Universidad Continental: inteligência artificial para metadados e catalogação sobre um sistema comercial já implantado

Contexto da instituição

A Universidad Continental é uma universidade privada peruana com operação multicampus e sede principal em Huancayo. O seu hub de informação opera sobre uma plataforma comercial de gestão de bibliotecas, uma decisão tomada e implantada anteriormente e que não estava em discussão.

O desafio

A proposta da universidade foi a que mais ouvimos e a que mais fornecedores evitam: temos o sistema que queremos ter; o que precisamos é que ele deixe de nos custar tantas horas de digitação. A automação da descrição documental costuma ser vendida atrelada à plataforma: automatiza-se se você usar o meu sistema. Isso transforma uma melhoria de processo em um projeto de migração, com o seu custo, o seu risco e o seu ano de execução.

O desafio técnico, então, não era catalogar com inteligência artificial, e sim fazê-lo sobre a plataforma de um terceiro, respeitando as suas regras de integração e sem mexer no fluxo que a equipe já tinha internalizado.

O que implementamos

• MetaExtract API para a extração automática de metadados de documentos e o preenchimento automático dos campos descritivos.
• BiblioScan AI para a catalogação assistida de material físico a partir de fotografias, com preenchimento automático de campos MARC21.

As duas ferramentas operam como uma camada sobre a plataforma existente: não a substituem, não a duplicam e não exigem que a universidade mantenha dois sistemas em paralelo.

Como fizemos

1. Diagnóstico do ambiente de destino. Foram revisados o esquema de metadados em uso, o perfil de catalogação da instituição e as vias de integração que a plataforma comercial habilita.
2. Ajuste aos campos e tipos documentais. A extração foi treinada com material real da universidade, para que a saída coincidisse com o seu perfil, e não com um padrão genérico.
3. Integração sem alterar o fluxo. As ferramentas foram conectadas de modo que o resultado chegasse ao formulário de trabalho da equipe, e não a um arquivo intermediário que alguém tivesse de carregar de novo.
4. Validação com lote de controle. Um conjunto representativo foi processado e comparado com o trabalho da própria equipe, que é a única linha de base válida.
5. Capacitação e implantação por etapas. Primeiro a MetaExtract API, para a descrição documental, e, com esse serviço estabilizado, o BiblioScan AI, para a catalogação do material físico.

Resultado

A universidade somou capacidade de automação sem renunciar ao seu investimento anterior em plataforma e sem assumir o risco de uma migração. Os dois serviços foram contratados em momentos diferentes e ambos foram renovados, o que indica que cada um foi avaliado separadamente e que a instituição decidiu mantê-lo. Desde então, a relação se ampliou para outros componentes do nosso portfólio, em avaliação pela instituição.

Tecnologias

MetaExtract API, BiblioScan AI, integração sobre a plataforma comercial existente, MARC21, extração de metadados com modelos de linguagem, reconhecimento de imagens aplicado à catalogação.