Cómo identificamos oradores

La jerarquía de señales

La identificación no sale de un único algoritmo: se arma acumulando señales de distinto peso y de distinta naturaleza.

• Información parlamentaria oficial: orden de oradores, agenda, lista de presentes, composición de comisión, mapeo de micrófonos de sala.
• Texto institucional: menciones explícitas dentro del propio debate, como “tiene la palabra la señora senadora”.
• Diarización del audio: separa voces, no identifica personas. Las etiquetas son anónimas e internas a la sesión.
• Correlación contextual: secuencia del debate, duración, intervención previa y posterior.
• Biometría de voz: opcional, desactivada por defecto, y aun habilitada no puede confirmar una identidad por sí sola.

Los cuatro estados

Cada atribución tiene un estado, y el estado —no el puntaje— decide si se publica un nombre.

El puntaje no publica: publica el estado. Una atribución con puntaje 0,99 y estado pendiente de validación no muestra el nombre, y una con ancla institucional ratificada lo muestra aunque su puntaje sea más bajo.

• Identidad confirmada: validada por una persona o por metadato institucional ratificado. Se publica el nombre.
• Identificación automática sin validar: supera el umbral institucional con ancla documental, pero no pasó por revisión humana. No se publica el nombre; se muestra “Orador pendiente de validación” hasta que un revisor lo confirme.
• Pendiente de validación: hay candidatos posibles pero la evidencia no alcanza. No se publica el nombre; se muestra “Orador pendiente de validación”.
• No identificado: sin evidencia suficiente o con evidencia contradictoria. Se muestra el número de voz.

Por qué no mostramos el nombre sugerido

Mostrar un nombre con la leyenda “posiblemente” equivale, en la práctica de la cita periodística, a atribuir. Una atribución falsa a un legislador no es un error de precisión: es un daño institucional que el sistema causó y que se propaga citado como evidencia.

Por eso la regla es asimétrica a propósito: es preferible mostrar “orador pendiente de validación” a atribuir mal. La cobertura nominal se sacrifica antes que la exactitud.

El umbral de publicación automática

Una atribución se publica sola únicamente si cumple las cuatro condiciones a la vez: probabilidad ≥ 0,97, margen sobre el segundo candidato ≥ 0,30, ancla institucional presente y ninguna guarda activa.

Es un valor provisorio de ingeniería, no medido: reemplaza al 0,90 que se había propuesto al principio. Un umbral se endurece por criterio; para aflojarlo hace falta evidencia medida.

El umbral es configurable por organismo: cuando el Congreso fije el suyo, cambia un valor de configuración y no el comportamiento del sistema. Mientras tanto rige el valor que figura arriba, y es el que efectivamente aplica esta interfaz.

Cumplir el umbral no publica por sí solo: habilita el pase a identificación automática. Si alguna guarda está activa —audio malo, voces superpuestas, candidato ausente de la lista de presentes—, la atribución vuelve a pendiente de validación aunque el puntaje sobre.

Cuando todavía no hay versión taquigráfica

Una sesión puede publicarse antes de que llegue su versión taquigráfica. En ese estado se ve el video y una transcripción automática auxiliar, y no se atribuye ningún nombre más allá de las anclas institucionales —presidencia y secretaría—, que salen del registro de la sesión y no de un reconocimiento automático.

Cuando la versión taquigráfica llega, el texto oficial reemplaza al auxiliar, se realinea con el video, se reindexa y recién ahí la identificación de oradores se resuelve con el material completo.