title: 5 · Dominios: las fronteras del conocimiento
5 · Dominios: las fronteras del conocimiento
El primer libro entero descansa sobre una decisión tomada en su segundo capítulo: acotar para dominar. No se construye un corpus "de conocimiento general del despacho"; se construyen dominios —consulta laboral de un sector, litigación de una provincia, relaciones colectivas— con fronteras claras, porque el método necesita fronteras para validar. Lo que el primer libro no contó es que esas fronteras vuelven a jugársela todo en el otro lado: en el momento de la pregunta. Un corpus por dominios al que se consulta sin dominio es una biblioteca ordenada por estanterías a la que se entra con los ojos vendados.
Buscar en todo es no buscar en nada
La búsqueda sin dominio no falla por devolver resultados malos; falla por devolver resultados de otro país semántico. El caso canónico lo dio el despacho la primera semana: la consulta sobre el plus de nocturnidad del metal —formulada por el gestor que atendía a un cliente siderúrgico— recibió como primer resultado el plus de nocturnidad del convenio de hostelería. El motor no había cometido ninguna locura estadística: los dos párrafos son gemelos semánticos, con las mismas palabras y la misma estructura, hasta el porcentaje de similitud. Simplemente vivían en fronteras distintas. El sistema, sin la coordenada del dominio, no podía saberlo; respondió con fluidez y con el convenio equivocado.
Ese fallo ilustra por qué el dominio es el filtro más importante de todos: es el único que cambia el sentido de las palabras. Entre dos convenios, "nocturnidad" significa lo mismo y significa cosas distintas a la vez —distinto plus, distinto importe, distinta regulación—. La similitud estadística ve lo primero; el usuario necesita lo segundo. En un corpus multi-dominio, gran parte de lo que parece "error del motor" es en realidad ausencia de frontera: el motor respondió a la pregunta que se puede hacer desde ninguna parte, y nadie hace preguntas desde ninguna parte.
Dos maneras de dibujar la frontera
Llegados a esto, la pregunta técnica es inevitable: ¿se acota con un filtro sobre el dominio o se separa el corpus en colecciones independientes? Es una decisión de arquitectura con un criterio limpio, y conviene tenerlo escrito porque ambos caminos se parecerán en las demos y divergirán en producción.
El filtro de dominio mantiene todas las píldoras en un mismo índice y excluye lo ajeno en cada búsqueda. Su virtud es la permeabilidad controlada: una consulta que cruza dominios —"¿qué convenios de mi sector y del de transporte regulan el perímetro de movilidad?"— puede ejecutarse relajando el filtro, porque la frontera es un atributo, no un muro. Su coste es la disciplina: todo el corpus comparte esquema de facetas, y la calidad del filtro depende de que el campo dominio esté bien cargado —el capítulo anterior—. El filtro es la frontera por defecto y la que sirve al 95 por ciento de los casos.
Las colecciones separadas son el camino radical: un índice por dominio, sin posibilidad técnica de mezclarlos. Se justifican cuando las fronteras son también jurídicas o comerciales: corpus de clientes distintos donde un cruce sería una fuga de datos, o dominios con requisitos de seguridad que exigen aislamiento físico. Su virtud es que el aislamiento no depende de que nadie cargue bien un campo; su coste, que mata de raíz las consultas cruzadas y multiplica la operación —un índice más, un mantenimiento más—. La regla del despacho quedó escrita en el contrato: frontera de negocio, filtro; frontera de datos, colección. Si cruzar la frontera sería un error semántico, filtro; si sería un incidente de confidencialidad, colección.
Hay una tercera situación que conviene nombrar porque sorprende a todos: el documento que cabe en todos. Los documentos horizontales —el Estatuto de los Trabajadores, la Ley de Procedimiento Laboral— pertenecen a todos los dominios a la vez. Etiquetarlos "general" y obligar a que cada búsqueda incluya ese dominio extra es la solución ingenua que satura los resultados con la norma madre en cuanto alguien menciona un despido. La solución madura distingue entre dominios de pertenencia y normas de referencia: la norma horizontal se ingiere en su dominio canónico y el acceso la eleva por otro mecanismo —prioridad por tipo de documento— cuando la consulta la invoca. No es un truco: es reconocer que el mapa tiene capas.
La frontera también consulta
Conviene cerrar con el malentendido más frecuente: que el dominio es un parámetro del sistema y ya está. En realidad, la frontera es una conversación: ¿quién decide el dominio de cada consulta? En el despacho lo decidimos en tres niveles, y conviene tenerlos pensados antes de construir nada. El nivel uno es el contexto de la sesión: el usuario está atendiendo a un cliente del metal; el sistema lo sabe y aplica el dominio sin preguntar. Este nivel resuelve el 80 por ciento de las consultas y es el que da la sensación de que el sistema "entiende el negocio". El nivel dos es el indicio en la consulta: cuando alguien menciona explícitamente otro sector, la frontera se ajusta —eso es lo bonito del filtro: se relaja con elegancia—. El nivel tres es la duda declarada: cuando el sistema no puede inferir el dominio y las consultas cruzadas son caras o prohibidas, pregunta. Una interfaz que pregunta "¿para qué cliente o sector?" una vez de cada diez es infinitamente mejor que una que nunca pregunta y se equivoca dos de cada diez.
El criterio de salida de esta parte es sencillo de enunciar y revelador de medir: cero resultados fuera de dominio. No "pocos", no "aceptables": cero. Si alguna consulta devuelve evidencia de un dominio que no correspondía, o el filtro no existe, o el campo está sucio, o la frontera estaba mal dibujada —las tres causas son defectos de arquitectura, no percances—.
Criterio de salida
El campo dominio participa en el 100 por ciento de las búsquedas de contenido: aplicado por contexto de sesión, ajustable por indicio explícito en la consulta y preguntado cuando no se puede inferir. Cero resultados fuera de dominio en el banco de pruebas. Frontera de negocio = filtro; frontera de datos = colección, decidido y escrito.
El dominio es la primera coordenada, la más gruesa. Pero dentro de cada dominio queda un espacio entero por trazar: tipos, fuentes, materias, fechas. Ese retículo fino —las etiquetas y las facetas— es el siguiente capítulo.