n inteligencia artificial, más complejidad no siempre significa mejores resultados. A partir de un clasificador institucional que distingue publicaciones sustantivas de documentos administrativos, la experiencia mostró que delegar todo a un único algoritmo no es el camino óptimo. La propuesta es una arquitectura secuencial en tres capas: reglas determinísticas cuando los metadatos permiten decidir sin duda, patrones lingüísticos y conocimiento experto —como n-gramas de títulos estandarizados del tipo “Programa de trabajo” o “Acta”— y modelo de Machine Learning solo para los casos residuales que realmente requieren inferir.
Los resultados dejan varias lecciones. Reentrenado con 4.140 publicaciones de 2015-2025, la red neuronal mantuvo su exactitud, pero al aplicarla al repositorio histórico anterior a 2015 el desempeño cayó por falta de resúmenes y cambios de estilo. Intentar “ayudar” generando resúmenes sintéticos con IA empeoró las cosas: la exactitud cayó a 76% frente a 98% clasificando sin resumen, porque el estilo de la IA introdujo ruido. Más datos generados por IA no es mejor desempeño.
Al probar el flujo completo en 153 publicaciones de 2026 no vistas antes, el sistema híbrido alcanzó 90,2% de exactitud, pero lo más valioso fue la auditabilidad: los errores no venían del modelo, sino de tres reglas demasiado generales con palabras como “Guía”, “Acuerdo” u ordinales, corregibles sin reentrenar. La pregunta, entonces, no es solo qué modelo usar, sino cuándo realmente necesitamos uno: la verdadera inteligencia está en combinar reglas, conocimiento y modelos de forma responsable y trazable.
Canal Oficial de YouTube:Los invitamos a suscribirse a nuestro canal de YouTube para ver las grabaciones de las clases en diferido y enterarse de todas las novedades:
Contacto e inscripciones:Para consultas generales o inscripciones, pueden escribir a: 
