Cuando una institución evalúa usar un modelo de lenguaje para describir su acervo, la primera pregunta no es qué tan rápido va, sino qué tan fiable es lo que produce. Es la pregunta correcta. Un modelo enriquece: identifica el material y completa el registro con datos que el documento no traía, como una fecha, unas materias o un ISBN, tomados de su conocimiento. Ese enriquecimiento es el valor y a la vez el riesgo, porque un dato plausible puede ser falso. Y un dato falso entra al catálogo, se ve como cualquier otro y puede quedar ahí años antes de que alguien lo cuestione.
La confianza no viene de que el modelo no agregue nada, porque eso lo volvería inútil, ni de afirmar que todo lo que agrega es correcto. Viene de que el estado de cada dato sea explícito, distinguiendo lo que se pudo confirmar contra una fuente de lo que es inferencia del modelo, y de tener con qué detener el error antes de que llegue al catálogo. Ningún sistema que use un modelo de lenguaje puede prometer cero errores; lo que se puede es reducirlos con mecanismos concretos, dejar señalado lo que no se pudo confirmar y que cada dato pueda rastrearse hasta su origen.
Saber de dónde viene cada dato
Lo que se puede verificar, se verifica y se atribuye; lo que no, queda marcado como lo que es. Cuando Collect valida una materia o un nombre contra una fuente, deja anotado en el registro con qué fuente lo validó; cuando un dato viene solo del conocimiento del modelo, sin una fuente que lo respalde, queda sin esa anotación. La presencia o ausencia de la atribución es, en sí, una señal de con cuánta certeza contar: le dice al catalogador qué está confirmado y qué conviene revisar.
El ISBN es el caso que mejor muestra el límite, con dos situaciones distintas. Si el ISBN está impreso en el documento (en el colofón o la contraportada), Collect lo coteja contra el texto de origen y confirma que fue transcrito, no inventado; esa es una verificación contra la fuente misma, insensible a cómo estén puestos los guiones. Si el ISBN no aparece en el documento y viene solo del conocimiento del modelo, no hay contra qué confirmarlo salvo un catálogo bibliográfico externo, cuando la institución lo tiene disponible. Sin esa fuente, ese ISBN inferido no se puede confirmar, y Collect no lo presenta como si lo estuviera: queda sin atribución, cuenta como dato sin respaldo en la calificación del registro y entra a revisión. Presentar un ISBN inferido como verificado sería justo la clase de afirmación plausible que este enfoque busca evitar.
Verificar contra autoridades
Donde el dato se puede contrastar contra una fuente de autoridad, Collect lo contrasta. Los nombres de personas y entidades se validan contra el catálogo de autoridad de la propia institución (ILS) cuando existe, y contra referencias externas como VIAF, ISNI, los vocabularios de id.loc.gov o los del Getty, en la nube o locales. La cascada tiene un orden: primero la autoridad local, luego las externas y, como último recurso, una regla de formato.
Esto responde a un problema conocido de la catalogación: que el mismo autor aparezca escrito de tres formas y termine como tres personas en el índice. Cuando hay coincidencia con un registro de autoridad, el sistema inserta el identificador de esa fuente junto al nombre, de modo que se pueda rastrear con qué autoridad se validó. La verificación tiene un umbral de confianza configurable; por debajo de él, el sistema no fuerza una coincidencia dudosa.
Calcular, no adivinar, los campos con reglas fijas
Algunos campos del catálogo no son materia de interpretación: se derivan de una regla. El número de clasificación (el Cutter en la clasificación Dewey, el Cutter LC) y el nivel de descripción archivístico en ISAD-G se calculan de forma determinista, con la tabla o el algoritmo correspondiente, en vez de pedírselos al modelo.
La razón es sencilla: donde existe una regla pública y estable, aplicarla da la respuesta correcta siempre por la misma vía, y no tiene sentido dejar a un modelo resolver por aproximación algo que se resuelve por cálculo. El modelo se reserva para lo que sí requiere leer y comprender el documento; lo mecánico se trata como mecánico.
Evaluar y marcar cada registro
Cada registro pasa por una evaluación que lo califica según un perfil por formato e institución, que define qué campos requiere, con qué peso y cuánto se pudo respaldar. El resultado es un puntaje, y cuando queda por debajo del umbral, el sistema estampa en el registro una nota visible que lo marca para revisión. Esa calificación es lo que permite revisar por excepción: a escala, el catalogador atiende lo que el sistema señala en vez de mirar cada registro. La nota se estampa siempre, aunque la escalada a un modelo mayor esté apagada.
Frenar el lote degradado antes de entregarlo
Hay un último control cuando el lote está listo para entregarse al catálogo. Antes de darlo por bueno, el sistema lo compara contra lo que entró y lo detiene si detecta que algo se degradó en el camino, por ejemplo registros que perdieron el enlace a su documento de origen o que quedaron sin un campo obligatorio. Detener significa que el lote no se entrega y el proceso termina con un error explícito, no que se entrega con una advertencia al pie que nadie leerá.
Es la clase de pérdida silenciosa que, sin este control, aparece cuando ya está en el catálogo. Exportar de todos modos es posible, pero es una decisión consciente del operador, no lo que ocurre por defecto.
Qué queda en manos de las personas
Ninguno de estos mecanismos elimina la revisión humana, y no pretenden hacerlo; cambian en qué se gasta. El material que llega al catalogador ya trae su procedencia marcada, sus nombres validados, sus campos con regla calculados, su calificación y, si aplica, su nota de revisión. La revisión deja de ser una recaptura desde cero y se concentra en el juicio que requiere una persona que conoce el acervo: lo ambiguo, lo que el sistema marcó, lo que ninguna fuente pudo confirmar.
La verificación contra autoridades solo cubre los nombres que esas autoridades conocen; un autor local sin registro externo se normaliza por formato, no se confirma. El enriquecimiento desde el conocimiento del modelo puede equivocarse, y lo que no se validó contra una fuente, como un ISBN o a veces la fecha, se apoya en la identificación, la calificación y la revisión, no en una comprobación contra un registro real. Y el filtro de calidad de salida comprueba la integridad del lote, no la exactitud de cada campo de cada registro; eso sigue siendo trabajo de revisión.
La confianza en un catálogo no viene de afirmar que el sistema no se equivoca, sino de poder señalar dónde podría equivocarse y qué lo contiene. Si tu institución evalúa introducir IA en la descripción de su acervo y quiere entender cuáles de estos controles aplican a tu norma de catalogación y a tu flujo de revisión, escríbenos a info@janium.com.