La catalogación automática por IA en Koha consiste en generar una propuesta de registro MARC21 a partir de una fotografía del libro, un ISBN o un PDF, para que el catalogador la revise, la corrija y la apruebe antes de guardarla en el catálogo. No sustituye al profesional: reemplaza la transcripción manual de los datos que ya están impresos en la portada y en la página legal, que es donde se va la mayor parte del tiempo de una catalogación original. El registro entra a Koha solo cuando una persona lo aprueba.
Esta guía explica el flujo completo, qué campos MARC21 se autocompletan y con qué fiabilidad, qué exige revisión humana siempre y cómo convive esta práctica con la catalogación por copia vía Z39.50.
Cómo funciona el flujo, paso a paso
- Captura. El catalogador fotografía la portada y la página legal del libro, escanea el código de barras del ISBN o carga un PDF si se trata de material digital.
- Extracción de metadatos. El sistema lee la imagen o el documento y extrae los elementos descriptivos: título, subtítulo, autoría, edición, pie de imprenta, ISBN, paginación, serie y, cuando está disponible, el resumen.
- Enriquecimiento. Si hay ISBN, se contrasta contra fuentes bibliográficas para completar o confirmar datos que no aparecen en la imagen.
- Propuesta MARC21. Los datos se organizan en campos y subcampos MARC21 conforme al esquema de la biblioteca, y se presentan como un borrador de registro, no como un registro guardado.
- Revisión del catalogador. La persona compara la propuesta contra el material físico, corrige lo que haga falta y decide la clasificación y los encabezamientos de materia.
- Aprobación y guardado en Koha. El registro se escribe en el catálogo con el marco MARC configurado en la instancia y queda disponible en el OPAC.
- Alta de ejemplares. Se completan los datos del campo 952 —sede, colección, signatura, código de barras— y el ejemplar queda listo para circular.
El paso 5 no es opcional ni decorativo. Es lo que separa una herramienta de apoyo profesional de una máquina que llena el catálogo de errores propagados.
Qué campos MARC21 se autocompletan
No todos los campos se comportan igual. Los que transcriben información impresa en el libro se resuelven con alta fiabilidad; los que exigen un juicio bibliotecario —clasificar, asignar encabezamientos controlados, decidir puntos de acceso— siempre necesitan a la persona.
| Campo MARC21 | Contenido | Comportamiento típico |
|---|---|---|
| 020 | ISBN | Muy fiable cuando se escanea el código; conviene validar el dígito de control |
| 041 | Idioma del texto | Fiable; requiere atención en obras bilingües o traducciones |
| 100 / 700 | Autoría principal y secundaria | La transcripción es fiable; la forma autorizada del nombre exige control de autoridades |
| 245 | Título, subtítulo y mención de responsabilidad | Alta fiabilidad; hay que verificar la separación correcta entre $a, $b y $c |
| 250 | Mención de edición | Fiable si aparece impresa; se omite cuando no está declarada |
| 264 / 260 | Lugar, editorial y fecha de publicación | Fiable; la confusión habitual es tomar la fecha de impresión o de copyright |
| 300 | Descripción física: páginas, ilustraciones, dimensiones | Parcial: la paginación real y las medidas se verifican con el ejemplar en la mano |
| 490 / 830 | Serie | Se detecta cuando está en portada; la forma autorizada requiere autoridad de serie |
| 504 / 500 | Notas de bibliografía y notas generales | Se generan cuando hay evidencia en el material; se revisan siempre |
| 520 | Resumen o nota de contenido | Útil para el OPAC; es el campo donde más conviene la lectura crítica del catalogador |
| 650 | Encabezamientos de materia | Se proponen candidatos; la decisión final es del catalogador con el vocabulario de la institución |
| 082 / 080 / 090 | Clasificación y signatura topográfica | Sugerencia orientativa; decide la biblioteca según su política de colecciones |
| 942$c | Tipo de ítem en Koha | Se asigna por reglas configuradas, no por interpretación del texto |
| 952 | Datos del ejemplar | Se completan con la parametrización de la biblioteca: sede, colección, código de barras |
Qué exige revisión humana siempre
Hay tres decisiones que ninguna herramienta automática debería tomar sola en una biblioteca universitaria:
- Control de autoridades. Que el autor se llame «García Márquez, Gabriel» y no «Gabriel Garcia Marquez» no es un detalle estético: es lo que hace que la búsqueda por autor recupere toda su obra. La forma autorizada se toma del fichero de autoridades de la institución, no del texto de la portada.
- Encabezamientos de materia. Un sistema puede proponer términos razonables, pero la asignación debe hacerse contra el vocabulario controlado que use la biblioteca. Materias inventadas o demasiado genéricas degradan la recuperación en el OPAC.
- Clasificación. La signatura topográfica responde a la política de colecciones y a la disposición física de la estantería. Es una decisión institucional.
