Cuando le haces una pregunta a una herramienta de IA sobre un documento largo — un contrato, un informe, un manual — en realidad no lo lee entero. Lo trocea en fragmentos pequeños, convierte cada fragmento en números, y busca los que parecen más similares a tu pregunta. Es un poco como intentar entender un libro ordenando sus páginas por color.
A veces funciona. Pero se pierde cosas importantes. El contexto. La estructura. El hecho de que la cláusula 7.2 solo tiene sentido si primero lees la sección 3.
PageIndex construye algo parecido a un índice del documento — un mapa de cómo está organizado — y razona sobre ese mapa. En lugar de preguntar ¿qué fragmentos suenan como la pregunta?, se pregunta ¿dónde buscaría alguien que sabe de verdad?
El resultado es notablemente más preciso. En un benchmark estándar de finanzas, alcanzó un 98,7% de acierto, superando el método tradicional por un margen que importa. Además es de código abierto y gratuito.
Puedes conectarlo directamente a Claude u otras herramientas de IA que ya usas, para que tu asistente sea capaz de encontrar lo que busca en un documento largo — no por azar, sino porque entiende cómo está estructurado.
RAG — "Generación aumentada por recuperación." Una forma de darle a la IA acceso a tus propios documentos antes de que responda. Como pasarle una carpeta a tu asistente antes de una reunión.
Base de datos vectorial — Un sistema de archivo especial que guarda documentos como patrones numéricos para que la IA pueda encontrar los "más parecidos" rápidamente. Útil, pero impreciso.
MCP — Un estándar de conexión que permite que distintas herramientas de IA se comuniquen entre sí. Como un enchufe universal para IA.
Código abierto — Software cuyo funcionamiento interno es público y gratuito. Normalmente lo mantiene una comunidad de desarrolladores.
Si trabajas con documentos largos — legales, financieros, técnicos — esto merece atención. La pregunta en la que merece la pena pensar: ¿qué decisiones en tu negocio dependen de que alguien lea algo con cuidado de verdad?