La ricerca per parole chiave manca il linguaggio in codice, che è la realtà quotidiana del lavoro sugli stupefacenti

Ogni unità che lavora sugli stupefacenti ha un elenco di parole chiave. L’ha scritto qualcuno di bravo, funziona, ed è superato.

Non perché qualcuno l’abbia trascurato. Perché il vocabolario che descrive è attivamente avversariale. Le persone che lo usano cambiano i termini quando sospettano che un termine sia noto, usano termini diversi in gruppi diversi e in regioni diverse, e una grande parte del significato è portata dal contesto piuttosto che da una parola qualsiasi.

È la realtà di lavoro quotidiana delle indagini su stupefacenti, traffici e criminalità organizzata, e mette in luce qualcosa di strutturale nel modo in cui è stata costruita la ricerca forense.

Che cosa la corrispondenza esatta può fare e che cosa non può

La ricerca per parole chiave risponde estremamente bene a una domanda: compare questa stringa esatta. È davvero prezioso. È rapida, è esaustiva dentro il suo ambito, è deterministica e, quando si cerca un numero di telefono, un IBAN, un nome specifico o uno pseudonimo noto, nulla la batte.

Il limite è che può trovare solo ciò a cui si era già pensato. Ogni mancato ritrovamento è silenzioso. Una ricerca che restituisce zero risultati ha lo stesso aspetto sia che il termine sia assente, sia che fosse presente in una forma che non si era anticipata.

In pratica, i mancati ritrovamenti arrivano da quattro direzioni. Sinonimi e gergo, che variano per regione e si evolvono. Sostituzione deliberata, in cui una parola ordinaria porta un significato specifico dentro un gruppo. L’ortografia, compresa la traslitterazione, l’errore deliberato e la correzione automatica. E il significato portato interamente dal contesto, in cui nulla nella frase comparirebbe mai su un elenco.

Quest’ultima categoria è quella che nessun elenco di parole chiave potrà mai coprire, ed è comune. Un messaggio che dice «come l’ultima volta, vieni da solo» è potenzialmente decisivo e non contiene alcun termine cercabile.

Che cosa aggiunge la ricerca per significato, e che cosa costa

La ricerca per significato corrisponde sul significato e non sui caratteri. Una query per organizzare un incontro recupera messaggi sul vedersi, sul passare, sul posto solito o sull’essere nei paraggi sabato, che una parola della query compaia in essi oppure no.

Il costo è la precisione. Il recupero basato sul significato restituirà con sicurezza cose che sono simili per argomento e irrilevanti per l’indagine, e non ha alcuna nozione di esattezza, il che lo rende debole proprio sulle query in cui la ricerca per parole chiave è più forte. Gli si chieda un numero di telefono specifico e si possono ottenere diversi numeri plausibili.

I due approcci, quindi, falliscono in direzioni opposte. Uno manca cose che ci sono. L’altro restituisce cose che non sono rilevanti. Scegliere tra i due è un cattivo scambio, e la ragione per cui è stato presentato come una scelta è soprattutto che i due sono stati costruiti come prodotti separati.

Eseguirli entrambi è la risposta ovvia

Eseguire insieme il recupero esatto e quello per significato, e unire i risultati, dà l’esaustività dove il termine è noto e la portata dove non lo è. Dà anche all’analista qualcosa di più utile di un solo elenco ordinato: un modo per vedere da dove è arrivato ciascun risultato.

Due aggiunte contano più della fusione stessa.

Espansione della ricerca. Allargare automaticamente la ricerca al vocabolario collegato, così che una query per un termine recuperi anche le sue varianti, le sue forme gergali e le sostituzioni usate al suo posto. È qui che appartiene la conoscenza accumulata di un investigatore. Non in un elenco statico che decade, ma in regole di espansione che si possono mantenere, versionare e condividere tra le unità.

Ambito. La stessa query significa cose diverse a livelli diversi. Su un intero caso è triage. Dentro un solo sigillo è esame. Dentro una sola conversazione è lettura. Un analista deve potersi muovere tra questi senza ricostruire la query.

Due cose su cui vale la pena essere prudenti

La ricerca per significato introduce un modo di fallire che la ricerca per parole chiave non ha, e merita di essere nominato.

Una ricerca esaustiva per parole chiave su un corpus definito si può descrivere con precisione in un rapporto: questo termine, questo ambito, questo numero di corrispondenze. Una ricerca per significato non si può caratterizzare allo stesso modo. Non c’è un’affermazione pulita di ciò che non ha restituito, e un analista che dice di aver cercato prove di un incontro ha fatto un’affermazione molto più vaga di uno che dice di aver cercato una stringa specifica.

La risposta pratica è che la ricerca per significato è uno strumento per trovare piste, non per fare affermazioni di esaustività. Ciò che fa emergere viene letto, verificato contro la fonte e riportato nei suoi propri termini. Il percorso che l’ha trovato non è la prova.

La seconda è che un messaggio che significa qualcosa nel contesto è un’interpretazione, e l’interpretazione è il lavoro dell’analista e del tribunale, non del software. Un sistema che fa emergere un filo perché somiglia all’organizzazione di un incontro ha fatto qualcosa di utile. Un sistema che riferisce che un incontro è stato organizzato ha oltrepassato il limite, a meno che non consegni i messaggi esatti e lasci decidere una persona.

È per questo che ogni risultato e ogni affermazione dell’assistente dovrebbe portare il record che c’è dietro, e che un clic dovrebbe mettere l’analista sulla riga originale. Il valore della portata per significato è che trova il filo che nessuno sapeva di dover cercare. La verifica è ciò che rende utilizzabile, dopo, ciò che si è trovato.