IA local y documentos que cambian: versiones, duplicados, fuentes

Sí, sin que tú hagas nada. La herramienta de sincronización de Open WebUI calcula para cada archivo una huella del contenido y la compara con la del archivo ya cargado. De ahí salen tres casos:

• Archivo nuevo: se carga y se indexa.
• Archivo modificado: la huella ha cambiado, así que la nueva versión sustituye a la antigua en el archivo.
• Archivo eliminado de la carpeta: se quita también del archivo, y la IA deja de usarlo.

Los archivos que no han cambiado no se tocan: por eso la actualización es rápida incluso con miles de documentos.

¿Con qué rapidez? Depende de dónde esté el archivo. Para las carpetas del ordenador existe un modo que reacciona a los eventos del disco: el archivo entra pocos instantes después de guardarlo. Para las fuentes en la nube, como Google Drive, la sincronización se ejecuta a intervalos programados, por ejemplo cada hora. En ambos casos hace falta después algo de tiempo para que el documento se lea y se indexe: un PDF largo no está disponible en el instante en que lo guardas.

Un archivo idéntico al que ya está cargado se reconoce y no se vuelve a cargar. La limpieza de las copias dispersas, en cambio, sigue siendo trabajo tuyo: el mismo PDF guardado en tres carpetas conectadas, o la copia "definitivo_ok_2.docx", son para el sistema documentos distintos.

El efecto no es grave, pero se nota: cuando la IA busca los pasajes más pertinentes, las copias ocupan el lugar de otra información útil, y la respuesta se empobrece. Antes de conectar una carpeta conviene dedicar una hora a ordenarla: es el trabajo que más mejora la calidad de las respuestas, más que la elección del modelo.

Los de uso habitual en la oficina. Con los motores de lectura de documentos que acompañan a Open WebUI, por ejemplo Docling, el archivo acepta:

• PDF, también escaneados;
• Word, Excel y PowerPoint, y los formatos abiertos equivalentes;
• texto, CSV y páginas web;
• correos guardados como archivo;
• imágenes que contienen texto, leídas con el reconocimiento de caracteres.

Los documentos nuevos entran solos: todo lo que guardas en las carpetas conectadas se carga en la siguiente sincronización, sin pasar por una subida manual.

Antes de la instalación examinamos juntos las carpetas, en las instalaciones del cliente y en toda Italia: cuáles conectar, cuáles excluir, dónde poner el archivo de las versiones superadas. Después configuramos la sincronización y la probamos delante de ti, sustituyendo un documento y comprobando que la respuesta cambia. En la formación insistimos en un solo hábito: mirar la fuente.

A partir de ese momento el archivo se actualiza solo y la empresa lo gestiona de forma autónoma. El proyecto completo está descrito en la página IA local para empresas; si quieres una opinión sobre cómo están organizados tus documentos, escríbenos.

• Open WebUI – Knowledge: sincronización de una carpeta y comparación de los archivos
• Open WebUI – Knowledge Base Sync (oikb): sincronización incremental y modo watch
• Open WebUI – oikb daemon: sincronizaciones a intervalos y programadas
• Open WebUI – RAG: búsqueda en los documentos y citas
• Open WebUI – Extracción del texto de los documentos (PDF, escaneos, imágenes)
• Docling – Formatos de archivo compatibles