En una biblioteca, el ítem es la unidad natural de descripción: un libro se cataloga como un libro, completo en sí mismo. En un archivo el criterio es otro. Un expediente aislado dice poco si no se sabe de qué serie proviene, quién lo produjo y bajo qué función. La norma ISAD-G parte de ahí: se describe por procedencia y por jerarquía —Fondo, Sección, Serie, Expediente— y no por el documento suelto. Describir mil documentos como mil fichas independientes no es una descripción archivística incompleta; es una descripción de otra cosa.
Esto plantea un problema concreto cuando se extrae con IA. Un modelo de lenguaje lee un documento a la vez y produce un registro por documento. Nada en esa lectura, por buena que sea, construye el nivel de la Serie ni el del Fondo, porque esos niveles no viven en ningún documento individual: emergen del conjunto. Alguien tiene que crear esos nodos y decidir qué información pertenece a cada uno. Ese es el trabajo que hace el exportador jerárquico de Collect entre la extracción y el archivo final.
De registros por documento a un árbol
El punto de partida son los registros de documento que ya produjo la extracción. Cada uno trae, además de sus datos, su ubicación archivística —el lugar que ocupa en el cuadro de clasificación de la institución—. Con esa ubicación, el exportador arma el árbol: agrupa los documentos que cuelgan de una misma Serie, las Series que cuelgan de una Sección, y así hasta el Fondo. Los niveles que exporta van de Fondo a Pieza, pasando por Subfondo, Sección, Serie, Subserie, Expediente y Documento; los niveles fijos superiores —País, Institución— se asumen del contexto y no se emiten como registros.
El origen de esa estructura es explícito. La jerarquía se genera a partir del cuadro de clasificación, no la infiere el modelo de lenguaje. Si los documentos llegan sin su ubicación archivística, no hay de dónde construir el árbol: el exportador puede emitir los registros de documento, pero no los nodos padre que los organizan. La calidad de la jerarquía depende de que esa información de procedencia venga con el material.
Subir lo que se comparte
Una vez armado el árbol, aparece la pregunta que la norma responde con el principio de no repetitividad (ISAD-G 2.4): un dato que es común a todos los documentos de una Serie se describe una vez, en el nivel de la Serie, no mil veces en cada documento. El productor de un fondo, las condiciones de acceso de una serie, la lengua de la documentación —son propiedades del conjunto, y repetirlas en cada hijo estorba más de lo que ayuda.
El exportador aplica esto subiendo a los niveles superiores los campos que la mayoría de los hijos comparten. No sube cualquier cosa: solo un conjunto acotado de campos donde el principio tiene sentido archivístico —productor, historia institucional, condiciones de acceso, lengua, y los descriptores de tema, geográficos y corporativos—. Un valor sube a un nivel cuando lo comparte una proporción suficiente de los documentos que cuelgan de él; ese umbral es deliberadamente alto —la gran mayoría, no una simple mayoría—: subir un dato que en realidad solo comparte la mitad de los hijos lo convertiría en una afirmación falsa sobre la otra mitad.
El mecanismo tiene un límite. Es una heurística: un umbral de mayoría, no un juicio sobre el significado del campo. Puede subir un valor que estadísticamente domina pero que un archivista, mirando el fondo, matizaría; y puede dejar abajo un dato que sí correspondía al nivel superior porque unos pocos documentos lo traían distinto. Por eso el resultado se revisa: la agregación propone una estructura razonable, no una definitiva.
Agregar fecha y volumen
Hay datos que un nodo padre no hereda de sus hijos sino que resume. El rango de fechas de una Serie es el que abarca desde el documento más antiguo hasta el más reciente que contiene; el exportador lo calcula agregando las fechas de los hijos —con filtrado de valores atípicos, como una fecha biográfica que no describe la producción documental sino a una persona mencionada—. El volumen es el conteo de documentos bajo ese nodo. Así, un registro de Fondo puede terminar con “1940 / 2020” como fecha extrema y “9033 documentos” como volumen: dos datos que ninguno de los documentos individuales contiene, porque son propiedades del agregado.
Aquí interviene una distinción del ciclo de vida. En un archivo de trámite, que sigue recibiendo documentos, esos rangos se recalculan en cada exportación: el acervo está abierto y su fecha extrema cambia conforme ingresa material. En un archivo histórico, cerrado, los rangos se congelan, de modo que una corrección menor a un documento no altere inadvertidamente el rango de una sección entera.
Por qué la salida no es la del modelo
De todo esto se sigue una consecuencia: el archivo ISAD-G que Collect entrega no coincide con la suma de lo que el modelo extrajo documento por documento. Entre la extracción y la exportación hay generación de estructura —los nodos de Fondo, Sección y Serie que no existían— y hay agregación —el productor subido a su nivel, el rango de fechas calculado, el volumen contado—.
Eso no es una desviación del dato original; es lo que una descripción archivística requiere. El registro de documento sigue estando ahí, con lo que el modelo leyó de él. Lo que se añade encima es el contexto que lo vuelve archivísticamente legible: de qué serie proviene, quién lo produjo, en qué fondo se inscribe. Sin esa capa, se tendría un inventario de piezas; con ella, un cuadro de clasificación descrito.
Los tres límites, reunidos. La jerarquía existe solo si los documentos traen su ubicación archivística. El bubble-up es una heurística de mayoría, con un umbral configurable, y por eso el resultado pasa por revisión antes de entrar al catálogo. Y la agregación resume lo que los documentos contienen: no completa una serie que el material dejó incompleta.
Si tu institución describe con ISAD-G y tiene documentos digitalizados esperando organizarse por procedencia y jerarquía, escríbenos a info@janium.com; nos interesa entender cómo está armado tu cuadro de clasificación y qué información de procedencia acompaña hoy a tus documentos.