Google ha publicado la versión 0.2 del Formato de Conocimiento Abierto (OKF). Esta nueva versión se centra principalmente en un problema específico que suele presentarse con mayor frecuencia cuando los agentes de IA y los grandes modelos de lenguaje (LLM) procesan datos estructurados. El problema radica en cómo un agente puede determinar si la información leída es realmente fiable. La nueva versión del Formato de Conocimiento Abierto aborda este problema mediante la introducción de cinco señales de confianza integradas en el propio formato.
El formato de conocimiento abierto (OKF) es esencialmente un modelo de representación de información utilizado por agentes y sistemas de gestión del conocimiento (LLM). El objetivo de la versión 0.2 no era modificar la finalidad principal del OKF, sino introducir señales de confianza que permitieran al sistema que procesa un paquete OKF analizar los recursos, determinar su fiabilidad y evaluar el grado de confianza, vigencia y validez de cada elemento de información.
¿Por qué eran necesarias las señales de confianza?
A medida que los agentes de IA comienzan a generar informes y métricas basados en datos, es necesario garantizar la fiabilidad de dichos informes. Un archivo que contiene una métrica depurada no resulta útil para un sistema consumidor si no incluye información sobre su origen, quién la generó o si está actualizada.
Google planteó cinco preguntas clave sobre la fiabilidad de la información publicada en un paquete OKF. Cada pregunta está diseñada para ayudar a cualquier usuario de un paquete OKF a responder a uno de los desafíos relacionados con la fiabilidad.
Las cinco preguntas son:
- ¿De qué material se creó esto?
- ¿Hasta qué punto debo confiar en ello?
- ¿Es verdad?
- ¿Es la última versión?
- ¿Este número se generó de la forma que esperaba?
Cada una de las preguntas anteriores constituye una señal de confianza en sí misma y se ha añadido a la nueva versión del formato de conocimiento abierto.
El sistema de seguimiento de procedencia indica de dónde provienen los datos.
La primera señal de confianza se relaciona con el origen de la información en un paquete determinado. Esto se registra en el campo de nuevas fuentes, que básicamente almacena información sobre los materiales (si los hay) a partir de los cuales se construyó el concepto en cuestión. Dichos materiales podrían ser un documento o archivo externo, otro concepto del mismo paquete o la descripción de nivel superior de la consulta utilizada para encontrar la información.
Lo interesante es que Google ha decidido no almacenar una puntuación de credibilidad para ninguna de las fuentes. En cambio, el paquete contiene información objetiva sobre la fuente, como quién la escribió y con qué frecuencia y cuándo se utilizó. La razón oficial de Google para esto es que la credibilidad es una evaluación subjetiva y dependiente del contexto, casi imposible de capturar en una métrica universal en la que todos los servicios consumidores puedan ponerse de acuerdo. Al almacenar información objetiva, cada servicio puede calcular su propia puntuación de credibilidad, utilizando el mismo algoritmo que usaría un verificador de datos humano, como priorizar las fuentes más utilizadas y actualizadas recientemente.
El concepto de atribución también se ve enormemente beneficiado por esta actualización en particular, ya que permite vincular las afirmaciones a fuentes específicas con una simple mención en una nota al pie en formato Markdown.
Los campos generados y verificados generan confianza.
La segunda señal de confianza es más amplia, ya que registra información sobre quién generó un concepto en particular (el campo generado) y quién lo ha verificado (el campo verificado).
La importancia de distinguir entre estos dos campos se hace evidente cuando un agente de IA genera información, por ejemplo, una métrica, con otro modelo. En tal caso, un conjunto de datos que contiene conceptos verificados por un humano debería ser más fiable que uno generado únicamente por un modelo de IA. Por lo tanto, añadir este nivel de especificidad al conjunto de datos permitirá a los sistemas posteriores que los consumen tomar decisiones relacionadas con la confianza de forma más precisa y matizada, en lugar de basarse en suposiciones generales sobre la fiabilidad relativa de un método frente a otro.
Frescura y ciclo de vida: información desactualizada
La tercera y la cuarta señal de confianza se refieren a la relevancia de la información en un paquete. La primera señal, status, explica si un concepto en particular es un borrador, estable o está obsoleto. La segunda, stale_after, especifica la fecha límite para la revisión del concepto.
Estos dos campos, en conjunto, permiten que un sistema consumidor trate cierta información o conceptos como "caducados" sin eliminarlos realmente, por ejemplo, si se actualiza una métrica. El uso de los campos status y stale_after permite que un sistema consumidor sepa que una información o concepto en particular ya no es apto para su uso en cálculos u otros conceptos. Esto puede ser útil en el caso de información financiera o cualquier otro cálculo que requiera los datos más recientes.
El cálculo certificado verifica cómo se calculó un número.