A esto se suma la coherencia con la norma de descripción que use la biblioteca. Si el catálogo se mantiene bajo RDA, la propuesta automática se revisa contra ese marco: la máquina ordena los datos en campos MARC21, pero la conformidad con la norma es responsabilidad profesional.
Expectativas realistas de exactitud y tipos de error
Ninguna herramienta de extracción automática acierta el cien por ciento, y quien lo prometa está vendiendo algo distinto de lo que entrega. La forma honesta de plantearlo es por tipo de dato: lo que está impreso de forma legible en la portada y en la página legal se extrae con mucha fiabilidad; lo que exige interpretación no.
Estos son los errores que realmente aparecen y cómo se manejan:
- Captura deficiente. Fotos borrosas, con reflejo o mal encuadradas producen lecturas incompletas. Se resuelve con una guía de captura de treinta segundos para el equipo.
- Confusión de fechas. Tomar el año de impresión o el de copyright en lugar del de publicación es el error más frecuente en el 264.
- Ediciones cruzadas. Cuando se enriquece por ISBN, existe el riesgo de traer datos de otra edición u otro formato del mismo título. Por eso el contraste contra el ejemplar físico no es opcional.
- Autores homónimos. Dos personas con el mismo nombre solo se distinguen con control de autoridades; el sistema propone, la biblioteca decide.
- Materias demasiado amplias. Términos genéricos que no discriminan nada en un catálogo especializado.
- Datos no presentes en la fuente. Es el riesgo más serio de cualquier sistema generativo: completar un dato plausible que no aparece en el material. La mitigación de diseño es que cada campo propuesto esté anclado a la evidencia de la que salió y que el catalogador vea esa evidencia al revisar.
Por eso el modelo de trabajo correcto es propuesta más aprobación, nunca escritura directa en el catálogo. Un error revisado cuesta segundos; un error propagado a miles de registros cuesta un proyecto de depuración.
Rendimiento frente a la catalogación manual
La ganancia no está en la calidad final del registro —esa la sigue poniendo el catalogador— sino en el tiempo que se ahorra al no teclear lo que ya está impreso. Los órdenes de magnitud que manejamos en nuestros proyectos son estos:
| Modalidad | Tiempo por registro | Dónde se va el tiempo |
|---|---|---|
| Catalogación original manual | 10 a 25 minutos | Transcripción completa, verificación de autoridades, clasificación |
| Catalogación por copia (Z39.50) | 2 a 6 minutos | Buscar una coincidencia adecuada y adaptar el registro a la biblioteca |
| Propuesta por IA más revisión | 2 a 6 minutos | Revisar, corregir, clasificar y asignar materias |
La lectura correcta de esta tabla no es «la IA es tan rápida como el Z39.50». Es que la IA lleva la catalogación original al terreno de tiempos de la catalogación por copia, y ahí es donde está la diferencia: en los materiales que no tienen registro disponible en ninguna fuente externa —tesis, publicaciones institucionales, material local, ediciones regionales, donaciones antiguas—, que en muchas bibliotecas universitarias latinoamericanas son precisamente el cuello de botella.
Cómo convive con la catalogación por copia Z39.50
Koha incluye búsqueda Z39.50 y SRU para traer registros de catálogos externos, y esa sigue siendo la primera opción cuando existe una coincidencia buena. El orden de trabajo razonable es:
- Buscar por Z39.50. Si aparece un registro completo y confiable, se importa y se adapta. Es lo más rápido y aprovecha el trabajo de otras bibliotecas.
- Si no hay coincidencia o la que hay es pobre, se genera la propuesta por IA a partir del material físico.
- Enriquecer registros importados. Muchos registros externos llegan sin resumen, sin notas de contenido o con materias que no sirven para la colección local. Ahí la extracción automática completa campos como el 520 sin volver a teclear todo.
- Revisión y aprobación en ambos caminos, con el mismo criterio de calidad.
Las dos técnicas no compiten: el Z39.50 resuelve lo que el mundo ya catalogó y la IA resuelve lo que nadie ha catalogado. Una biblioteca que usa solo la primera mantiene un rezago permanente en su material propio.
Qué se necesita para ponerlo en marcha
- Una instancia de Koha operativa, con su marco MARC21 y sus valores autorizados configurados.
- Una política de catalogación escrita: qué norma de descripción se sigue, qué esquema de clasificación y qué vocabulario de materias.
- Perfiles y permisos definidos: quién propone y quién aprueba.
- Un procedimiento de captura simple y repetible para el personal y los auxiliares.
- Una muestra de control: revisar un porcentaje de los registros aprobados durante las primeras semanas para ajustar el flujo.
Puedes ver el detalle de la herramienta en BiblioScan AI y el marco conceptual en catalogación con inteligencia artificial. Si estás evaluando la plataforma completa, empieza por la guía de Koha y su implementación; y si el catálogo llega desde otro sistema, la migración es el mejor momento para enriquecerlo, como explicamos en cómo migrar a Koha desde otro sistema.