La búsqueda por palabras clave pasa por alto el lenguaje en clave, que es el día a día del trabajo sobre estupefacientes

Toda unidad de estupefacientes tiene una lista de palabras clave. La escribió alguien competente, funciona y está desfasada.

No porque alguien la haya descuidado, sino porque el vocabulario que describe es activamente adversarial. Quienes lo usan cambian de términos cuando sospechan que uno es conocido, emplean términos distintos en grupos y regiones distintos, y buena parte del significado lo lleva el contexto y no ninguna palabra en concreto.

Esta es la realidad diaria de la investigación sobre estupefacientes, tráfico y delincuencia organizada, y deja al descubierto algo estructural sobre cómo se ha construido la búsqueda forense.

Lo que la coincidencia exacta puede y no puede hacer

La búsqueda por palabras clave responde a una pregunta extraordinariamente bien: ¿aparece esta cadena exacta? Eso tiene un valor real. Es rápida, es exhaustiva dentro de su alcance, es determinista, y cuando busca un número de teléfono, un IBAN, un nombre concreto o un nombre de usuario conocido, nada la supera.

La limitación es que solo encuentra lo que ya se le había ocurrido. Cada fallo es silencioso. Una búsqueda que devuelve cero resultados tiene exactamente el mismo aspecto tanto si el término está ausente como si estaba presente en una forma que usted no había previsto.

En la práctica, los fallos llegan por cuatro vías. Sinónimos y jerga, que varían según la región y evolucionan. Sustitución deliberada, en la que una palabra corriente tiene un significado concreto dentro de un grupo. La ortografía, incluidas la transliteración, la falta de ortografía deliberada y la autocorrección. Y el significado que depende por completo del contexto, cuando nada de la frase aparecería jamás en ninguna lista.

Esa última categoría es la que ninguna lista de palabras clave puede cubrir jamás, y es frecuente. Un mensaje que dice «igual que la última vez, ven solo» puede ser decisivo y no contiene ningún término buscable.

Lo que aporta la búsqueda por significado, y lo que cuesta

La búsqueda semántica coincide por significado y no por caracteres. Una consulta para concertar un encuentro recupera mensajes sobre verse, pasarse por algún sitio, el lugar de siempre o estar disponible el sábado, aunque ninguna palabra de la consulta aparezca en ellos.

El precio que se paga es la precisión. La recuperación por significado devuelve con aplomo cosas que son temáticamente parecidas e irrelevantes para la investigación, y no tiene noción de exactitud, lo que la hace débil justo en las consultas en las que la búsqueda por palabras clave es mejor. Si le pide un número de teléfono concreto, puede obtener varios números plausibles.

Así que los dos enfoques fallan en direcciones opuestas. Uno pasa por alto cosas que están ahí. El otro devuelve cosas que no son pertinentes. Elegir entre ellos es un mal intercambio, y la razón por la que se ha presentado como una elección es, sobre todo, que los dos se construyeron como productos separados.

Ejecutar las dos es la respuesta obvia

Ejecutar juntas la recuperación exacta y la semántica, y fusionar los resultados, le da exhaustividad allí donde el término es conocido y alcance allí donde no lo es. También le da al analista algo más útil que una única lista ordenada por relevancia: una forma de ver de dónde procede cada resultado.

Dos añadidos importan más que la propia fusión.

Expansión de consultas. Ampliar automáticamente la búsqueda a vocabulario relacionado, de modo que una consulta por un término recupere también sus variantes, sus formas de jerga y las sustituciones que se usan en su lugar. Ahí es donde debe estar el conocimiento acumulado de un investigador. No en una lista estática que se queda obsoleta, sino en reglas de expansión que pueden mantenerse, tener versiones y compartirse entre unidades.

Alcance. La misma consulta significa cosas distintas en distintos niveles. En todo un caso es triaje. Dentro de un precinto es examen. Dentro de una sola conversación es lectura. Un analista necesita moverse entre esos niveles sin reconstruir la consulta.

Dos cosas que conviene tratar con cuidado

La búsqueda semántica introduce un modo de fallo que la búsqueda por palabras clave no tiene, y merece nombrarse.

Una búsqueda exhaustiva por palabras clave sobre un corpus definido puede describirse con precisión en un informe: este término, este alcance, estas coincidencias. Una búsqueda semántica no se puede caracterizar del mismo modo. No hay una afirmación limpia sobre lo que no devolvió, y un analista que dice que buscó pruebas de un encuentro ha hecho una afirmación mucho más vaga que quien dice que buscó una cadena concreta.

La respuesta práctica es que la búsqueda semántica es una herramienta para encontrar pistas, no para hacer afirmaciones de exhaustividad. Lo que aflora se lee, se verifica frente a la fuente y se informa en sus propios términos. El camino que llevó hasta ello no es la prueba.

La segunda es que un mensaje que significa algo en su contexto es una interpretación, y la interpretación es trabajo del analista y del tribunal, no del software. Un sistema que hace aflorar un hilo porque se parece a concertar un encuentro ha hecho algo útil. Un sistema que informa de que se concertó un encuentro se ha extralimitado, a menos que entregue los mensajes exactos y deje que decida una persona.

Por eso cada resultado y cada afirmación del asistente deberían llevar consigo el registro que los respalda, y por eso un clic debería llevar al analista a la fila original. El valor del alcance semántico está en que encuentra el hilo que nadie sabía que había que buscar. La verificación es lo que hace utilizable ese hallazgo después.