Diseño e implementación de una base de datos vectorial para la búsqueda semántica en manuales técnicos

Abstract

El acceso oportuno a información técnica en entornos industriales exige superar las limitaciones de la búsqueda léxica tradicional. El presente trabajo se centra en el Diseño e Implementación de una Base de Datos Vectorial para la búsqueda semántica en manuales técnicos. La solución desarrolla un robusto pipeline de ingeniería de datos que incluye una estrategia híbrida de extracción (texto digital y OCR mejorado), chunking optimizado y la indexación de representaciones vectoriales densas en FAISS. Se implementó una arquitectura de recuperación híbrida (Vectorial + BM25). El desempeño técnico fue sobresaliente, alcanzando una latencia promedio inferior a 25ms y validando la eficiencia de la arquitectura de la base de datos. No obstante, la validación de precisión operativa reveló que la recuperación pura es insuficiente, logrando un HitRate@5 de 43.3%. Esta caracterización empírica demuestra que, si bien la base de datos vectorial es una solución de ingeniería de alto rendimiento para la indexación y consulta rápida, la precisión semántica para la toma de decisiones crítica. Se proyecta evaluar si una capa generativa mejora la utilidad de lo recuperado, que aporte razonamiento contextual y desambiguación.