Del caos de contenidos al conocimiento encontrable: búsqueda empresarial y taxonomía para NYPA.

Acerca del cliente

NYPA ha crecido sustancialmente desde este proyecto: ahora opera 17 instalaciones de generación y más de 1,550 millas-circuito de líneas de transmisión, con más del 80 por ciento de su electricidad generada a partir de energía hidroeléctrica limpia y renovable. Tras la legislación de Nueva York de 2023 que amplió la autoridad de NYPA para desarrollar, poseer y operar proyectos de energía renovable, el consejo de administración de NYPA aprobó un Renewables Strategic Plan actualizado en diciembre de 2025. El plan abarca 45 proyectos individuales y 146 proyectos de almacenamiento de energía distribuida que representan casi 5.5 gigavatios de capacidad combinada, parte del mandato de la Climate Leadership and Community Protection Act de Nueva York de alcanzar un 70 por ciento de electricidad renovable para 2030. Esa expansión ha traído consigo un aumento sustancial de la documentación técnica, ambiental y regulatoria que NYPA debe gestionar y mantener localizable.

Contexto del sector

La plataforma Smartlogic Semaphore que Iknow implementó para NYPA en 2017 forma parte ahora del portafolio de productos de Progress Software como “Progress Semaphore”, y se ha ampliado específicamente para dar soporte a aplicaciones de IA generativa y de generación aumentada por recuperación (RAG). Los propios materiales de Progress de 2025 y 2026 describen a Semaphore como el proveedor de la base de metadatos semánticos y de “ingeniería de contexto” que las plataformas de búsqueda empresarial e I+D necesitan para fundamentar de manera fiable los sistemas de IA generativa. La columna vertebral de taxonomía y metadatos bien gobernada que Iknow construyó para NYPA en 2017 es exactamente el tipo de base que la misma plataforma se comercializa hoy como capaz de aportar a las iniciativas de IA empresarial casi una década después. Eso significa que la inversión original de NYPA la deja bien posicionada, si así lo decide, para extender esa misma infraestructura de metadatos hacia herramientas de búsqueda y conocimiento de próxima generación impulsadas por IA.

Situación actual

El contenido de NYPA, repartido entre OpenText Content Server y Microsoft SharePoint, se había acumulado en grandes volúmenes a lo largo del tiempo sin metadatos ni etiquetado temático precisos o fiables, lo que hacía poco fiables los resultados de búsqueda. Las jerarquías de carpetas complejas y profundas de ambos sistemas dificultaban la navegación por el contenido incluso cuando la búsqueda no lograba mostrar lo que los empleados necesitaban.

• Contenido repartido entre dos sistemas desconectados. OpenText Content Server y Microsoft SharePoint albergaban cada uno grandes y crecientes volúmenes de contenido sin una forma unificada de buscar en ambos.
• Metadatos faltantes o inconsistentes. La falta de metadatos y de etiquetado temático precisos y fiables hacía que los resultados de búsqueda fueran deficientes en ambas plataformas.
• Navegación difícil. La gran cantidad de carpetas de archivos y las jerarquías de carpetas complejas dificultaban que los empleados navegaran por el contenido incluso cuando la búsqueda se quedaba corta.
• Sin taxonomía a escala empresarial. NYPA carecía de una estructura de clasificación consistente que abarcara ambos sistemas de contenido y sus numerosas funciones de negocio.
• La necesidad de una usabilidad genuina. Cualquier solución debía ser intuitiva y fácil de usar para los empleados corrientes de NYPA, no solo para los especialistas en gestión de contenidos.

• Desarrollar una taxonomía empresarial específica para NYPA.
• Construir una aplicación y una interfaz de búsqueda unificadas con funciones avanzadas de búsqueda y navegación.
• Aplicar de forma consistente la taxonomía y las etiquetas de metadatos estandarizadas al contenido de ambos sistemas.
• Ofrecer una experiencia de búsqueda intuitiva y fácil de usar para los empleados de NYPA.
• Capacitar al personal de NYPA para mantener la plataforma de forma independiente en adelante.

Cómo estructuró Iknow el trabajo

Iknow ejecutó dos líneas de trabajo en paralelo (el desarrollo de la taxonomía empresarial y el desarrollo de la interfaz de usuario) antes de converger en la selección de la plataforma, la arquitectura de la solución, el despliegue y la capacitación del personal, asegurando que tanto la elección tecnológica como el diseño de la interfaz estuvieran fundamentados en el contenido real de NYPA y en las necesidades reales de sus empleados.

