«Quizás quisiste decir» (Did You Mean, DYM) es una función de búsqueda que propone una consulta corregida cuando lo que escribes parece tener errores o es poco habitual. Se basa en medidas de similitud entre palabras, modelos de lenguaje y el análisis de búsquedas frecuentes. Ejemplo: si escribes «cafetra» en una tienda online, verás «Quizás quisiste decir: cafetera». Así se reducen las páginas sin resultados y mejora la experiencia de búsqueda.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoLa coincidencia aproximada (fuzzy matching) localiza entradas parecidas pero no idénticas, por ejemplo por erratas, abreviaturas o grafías distintas. Se basa en medidas de similitud como la distancia de Levenshtein, que cuenta cuántos caracteres hay que cambiar. Un uso típico es buscar duplicados en datos de direcciones y clientes: «García S.L., C/ Mayor 5» y «Garcia SL, Calle Mayor 5» se reconocen como probablemente el mismo registro.
La expansión de consultas (query expansion) añade automáticamente términos relacionados a una búsqueda para encontrar también documentos relevantes que usan otras palabras. Lo habitual es añadir sinónimos, abreviaturas, formas de una palabra o traducciones: si buscas «baja», también aparecerán textos sobre «rescisión del contrato». Resulta especialmente útil en búsquedas por palabras clave, aunque puede bajar la precisión si se añaden demasiados términos o poco adecuados. Hoy, a menudo son los modelos de lenguaje los que generan las consultas ampliadas.
La búsqueda con IA designa métodos de búsqueda que usan IA para captar la intención de una consulta, ponderar los resultados y, a menudo, generar una respuesta resumida con fuentes en lugar de una simple lista de enlaces. Técnicamente combinan búsqueda por palabras clave, búsqueda vectorial mediante embeddings o ambas, seguidas con frecuencia de un modelo de lenguaje. Ejemplos son los motores de respuesta en la web y los buscadores internos que te ayudan a encontrar información en manuales y normativas.
La recuperación de información engloba los métodos que, en grandes colecciones de texto, encuentran los documentos o fragmentos que responden a una consulta y los ordenan por relevancia. Enfoques clásicos como BM25 ponderan los términos según su frecuencia y su rareza; los más recientes añaden similitud semántica. Es la base de los buscadores, la búsqueda empresarial y la generación aumentada por recuperación (RAG), en la que un modelo de lenguaje usa los fragmentos encontrados como fuente de su respuesta.
