Cuando arrancamos el proyecto Bijouterm hace poco más de un año, la pregunta no era si la inteligencia artificial generativa iba a transformar el trabajo terminográfico, sino cuánto y cómo. Doce meses después, tenemos algunas respuestas y, sobre todo, muchas preguntas mejor formuladas.
El objetivo de Bijouterm es construir un asistente capaz de responder consultas sobre el léxico especializado de la joyería en tres idiomas, apoyándose en un corpus validado por el grupo. Lo que parecía un problema de búsqueda terminológica se reveló rápidamente como un reto a la vez lingüístico, técnico y metodológico.
El corpus como cimiento
Ningún sistema de IA es mejor que los datos sobre los que se construye. En terminología especializada esto se vuelve especialmente cierto: un término mal documentado o una equivalencia dudosa se propaga y contamina todas las respuestas. Por eso el primer año se dedicó, en gran parte, a la curación del corpus.
La IA generativa no sustituye el criterio del terminólogo: lo amplifica. Y amplifica también sus errores si no hay validación humana detrás.— Conclusión de la primera fase del proyecto
Algunos de los principios que adoptamos durante esta fase fueron:
- Toda equivalencia trilingüe pasa por una doble validación humana antes de incorporarse.
- Cada término conserva su contexto de uso y la fuente documental de la que procede.
- Las decisiones dudosas se marcan y se revisan en sesiones conjuntas del equipo.
Por qué elegimos una arquitectura RAG
En lugar de confiar ciegamente en lo que un modelo de lenguaje «sabe», optamos por una arquitectura de generación aumentada por recuperación (RAG): el asistente recupera primero los fragmentos relevantes de nuestro corpus validado y solo después redacta la respuesta apoyándose en ellos.
Esta decisión tiene una ventaja decisiva para un proyecto académico: la trazabilidad. Cada respuesta puede remitirse a la entrada del corpus que la sustenta, lo que permite auditar el sistema y mantener el rigor que exige el trabajo terminográfico.
En una frase
RAG nos permite que el asistente sea útil sin inventar: responde a partir de lo que el grupo ya ha validado, no de lo que el modelo cree recordar.
Los retos que siguen abiertos
No todo está resuelto. La variación dialectal del léxico de la joyería entre el español peninsular y el americano sigue siendo un quebradero de cabeza, y la incorporación del francés técnico ha planteado problemas de equivalencia que no esperábamos. Son, precisamente, las cuestiones que dan sentido a un proyecto de investigación.
Próximos pasos
El segundo año estará centrado en ampliar el corpus, refinar la recuperación multilingüe y abrir el asistente a un grupo de prueba de investigadores externos. Iremos contando los avances en este mismo blog.