Actividades y decisiones clave

• Desarrollo de la taxonomía. Iknow trabajó con el personal de NYPA para desarrollar una taxonomía temática empresarial utilizando una combinación de técnicas, incluida una revisión de esquemas de clasificación internos previos, una evaluación de taxonomías externas relevantes y el análisis de los registros de búsqueda de los usuarios.
• Desarrollo de la interfaz de usuario. Iknow trabajó con el personal de NYPA para comprender los casos de uso y los requisitos de búsqueda derivados del negocio, y luego desarrolló conceptos de wireframes para presentar los distintos tipos de resultados de búsqueda.
• Selección e implementación de la plataforma. Iknow recomendó la compra de la suite de software de gestión de metadatos Semaphore de Smartlogic, y luego trabajó con Smartlogic para implementarla, aplicando la nueva taxonomía mediante una sofisticada funcionalidad de autoclasificación para lograr una categorización del contenido y un etiquetado de metadatos más consistentes. El equipo también aprovechó las funciones de gestión de ontologías y de mejora de la búsqueda de Semaphore para aumentar la relevancia de los resultados y permitir a los usuarios descubrir contenido relacionado.
• Arquitectura de la solución. Iknow trabajó de forma colaborativa con el personal de NYPA de gestión de contenidos, TI y varias funciones de negocio para definir la arquitectura general de la solución, incluidos los flujos de trabajo de los procesos de negocio y los requisitos de infraestructura técnica para el enriquecimiento de metadatos y la autoclasificación.
• Despliegue y capacitación. Iknow implementó la nueva solución empresarial de gestión de metadatos y búsqueda en los entornos de desarrollo y producción de NYPA, y luego capacitó al personal de NYPA para mantener la plataforma en adelante, incluida la instalación y configuración de Semaphore y el desarrollo de reglas de autoclasificación.

Partes interesadas y colaboración

Iknow trabajó estrechamente con el personal de NYPA de gestión de contenidos, TI y múltiples funciones de negocio, junto con el subcontratista Smartlogic como socio de implementación tecnológica, para entregar una solución que reflejara tanto el entorno técnico de NYPA como las necesidades reales de búsqueda de sus empleados.

Construir una única taxonomía para dos sistemas diferentes

OpenText Content Server y SharePoint eran sistemas estructuralmente distintos que servían a muchas funciones de negocio diferentes, lo que dificultaba diseñar desde cero un esquema de clasificación único y coherente. Iknow lo abordó fundamentando el desarrollo de la taxonomía en tres fuentes de evidencia complementarias (los esquemas de clasificación internos previos, las taxonomías externas relevantes y los datos reales de los registros de búsqueda de los usuarios) en lugar de partir de una hoja en blanco o favorecer la estructura existente de uno u otro sistema.

Hacer que una tecnología de clasificación avanzada se sienta simple

Las sofisticadas capacidades de autoclasificación y gestión de ontologías corrían el riesgo de producir un sistema demasiado complejo para que los empleados corrientes lo usaran con comodidad. Iknow lo abordó con una línea de trabajo dedicada a la interfaz de usuario, fundamentada directamente en los casos de uso de negocio y los requisitos de búsqueda reales del personal de NYPA, traduciendo esos hallazgos en conceptos concretos de wireframes antes de comenzar cualquier desarrollo.

Garantizar que NYPA pudiera sostener la plataforma de forma independiente

Una solución que NYPA no pudiera mantener por sí misma tras la conclusión del proyecto perdería valor rápidamente a medida que el contenido siguiera creciendo. Iknow lo abordó con un programa de capacitación dedicado que cubría tanto la administración de la plataforma (instalación y configuración de Semaphore) como la habilidad más especializada de desarrollar y mantener reglas de autoclasificación.

Resultados operativos

• Se implementó con éxito una solución unificada empresarial de gestión de metadatos y búsqueda en los entornos de desarrollo y producción de NYPA.
• Se lanzó una funcionalidad de búsqueda mejorada, con usuarios que reportaron una mejora significativa en la calidad de sus resultados de búsqueda.
• Se entregó una taxonomía empresarial específica de NYPA aplicada de forma consistente al contenido de OpenText Content Server y de SharePoint mediante la capacidad de autoclasificación de Semaphore.

Resultados estratégicos y organizativos

Al capacitar al personal de NYPA para mantener y ampliar la plataforma de forma independiente, Iknow posicionó a NYPA para sostener la mejora sin una dependencia continua de consultores externos. NYPA planeaba extender el enriquecimiento de contenido y la experiencia de búsqueda a otros repositorios internos de contenido en adelante, prueba de que la plataforma se percibía como una infraestructura duradera y reutilizable, y no como un arreglo puntual.

Plazo hasta el impacto

Iknow completó el desarrollo de la taxonomía, el diseño de la interfaz, la implementación de la plataforma y la capacitación del personal dentro del proyecto de 12 meses, con la nueva solución de búsqueda en producción y ofreciendo resultados mediblemente mejores para los empleados de NYPA al concluir el proyecto.

Habilidades principales

• Búsqueda empresarial y diseño de taxonomías
• Arquitectura de la información
• Integración de sistemas
• Capacitación y habilitación tecnológica

Métodos y marcos de trabajo

• Metodología de desarrollo de taxonomías (revisión de esquemas internos, análisis comparativo externo, análisis de registros de búsqueda)
• Diseño de interfaces y wireframes orientado a casos de uso
• Desarrollo de reglas de autoclasificación

Tecnologías y herramientas

• Smartlogic Semaphore (Ontology Manager, Classification and Text Mining Server, Semantic Enhancement Server)
• OpenText Content Server y Microsoft SharePoint