Un ERP ya recuerda: facturas, reservas, entradas de stock, tickets, contactos y proyectos son registros duraderos. Pero esa memoria está estructurada para transacciones, no para preguntas que cruzan fuentes.
"¿Qué ha estado preguntando este cliente?" puede requerir conversaciones de varios canales. "¿Qué sabemos sobre este problema de servicio?" Es posible que necesite mensajes, registros de soporte, notas y contexto del producto. El trabajo de MINION en Brains comenzó cuando un único contexto de chat ya no era una representación creíble del conocimiento organizacional.
La memoria no es un volcado de transcripciones.
La versión ingenua de la memoria organizacional consiste en colocar cada mensaje en una base de datos vectorial. Eso mejora las demostraciones de recuperación y crea varios problemas nuevos:
- la misma conversación puede representarse más de una vez;
- la frescura de la fuente se vuelve confusa;
- los identificadores y nombres exactos funcionan mal cuando domina la similitud semántica;
- el texto recuperado pierde su registro comercial y sus límites organizativos;
- resulta difícil razonar sobre la eliminación o corrección;
- un agente con un trabajo limitado puede heredar accidentalmente un corpus amplio.
En cambio, la arquitectura de Brains trata la evidencia en bruto, las unidades de corpus normalizadas, los índices de recuperación y los alcances de conocimiento enfocados como capas diferentes.
Normalizar antes de recuperar
Los mensajes llegan desde diferentes canales con diferentes identificadores, marcas de tiempo, reglas de subprocesamiento y formas de carga útil. Los registros comerciales tienen sus propios esquemas. Un corpus útil necesita una representación estable que conserve:
- organización y fuente;
- conversación o identidad de registro comercial;
- tiempo de aparición y estado de frescura;
- vinculación con participantes o partes cuando la fuente la respalda;
- evidencia textual determinista;
- resúmenes derivados o ráfagas sin reemplazar la fuente sin procesar.
La normalización hace que la recuperación posterior sea comparable sin pretender que los sistemas originales sean idénticos.
Un método de recuperación no es suficiente
Los vectores semánticos son buenos como vecinos conceptuales. No son automáticamente buenos con nombres, códigos, fechas o identificadores cortos exactos. La búsqueda exacta y difusa puede resolver esos casos sin necesidad de paráfrasis.
Por lo tanto, MINION evolucionó hacia múltiples rutas:
- búsqueda exacta o léxica de nombres, frases y códigos;
- coincidencia aproximada para identificadores y alias imperfectos;
- búsqueda vectorial de barrios semánticos;
- filtros de fuente y organización aplicados antes de que los resultados se conviertan en contexto;
- Cerebros enfocados que componen fuentes permitidas para un propósito específico.
El resultado no es "la IA elige la mejor base de datos". Es un sistema de recuperación explícito cuyas rutas se pueden inspeccionar y probar.
La recuperación finaliza con un recibo de evidencia.
SIGUE LAS FLECHASThe request carries organization and Brain scope.
Transcripción accesible del diagrama
A query splits across lexical and vector routes, reunites behind rank and policy, and emits an evidence receipt.
La frescura es parte de la relevancia.
Un resultado muy similar de una fuente obsoleta puede ser menos útil que un resultado ligeramente más débil de una fuente actual. Eso hace que el estado de ingestión sea un hecho editorial, no solo una métrica operativa.
La plataforma agregó reabastecimientos de corpus, trabajo de actualización de fuentes específicas, reprocesamiento dirigido y un puente de servicio Qdrant privado. Esos cambios fueron necesarios porque una interfaz de búsqueda puede parecer saludable mientras una fuente deja de avanzar silenciosamente.
Un Brain honesto debería mostrar “estos son los resultados más cercanos” y, cuando corresponda, añadir “esta fuente no se ha actualizado desde este momento” o “esta fuente no está disponible en el alcance actual”.
Un cerebro también es un límite de permiso.
Los agentes cerebrales de gestión de MINION utilizan un principio deliberadamente limitado. Sus capacidades están restringidas a la superficie del cerebro y el acceso a un cerebro individual se verifica por separado. Esto es importante porque la existencia de un índice de conocimiento no debe otorgar acceso a todos los módulos operativos que produjeron su evidencia.
Esto crea dos capas de autorización:
- ¿Puede este director utilizar la capacidad de Brains?
- ¿Puede acceder a este cerebro específico y sus fuentes permitidas?
La segunda pregunta impide que el “conocimiento organizacional” se convierta en un contexto universal.
La memoria y los acontecimientos se encuentran en la frescura.
El conocimiento se vuelve útil cuando nueva evidencia puede hacer avanzar el corpus de forma confiable. Actualmente, el Hub emite pequeños eventos de dominio confirmados mediante notificaciones de PostgreSQL y conserva el trabajo programado como respaldo duradero. Por separado, una ruta privada de JetStream fue diseñada y validada para absorber ráfagas y atender trabajadores acotados.
Esos son diferentes estados de madurez. La lección importante es que la frescura de la recuperación necesita un libro de trabajo duradero y puntos de control de origen observables, independientemente del transporte de activación que se utilice. Un corredor puede despertar el trabajo; no reemplaza el registro de la base de datos canónica de lo que debe suceder y lo que se completó.
La frescura es un circuito operativo cerrado
SIGUE LAS FLECHASA canonical record changes in its owning system.
Transcripción accesible del diagrama
Source changes emit events that trigger targeted rebuilds. A successful path creates a fresh corpus; failed paths create visible stale warnings.
Mantener juntas la evidencia, las rutas y el alcance
Conservaría la evidencia de fuentes normalizadas, múltiples rutas de recuperación, frescura explícita, cerebros enfocados, alcance de la organización y el principio de gestión de solo cerebros. Estas opciones hacen de la recuperación un subsistema gobernado en lugar de una característica opaca.
Exponer el recibo y la ruta de corrección
Expondría un recibo de recuperación con cada respuesta: conjunto de fuentes, ruta utilizada, actualización de la fuente, contribución a la clasificación y cualquier fuente excluida. También haría que los flujos de trabajo de reindexación y corrección sean de primera clase para que un operador pueda reparar una fuente o un registro sin tener que realizar un reabastecimiento amplio.
La memoria organizacional demuestra su valor cuando el sistema puede explicar qué recordó, por qué lo recuperó, qué tan actual es y si el solicitante tenía permiso para conocerlo.