La búsqueda vectorial pura capta el significado pero falla la coincidencia exacta. En datos empresariales esa es una decepción frecuente.
01. Dónde falla
Cuando se busca un código de artículo, un número de póliza o una referencia de contrato, la búsqueda semántica no ayuda. El modelo ve ese código como cercano a otro "parecido" y devuelve el documento equivocado.
02. El esquema híbrido
La solución es ejecutar ambas búsquedas: la semántica capta el concepto, la de palabra clave la coincidencia exacta. Las dos listas se combinan en una sola clasificación.
03. Combinar resultados
El método habitual es una puntuación que mezcla las posiciones de ambas listas. Sumar directamente las puntuaciones brutas de similitud da resultados erróneos porque las escalas difieren.
04. Reordenar
Reordenar los veinte primeros de la lista combinada con un modelo más potente eleva la precisión de forma clara. El coste es bajo porque solo se aplica a candidatos.
05. Filtrar antes
Aplique filtros de fecha, departamento o tipo de documento antes de la búsqueda. Reducir el conjunto de candidatos irrelevantes acelera y mejora a la vez.
06. Medición
Mida la calidad de búsqueda por separado de la respuesta. ¿Aparece el documento correcto entre los cinco primeros? Si no puede responder a eso, no sabrá si la mala respuesta vino de la recuperación o del modelo.