Toda institución con acervo llega tarde o temprano al mismo cuello de botella: el material existe, pero para encontrarlo y usarlo hay que describirlo. Un libro, un expediente, una fotografía, una grabación, un contrato: cada uno necesita un registro de catálogo en un formato estándar, hecho por alguien que sabe catalogar. Ese trabajo toma tiempo, y las personas que lo hacen bien no abundan. Mientras tanto el material se acumula, muchas veces ya digitalizado pero sin describir, repartido entre una carpeta en la nube, un servidor y cajas de escaneos.
Janium Collect se ocupa de la primera parte de ese trabajo. Vigila los lugares donde la institución guarda sus documentos, los lee con ayuda de un modelo de lenguaje, y produce un registro de catálogo en el formato que la institución usa. Quien cataloga deja de teclear cada registro desde cero y pasa a revisar los que el sistema propone.
Qué produce
La salida de Collect es un registro estructurado, no un texto libre. Según el tipo de acervo, ese registro sale en el formato correspondiente:
- Dublin Core para una descripción simple e interoperable.
- MARC21 (y su variante MARCedit/RDA, y UNIMARC) para catálogos de biblioteca.
- ISAD-G para archivos, donde importa la procedencia y la jerarquía —fondo, sección, serie— más que el ítem aislado.
- CDWA para obras de arte y objetos culturales, con el vocabulario del Getty.
La institución no cambia su catálogo ni su norma de descripción para usar Collect; el sistema se ajusta al formato que ya usa.
De qué material parte
El acervo rara vez es homogéneo. Collect lee varios tipos de fuente y de todos produce un registro:
- Documentos de texto, en PDF o en alguno de los más de treinta formatos de oficina y publicación que convierte para procesarlos.
- Imágenes y documentos escaneados, con reconocimiento de texto cuando hace falta, o leyendo la imagen directamente cuando el texto no basta.
- Datos ya estructurados —una hoja de cálculo, una lista de inventario— que se convierten en registros sin volver a capturarlos.
- Audio y video, transcribiendo la voz y, en el video, tomando fotogramas por escena para describir el contenido.
El criterio que sostiene la confianza
Collect no se limita a transcribir: identifica el material y completa el registro con datos que la fuente no traía —materias, fecha, a veces el ISBN—, tomados del conocimiento del modelo. Ese enriquecimiento es el valor. El riesgo es que un dato que suena razonable pero es falso se quede en el catálogo con aspecto de correcto.
La confianza no descansa en no enriquecer, sino en saber de dónde viene cada dato. Lo verificable se verifica y se atribuye: nombres y materias se contrastan contra autoridades y vocabularios controlados y salen con su fuente anotada; lo que viene solo del conocimiento del modelo queda sin esa marca. Los campos con regla fija —el número de clasificación, por ejemplo— se computan, no se estiman. Y cada registro pasa por una evaluación que lo califica y lo marca para revisión cuando cae por debajo del umbral, de modo que la revisión se enfoque en lo que el sistema señala.
Dónde encaja
Collect produce los registros; el catálogo los recibe. Se integra con el sistema de la institución —Janium u otro— y puede tomar de vuelta las correcciones que el catalogador hace, para que la fuente y el catálogo no se desincronicen. La persona que cataloga sigue en el centro del proceso; lo que cambia es en qué gasta su tiempo.
Lo que no hace
Collect enriquece, pero no fabrica. Completa desde el conocimiento del modelo lo que reconoce, y deja marcado lo que infirió frente a lo que verificó; pero un dato que el documento no trae y que tampoco tiene de dónde deducirse, como una medida que nadie tomó, no se rellena con una suposición. La calidad de la salida depende de la del material de partida, y el sistema no reemplaza el criterio de quien conoce el acervo.
Lo que cambia es cuánta atención humana hace falta y dónde. Cada registro pasa por una evaluación que lo califica, y el sistema frena los que no llegan al mínimo antes de que entren al catálogo. Esa calificación permite calibrar la revisión según el contexto: una biblioteca con catalogadores puede revisar registro por registro; un despacho que procesa miles de contratos, o un archivo que describe en ISAD-G a gran escala, no tiene una persona por registro y revisa por excepción —atiende lo que la calificación señala y confía en el resto—. La calidad alcanzada vuelve practicable ese modo donde revisar todo no lo es.
Para continuar la conversación
Si tu institución tiene material digitalizado esperando descripción, o un flujo constante de documentos que catalogar, el cuello de botella deja de ser teclear cada registro y pasa a ser revisarlos. Si ese es tu problema, escríbenos a info@janium.com; nos interesa entender cómo es tu acervo y cómo lo describes hoy.