De la conversación al hecho tipado, en un ciclo semanal.

La etapa 02 es cómo una transcripción bruta se convierte en una fila en su corpus de hechos. El pipeline de enriquecimiento hace pasar cada conversación aceptada por un esquema tipado: diez dimensiones paralelas, cada una produciendo filas con una ventana bi-temporal, un vector de segmento, un conteo de relevancia, un puntaje de confianza y una cita al chunk que lo produjo. El corpus se actualiza en un ciclo semanal por defecto. Puede ajustar la cadencia por dimensión si su vertical lo requiere. La comparabilidad es el producto.

Esta página es la vista de producto de esa etapa: cómo luce el esquema, qué hace una actualización y qué controla desde la consola. Los mecanismos del pipeline (el filtro de alucinaciones, la verificación de contaminación cruzada, la calificación determinista, el hash de integridad de prompts) están documentados en Metodología y en Confianza y seguridad.

Cada conversación produce filas en diez dimensiones paralelas. Para el comercio minorista, el conjunto operativo es: puntos de fricción, calificación de oportunidades, mapa de percepción de marca, puntaje de madurez en IA, factores de retención, señal de mercado, riesgo regulatorio y de cumplimiento, brecha de capacitación, comportamiento por segmento de clientes y mapa de menciones de competidores. El esquema es específico del vertical en su forma de superficie. Dos o tres dimensiones cambian por vertical (para consultoría, el comportamiento por segmento de clientes se reemplaza por indicadores de economía del engagement; para restaurantes, el mapa de percepción de marca se reemplaza por la varianza operacional por turno). La forma se mantiene igual: diez casillas tipadas.

La estabilidad es el punto central. Un punto de fricción registrado en un mercado en mayo se lee igual que uno registrado en otro en noviembre, porque ambos son filas en el mismo esquema producido por el mismo protocolo. Esa propiedad es la que hace posible la comparación entre mercados. Las encuestas no pueden hacer esto, porque el instrumento cambia con cada traducción. Los grupos focales no pueden hacerlo, porque la dinámica grupal distorsiona la comparabilidad. El agente de entrevista mantiene el protocolo constante en cada conversación, lo que permite que el esquema se mantenga constante sobre él.

Un ciclo de actualización es un lote programado de nuevas conversaciones que la plataforma recluta, conduce y enriquece. La cadencia por defecto es semanal por cohorte activa. Cuando el ciclo termina, cada nuevo hecho llega al corpus con su propia ventana bi-temporal. Los hechos cuya validez ha expirado desde el último ciclo pasan al registro histórico. Los tableros se recalculan contra el corpus actualizado.

El disparador de actualización no es un recordatorio en el calendario. La consola muestra un reloj de obsolescencia por dimensión: cuando el veinte por ciento de los hechos de percepción de marca han superado su validez en los últimos sesenta días, la consola indica que la dimensión debe actualizarse. Esta es la columna vertebral de los ingresos recurrentes de la plataforma: los datos obsoletos son una señal de producto visible en el tablero, y le indican exactamente cuándo encargar más captura.

La decaída se calibra por dimensión y por vertical. Los hechos de percepción de marca decaen en semanas. La señal de mercado decae en semanas. El comportamiento por segmento de clientes decae en semanas a meses. Los puntos de fricción y la calificación de oportunidades decaen en meses. El puntaje de madurez en IA decae en trimestres. Los factores de retención decaen en trimestres. La brecha de capacitación decae solo cuando cambia el catálogo de capacitación o el producto.

La plataforma se entrega con una calibración de referencia que cubre comercio minorista, consultoría, restaurantes y farmacia. A partir de allí, el Expert-in-the-Loop refina las vidas medias para su vertical. Cuando un experto de dominio en su equipo indica a la plataforma que una clase de hechos particular se mueve más rápido o más lento que la referencia, la calibración se actualiza y el corpus se reprocesa bajo la nueva regla de decaída. La calibración anterior permanece en el registro de auditoría.

Cada conversación llega al corpus con un puntaje de calidad compuesto de 0 a 100, calculado por una fórmula determinista. La fórmula combina riqueza (cuántos puntos de fricción, oportunidades, sorpresas, contradicciones y verbatims produjo la conversación), profundidad (cantidad de turnos, longitud del turno más largo, duración) y ejecución (qué tan bien siguió el agente los seis KPI auditados). Un puntaje de 71 significa tres puntos de fricción, dos oportunidades, una sorpresa y cobertura completa del KPI de percepción de marca. El desglose es visible por conversación.

Las conversaciones por debajo de un umbral se marcan como valores atípicos y se excluyen de los agregados dirigidos a ejecutivos. El registro de inteligencia se conserva para auditoría; no desaparece. La descripción completa de la fórmula de calificación, los pesos y los umbrales de valores atípicos se encuentra en la página de Metodología.

Cuando un experto de dominio del cliente en su equipo indica a la plataforma que una interpretación es incorrecta en su contexto, el sistema encuentra cada conversación en el corpus que coincide con ese contexto y las reprocesa. Reanaliza, reetiqueta y repondera cada coincidencia. La corrección del experto se propaga en todo el corpus histórico. El registro de auditoría conserva cada interpretación anterior junto a la nueva.

Hay dos superficies para realizar una corrección. La primera es una anotación en el tablero: el experto ve la interpretación, el verbatim de origen y la descripción de la metodología, y reemplaza donde sea necesario. La segunda es directamente el agente de entrevista, por voz. El experto le habla al agente como a una superficie de coaching, y el refinamiento entra en el mismo ciclo de corrección. El detalle se encuentra en la página de Confianza y seguridad.

Por cada conversación enriquecida, el corpus gana aproximadamente cien filas de hechos en las diez dimensiones. Cada fila lleva la dimensión, la afirmación, el identificador de chunk de origen, la ventana bi-temporal, el vector de segmento, los puntajes de relevancia y confianza, y el embedding para la recuperación vectorial. La misma fila llega al tablero, a la API de socios de marca y a sus agentes de IA a través de la superficie MCP. La cita es idéntica entre las tres.

Con 1 000 conversaciones, el corpus contiene alrededor de 100 000 filas de hechos. Con 50 000 conversaciones en actualización semanal, el corpus contiene millones de filas con gestión activa de obsolescencia. La arquitectura maneja las tres escalas en el mismo almacenamiento. La decisión de diseñar para el caso más grande en el despliegue más pequeño es lo que mantiene útil al corpus a medida que crece. Agregar capacidad después significa reingestar el registro histórico, que es donde colapsa la mayoría de las plataformas.