos estándar del sector para poblar las facetas de forma farmacéutica y tipo de material. El equipo también construyó dos facetas nuevas a partir de fuentes internas, con un listado de más de 200 métodos analíticos y 400 problemas y desviaciones de manufactura comunes.
• Entrevistas de casos de uso. Iknow realizó 15 entrevistas en profundidad con gerentes de la Empresa Z de los departamentos centrales para comprender los casos de uso de KM y la terminología de búsqueda y navegación de contenido. Estas entrevistas ayudaron a definir el nivel adecuado de granularidad de cada faceta y las combinaciones de términos que los usuarios realmente buscarían.
• Minería de texto. Iknow utilizó las herramientas Text Miner de Smartlogic sobre una muestra representativa del contenido de la Empresa Z para hacer aflorar términos candidatos, sinónimos y acrónimos adicionales para conceptos ya identificados en las entrevistas y la revisión documental.
• Desarrollo y refinamiento del modelo de taxonomía. Iknow construyó un primer borrador del modelo en el Semaphore Ontology Editor de Smartlogic, seguido de múltiples rondas de edición y revisión con expertos en la materia. El modelo final contenía 1,840 términos organizados en una jerarquía de cuatro niveles a lo largo de 10 facetas, con sinónimos, acrónimos y etiquetas alternativas para fármacos en distintas etapas de desarrollo, además de más de 200 enlaces asociativos de términos relacionados que sustentaban tanto la clasificación como la posterior navegación por conceptos para los usuarios.
• Desarrollo y refinamiento de las reglas de clasificación. Iknow construyó y personalizó extensamente plantillas de reglas de clasificación basadas en XML que ponderaban distintos tipos de evidencia de clasificación (palabras y frases del título y del cuerpo, metadatos existentes, uso de sinónimos y acrónimos, y evidencia negativa) por faceta, probando los resultados contra documentos de muestra durante todo el proceso.
• Formación del cliente. Iknow preparó e impartió una sesión de formación interactiva en línea de dos horas sobre la preparación de la taxonomía y la edición y configuración de reglas en Semaphore, capacitando a los profesionales de la Empresa Z para realizar sus propias ediciones futuras usando los entornos de desarrollo individuales basados en tareas de Semaphore.
• Pruebas y validación. Iknow desarrolló reglas de autoclasificación personalizadas para cada faceta y las probó de forma iterativa frente al etiquetado manual de expertos en la materia sobre aproximadamente 80 documentos de muestra, usando la correspondencia de F-score como referencia de precisión. La validación se amplió después a una revisión de alto nivel de aproximadamente 7,000 documentos de la Empresa Z procedentes de múltiples sitios y bibliotecas de SharePoint, seguida de revisiones finales para mejorar la precisión.

Partes interesadas y colaboración

Iknow trabajó como subcontratista del contratista principal CGI, colaborando con el equipo interno de KM de la Empresa Z, con los gerentes de departamento de las funciones centrales de la Empresa Z y con los expertos en la materia que revisaron el modelo de taxonomía y validaron la precisión de la clasificación durante todo el proyecto.

Estructurar un problema de clasificación genuinamente multidimensional

El contenido de la Empresa Z debía organizarse simultáneamente según dimensiones organizacionales, geográficas, de procesos, de fármacos, de materiales, de métodos y de problemas y desviaciones, una estructura que podía degenerar fácilmente en una única jerarquía inutilizable si se manejaba sin cuidado. Iknow lo abordó organizando la taxonomía en 10 facetas diferenciadas, cada una fundamentada en una fuente distinta y complementaria: datos organizacionales internos, análisis de procesos y tipos de documentos, una combinación de terminología interna y estándar del sector, e investigación original que construyó dos facetas totalmente nuevas a partir de fuentes internas.

Demostrar la fiabilidad de la clasificación a escala de producción

Una taxonomía que pareciera razonable sobre el papel no era suficiente; la Empresa Z necesitaba pruebas de que la clasificación automatizada era lo bastante fiable como para confiar en ella en una base de contenido grande y técnicamente sensible. Iknow lo abordó usando la correspondencia de F-score entre la autoclasificación y el etiquetado manual de expertos como referencia de precisión explícita y medible. Iteró sobre aproximadamente 80 documentos de prueba detallados hasta que los resultados fueron satisfactorios y luego escaló la validación a una revisión de unos 7,000 documentos en múltiples sitios y bibliotecas de SharePoint, identificando y corrigiendo problemas de precisión antes del despliegue completo.

Resultados operativos

• Se entregó una taxonomía de 1,840 términos organizada en una jerarquía de cuatro niveles con 10 facetas, incluidas dos facetas totalmente nuevas construidas a partir de fuentes internas que cubren más de 200 métodos analíticos y 400 problemas y desviaciones de manufactura comunes.
• Se realizaron 15 entrevistas en profundidad de casos de uso con gerentes de departamento de la Empresa Z y se añadieron más de 200 enlaces de términos relacionados a lo largo de la jerarquía de la taxonomía.
• Se validó la precisión de la clasificación frente al etiquetado manual de expertos sobre aproximadamente 80 documentos de muestra usando la correspondencia de F-score, y la validación se amplió después a una revisión de alto nivel de aproximadamente 7,000 documentos en múltiples sitios y bibliotecas de SharePoint.

Resultados estratégicos y organizacionales

El modelo de taxonomía final y las reglas de clasificación se están desplegando en todo el contenido de SharePoint de la Empresa Z, dando soporte a una actualización prevista de la interfaz de usuario. La sesión de formación de dos horas de Iknow capacitó a los profesionales de la Empresa Z para realizar sus propias ediciones y ajustes futuros del modelo y las reglas, dando a la Empresa una propiedad duradera e independiente del sistema en lugar de una dependencia continua de consultores externos.

Tiempo hasta el impacto

Iknow completó el proyecto de construcción de nueve meses inmediatamente después del taller de diagnóstico impartido el año anterior; juntos representan un ciclo de vida completo de taxonomía, del taller a la producción.

Competencias principales

• Desarrollo y modelado de taxonomías
• Ingeniería de autoclasificación
• Validación y control de calidad de la clasificación de contenido
• Habilitación y formación del cliente

Métodos y marcos

• Diseño de taxonomías basado en facetas
• Desarrollo de terminología orientado a casos de uso
• Minería de texto para el descubrimiento de términos candidatos
• Validación de la precisión de clasificación basada en F-score

Tecnologías y herramientas

• Smartlogic Semaphore (Ontology Editor, Text Miner, motor de reglas de clasificación)
• Plantillas de reglas de clasificación basadas en XML
• Microsoft SharePoint (destino de despliegue del contenido)