Universidad Continental: inteligencia artificial para metadatos y catalogación sobre un sistema comercial ya implantado

Contexto de la institución

La Universidad Continental es una universidad privada peruana con operación multicampus y sede principal en Huancayo. Su hub de información opera sobre una plataforma comercial de gestión bibliotecaria, una decisión tomada e implantada con anterioridad y que no estaba en discusión.

El reto

El planteamiento de la universidad fue el que más veces escuchamos y el que más proveedores esquivan: tenemos el sistema que queremos tener; lo que necesitamos es que deje de costarnos tantas horas de digitación. La automatización de la descripción documental suele venderse atada a la plataforma: se automatiza si usted usa mi sistema. Eso convierte una mejora de proceso en un proyecto de migración, con su costo, su riesgo y su año de ejecución.

El reto técnico, entonces, no era catalogar con inteligencia artificial, sino hacerlo sobre una plataforma de un tercero, respetando sus reglas de integración y sin tocar el flujo que el equipo ya tenía interiorizado.

Qué implementamos

• MetaExtract API para la extracción automática de metadatos de documentos y el autollenado de los campos descriptivos.
• BiblioScan AI para la catalogación asistida de material físico a partir de fotografías, con autollenado de campos MARC21.

Ambas herramientas operan como capa sobre la plataforma existente: no la reemplazan, no la duplican y no exigen que la universidad mantenga dos sistemas en paralelo.

Cómo lo hicimos

1. Diagnóstico del entorno de destino. Se revisaron el esquema de metadatos en uso, el perfil de catalogación de la institución y las vías de integración que la plataforma comercial habilita.
2. Ajuste a los campos y tipos documentales. Se entrenó la extracción con material real de la universidad, para que la salida coincidiera con su perfil y no con un estándar genérico.
3. Integración sin alterar el flujo. Se conectaron las herramientas de modo que el resultado llegara al formulario de trabajo del equipo, y no a un archivo intermedio que alguien tuviera que volver a cargar.
4. Validación con lote de control. Se procesó un conjunto representativo y se comparó contra el trabajo del propio equipo, que es la única línea base válida.
5. Capacitación y despliegue por etapas. Primero MetaExtract API para la descripción documental y, con ese servicio estabilizado, BiblioScan AI para la catalogación del material físico.

Resultado

La universidad sumó capacidad de automatización sin renunciar a su inversión previa en plataforma y sin asumir el riesgo de una migración. Los dos servicios fueron contratados en momentos distintos y ambos han sido renovados, lo que indica que cada uno se evaluó por separado y se decidió mantenerlo. La relación se ha ampliado desde entonces hacia otros componentes de nuestro portafolio, en evaluación por parte de la institución.

Tecnologías

MetaExtract API, BiblioScan AI, integración sobre la plataforma comercial existente, MARC21, extracción de metadatos con modelos de lenguaje, reconocimiento de imágenes aplicado a catalogación.