Reducir el campo elimina parte del ruido, pero también puede eliminar muchas de las diferencias que facilitaban la búsqueda. En una biblioteca variada, un texto sobre cardiología se distingue fácilmente de otro sobre submarinos o poesía. En un archivo especializado, en cambio, muchos documentos hablan de las mismas personas, utilizan las mismas siglas, describen procedimientos semejantes y vuelven una y otra vez sobre los mismos acontecimientos. Encontrar el tema correcto deja de ser suficiente: casi todos los documentos candidatos pueden pertenecer a ese tema.
Imaginemos dos pasajes: «El responsable conocía la operación» y «El responsable ordenó la operación». Pueden compartir persona, lugar, fecha y contexto. Desde el punto de vista temático, están muy cerca. Pero si la pregunta es quién ordenó la operación, el primer pasaje no autoriza a responder. Conocer una actuación no equivale a ordenarla. La diferencia que decide la respuesta cabe en un verbo.
Lo mismo ocurre con una negación, una fecha o una atribución. Que un documento recoja la acusación de alguien no equivale a que la confirme. Que describa una propuesta no significa que esta llegara a ejecutarse. Una herramienta puede haber encontrado un pasaje muy relacionado con la pregunta y, aun así, no haber encontrado la información necesaria para contestarla.
La dificultad aumenta cuando intentamos reducir los documentos a fragmentos pequeños para manejarlos mejor. Al recortar una página podemos conservar las palabras principales y perder la frase que explica a quién se atribuye una afirmación, en qué circunstancias se produjo o qué reserva la acompaña. La unidad parece más precisa porque es más breve, pero puede haber perdido parte del contexto necesario para interpretarla. Y cuando aparecen códigos internos, nombres locales o expresiones propias de una organización, tampoco basta con conocer cómo se utiliza el lenguaje fuera de ese archivo.
Las dos flechas, cada una en un sentido, expresan esa tensión: necesitamos capacidad para reconocer semejanzas y, al mismo tiempo, precisión para no borrar las diferencias decisivas. La primera permite comprender preguntas formuladas de muchas maneras. La segunda exige conservar el sujeto, la acción, la fecha, la atribución y el alcance que hacen que una fuente sostenga una afirmación y no otra.
No son dos tecnologías enemigas. Un modelo más capaz puede ayudar a distinguir mejor esas relaciones, interpretar mejor la consulta y localizar información más útil. Pero esa capacidad no sustituye por sí sola la identificación de las fuentes, la comprobación del pasaje ni la delimitación de lo que puede afirmarse. La cuestión no es excluir al modelo, sino decidir qué trabajo le corresponde y cómo comprobar su resultado.