Construyendo un gráfico de conocimiento de construcción confiable

El mismo problema puede aparecer en varios documentos con diferente redacción, propietarios, fechas y niveles de detalle. Lo difícil es no encontrar otro documento. Es entender qué registros se refieren al mismo tema, qué cambió, quiénes estuvieron involucrados, qué fue afectado y qué documentos lo prueban. Ahí es donde un gráfico de conocimiento de construcción se vuelve útil, pero sólo si se construye con disciplina.

Un gráfico creado únicamente a partir de la extracción puede parecer inteligente y al mismo tiempo conectar silenciosamente los registros incorrectos. Un gráfico de conocimiento de construcción confiable necesita más que nombres, documentos y enlaces. Necesita evidencia, validación, deduplicación, procedencia y reglas que comprendan cómo funcionan realmente los registros de construcción.

La búsqueda de palabras clave puede ayudar a los equipos a encontrar documentos que contengan palabras coincidentes. Pero los problemas de construcción rara vez se recogen en un solo documento. Un problema de coordinación puede comenzar en un RFI, aparecer nuevamente en una minuta de reunión, convertirse en una instrucción en una directiva y luego surgir como una solicitud de cambio con exposición de costos o cronograma.

Individualmente, cada registro es útil. Conectados entre sí, explican la historia del proyecto. Ese es el valor de un gráfico de conocimiento de la construcción: no solo encontrar documentos, sino comprender cómo los documentos, las personas, las empresas, las ubicaciones, los sistemas, las decisiones, los problemas y los impactos se relacionan entre sí a lo largo del registro del proyecto.

En Storia, creamos gráficos de conocimiento para que la información del proyecto esté más conectada, explicable y útil. Pero el objetivo no es crear tantas conexiones como sea posible. El objetivo es preservar las conexiones respaldadas por evidencia y útiles para el equipo del proyecto.

Es tentador pedirle a la IA que lea los documentos y construya el gráfico por sí misma. Entregue al sistema un documento de construcción y pídale que identifique las personas, empresas, ubicaciones, sistemas, actividades, impactos y dependencias que encuentre. Devuelve nombres, problemas y posibles vínculos entre ellos. En un prototipo, esto puede parecer impresionante.

Pero los sistemas de producción no suelen fallar porque la IA se pierda todo. Fracasan porque algunos resultados son plausibles, inconsistentes, duplicados o difíciles de verificar. Los datos de construcción están llenos de ambigüedad. La misma ubicación puede aparecer como Nivel 08, L8, Piso 8 o Nivel 8. Se puede hacer referencia a una empresa por su nombre legal en un documento y por un nombre abreviado en otro. Si estos casos se manejan únicamente mediante un mensaje de IA, el gráfico se vuelve inestable.

Estos problemas no son cosméticos. Si un problema de coordinación mecánica se convierte en cinco registros separados, la búsqueda empeora, el análisis de impacto se debilita y los usuarios pierden confianza. Si un vínculo es plausible pero no está respaldado, el gráfico comienza a parecer inteligente y se vuelve menos confiable. Comprender el lenguaje de construcción y crear un contexto confiable son problemas relacionados. No son el mismo problema.

Storia trata los resultados de la IA como conocimiento propuesto, no como una verdad aceptada. La IA ayuda a interpretar registros de construcción desordenados. Puede identificar documentos candidatos, organizaciones, personas, ubicaciones, sistemas, elementos de alcance, dependencias, decisiones, riesgos y posibles impactos, y extraer evidencia de respaldo del material fuente.

Antes de que algo pase a formar parte del gráfico de conocimiento, el sistema circundante debe responder preguntas más estrictas:

Esta distinción importa. AI propone lo que puede estar diciendo un documento. El sistema decide qué es lo suficientemente confiable como para conservarlo. Un gráfico confiable no debería conectar todos los documentos que mencionan ductos, acero, coordinación o costos. Debe tratar esos registros como posibles partes del mismo problema y luego validar la conexión con evidencia, tipo de documento, fechas y contexto del proyecto.

Un buen gráfico de conocimiento no es el gráfico con más registros ni más enlaces. Es el gráfico donde los usuarios pueden confiar en lo que significan las conexiones. Eso requiere moderación. No todos los nombres, ubicaciones o temas mencionados en un documento deben formar parte del gráfico. Algunas salidas deberían convertirse en nodos. Algunos deberían seguir siendo candidatos. Algunos deben adjuntarse únicamente como evidencia de respaldo. Algunos deberían descartarse.

Sin estas comprobaciones, el gráfico puede conectar documentos que son simplemente similares. Con estas comprobaciones, se pueden sacar a la luz relaciones que son útiles, explicables y defendibles.

No todos los registros de construcción deberían crear el mismo tipo de conexión gráfica. Un RFI se comporta de manera diferente a una orden de cambio. Una minuta de reunión se comporta de manera diferente a una tarea programada. Una directiva puede establecer una instrucción, mientras que la correspondencia sólo puede aclararla o respaldarla.

Algunos documentos son registros primarios de una decisión. Otros son pruebas que lo respaldan. Algunos pueden crear una conexión directa. Otros sólo deberían aumentar la confianza en una conexión que ya está respaldada en otros lugares. Hacer explícitas estas distinciones hace que el gráfico sea más fácil de probar, más fácil de explicar y más fácil de ampliar a medida que se agregan más tipos de documentos, integraciones y flujos de trabajo. El contexto confiable surge de comprender no solo lo que dice un documento, sino también qué papel desempeña en el registro del proyecto.

El contexto confiable del proyecto brinda a los equipos más que una mejor búsqueda. Les ayuda a rastrear RFIs hasta el costo posterior o programar la exposición, conectar solicitudes de cambio vinculadas al mismo alcance subyacente y mostrar qué sistemas, ubicaciones, organizaciones o paquetes de trabajo se ven afectados repetidamente. Para los equipos de proyecto, eso significa:

El término medio útil es importante. Si los registros relacionados permanecen desconectados, los equipos siguen haciendo el trabajo manualmente. Si los enlaces débiles o duplicados inundan el gráfico, los usuarios dejan de confiar en el sistema. Un valioso gráfico de conocimiento de la construcción conecta evidencia suficiente para revelar la historia del proyecto y, al mismo tiempo, preserva la disciplina suficiente para mantener esa historia fundamentada.

Los equipos de construcción no necesitan respuestas que simplemente suenen correctas. Necesitan respuestas que puedan rastrearse hasta el registro del proyecto. Eso requiere nombres consistentes para las mismas personas, empresas, lugares, sistemas y problemas. Requiere validación, deduplicación, procedencia y evidencia basada en los registros fuente. También requiere reglas que respeten las diferencias entre RFIs, actas de reuniones, directivas, solicitudes de cambio, órdenes de cambio, horarios y correspondencia.

En Storia, la IA ayuda a interpretar el lenguaje de construcción. Los sistemas gobernados deciden qué se convierte en conocimiento gráfico confiable. Así es como un gráfico de conocimiento se convierte en algo más que una capa de búsqueda: se convierte en una infraestructura confiable para comprender qué sucedió en un proyecto, por qué sucedió, quién estuvo involucrado, qué se vio afectado y qué documentos lo prueban.