La quinta señal de confianza resulta interesante porque no se trata de otro campo del conjunto. En cambio, la certificación es un nuevo tipo de cálculo que registra cómo se obtiene un valor específico (Cálculo Certificado). En otras palabras, mientras que la procedencia informa sobre qué originó el hecho, el tiempo de certificación indica si se obtuvo mediante el método correcto. El concepto incluye el entorno de ejecución, los parámetros, el ejecutor y el certificador necesarios para realizar el cálculo. El cálculo certificado es fundamental cuando los agentes de IA comienzan a informar sobre ingresos u otras cifras que requieren cálculos matemáticos.
Dónde encontrar la documentación actualizada
Google ha actualizado la documentación del formato de conocimiento abierto (OKF) en su repositorio oficial de GitHub y, además, ha publicado una entrada en su blog de Cloud donde explica la justificación de cada una de las cinco nuevas señales de confianza. Google recomienda a los usuarios de paquetes y a los sistemas que utilizan paquetes OKF que revisen tanto la documentación como la entrada del blog antes de adoptar la versión 0.2 del estándar abierto.
Lo que esto significa en el futuro
Para los profesionales del SEO y el marketing que empiezan a interactuar con agentes de IA y otros modelos de lenguaje, esta actualización es fundamental. A medida que avanzamos hacia sistemas que consumen y generan informes de datos estructurados, estos sistemas necesitan garantizar su fiabilidad. Para que los resultados de su trabajo sean útiles, quienes crean información para estos sistemas deben saber qué pueden informar y cuán fiable es dicha información. En este sentido, la versión 0.2 del formato Open Knowledge probablemente no aborde el problema de la fiabilidad en profundidad, pero sigue siendo un paso crucial que proporciona a desarrolladores y científicos de datos un punto de referencia común sobre lo que deben lograr. Un pequeño paso, pero necesario en un sector que requiere mejores herramientas de rendición de cuentas.
Cualquier persona que interactúe con datos estructurados que se introducen en agentes de IA necesita comprender los conceptos mencionados en este artículo. Incluso si no se utiliza el formato de conocimiento abierto (Open Knowledge Format), la aplicación de las ideas sobre información con contexto respecto a su origen, nivel de fiabilidad, actualidad y método de cálculo será crucial en cualquier sistema de autogestión de la responsabilidad.
Preguntas frecuentes
P1: ¿Qué es el formato de conocimiento abierto?
El formato de conocimiento abierto (OKF, por sus siglas en inglés) es una representación estructurada del conocimiento que pueden utilizar agentes y modelos de lenguaje complejos (LLM, por sus siglas en inglés). La versión 0.2 del formato de conocimiento abierto se ha actualizado para incluir funciones de verificación de confianza.
P2: ¿Cuáles son las cinco señales de confianza añadidas en la versión 0.2 de OKF?
Las cinco señales de confianza añadidas en la versión 0.2 de OKF son procedencia, confianza, frescura, ciclo de vida y certificación.
P3: ¿Qué función cumple la señal de procedencia?
La señal de procedencia se implementa como un campo de fuentes que indica a partir de qué materiales (si los hay) se construyó un concepto en particular.
P4: ¿Por qué Google evitó añadir una puntuación de credibilidad a las fuentes?
Google afirmó que la credibilidad es una evaluación subjetiva y dependiente del contexto, que resulta prácticamente imposible de calificar y aplicar de forma consistente en los diferentes sistemas que consumen la información.
P5: ¿Qué registran los campos generados y verificados?
Los registros de campo generados indican quién o qué creó un concepto, mientras que los registros de campo verificados indican quién lo confirmó de forma independiente posteriormente.
P6: ¿Cómo funcionan conjuntamente los campos status y stale_after?
El campo status indica si un concepto determinado es un borrador, estable o está obsoleto. El campo stale_after indica la fecha límite para volver a evaluar el concepto.
P7: ¿Qué es el cálculo certificado?
El cálculo certificado es un nuevo tipo de concepto, no solo un campo, que registra el proceso mediante el cual se ha calculado un valor en particular.
P8: ¿Por qué es importante la certificación específicamente para los agentes de IA?
A medida que los agentes de IA comiencen a informar sobre ingresos u otras cifras que requieran la realización de operaciones matemáticas, la certificación adquirirá una importancia fundamental.
P9: ¿Dónde puedo encontrar la documentación actualizada de OKF?
Google ha actualizado la documentación del formato Open Knowledge Format en su repositorio oficial de GitHub. Además, ha publicado un anuncio aparte en su blog de Cloud donde explica el razonamiento detrás de cada una de las cinco nuevas señales de confianza.
P10: ¿A quién debería prestar atención esta actualización?
Cualquier persona que construya o mantenga sistemas de datos estructurados de los que dependan los agentes de IA o los modelos LLM debería prestar atención a esta actualización.
