Recoger arándanos en lugar de pedir la respuesta: Marcia Bates explicó en 1989 por qué la IA busca al revés

Artículo original en inglés: Berrypicking still beats the single answer for search, even in the world of AI, de Patrick Neeman en UX Collective.

Nadie sale al bosque a por un arándano. Se sale con un cesto, se camina, se encuentra una mata, se cogen unos cuantos, se avanza hasta la siguiente y, por el camino, uno descubre que en realidad lo que quería eran moras. En 1989, antes de que existiera la web, la investigadora de UCLA Marcia J. Bates usó exactamente esa imagen para describir cómo busca la gente información y bautizó el modelo como berrypicking. Patrick Neeman, que diseña buscadores para software jurídico, sostiene que sus ideas valen hoy más que nunca: los modelos de lenguaje han cambiado lo que un sistema puede responder, pero no cómo pregunta una persona. Y una persona empieza vaga, aprende leyendo y cambia de rumbo a mitad de camino.

El error de la biblioteca que la IA ha heredado con mejor gramática

El artículo de Bates era un ataque al modelo clásico de recuperación de información: una consulta, una comparación con la base de datos, un conjunto de resultados. Su objeción cabía en una línea: las consultas no son estáticas, evolucionan. La persona parte de una referencia o de un trozo estrecho de un tema, lee lo que vuelve y deja que cada hallazgo reforme la pregunta. Bates distinguía esto de otras formas de buscar que se le parecen desde fuera: el known-item, saber qué quieres y encontrarlo o no; el refinamiento iterativo, cambiar palabras para dar con un blanco fijo; y el hojeo, mirar y escoger dentro de un mismo lugar.

El chat con IA, dice Neeman, repite la suposición del catálogo de biblioteca, solo que más rápido: una pregunta, una respuesta. Y hay datos. Un estudio de 2025 sobre más de 200.000 conversaciones simuladas encontró que todos los modelos punteros empeoraban al recibir la tarea por partes, con una caída media del 39% en seis tareas. Adivinaban pronto y no se recuperaban. La conclusión de Neeman, traducida: “la ventana de chat premia al usuario que ya sabe exactamente lo que quiere, que es el que menos ayuda necesita”.

La respuesta única es el modelo que Bates pasó décadas combatiendo, con mejor ortografía.

Veintinueve movimientos que nadie convirtió en botones

Una década antes, en 1979, Bates había catalogado 29 tácticas de búsqueda: comprobar la consulta contra la petición original, afinar hacia los términos más precisos, ampliar con sinónimos, rastrear en lo ya encontrado nuevas palabras, registrar los caminos seguidos y los pendientes. Su premisa era que nombrar un movimiento lo hace más fácil de ejecutar. La web repitió el problema: aprendimos a buscar como Google quería, a dos o tres palabras y comillas. Ahora repetimos el aprendizaje a ciegas con los prompts.

Nielsen Norman Group documentó una de esas improvisaciones: usuarios que copian a mano un trozo de una respuesta anterior y lo pegan en el siguiente prompt porque la interfaz no les da otra forma de señalarlo. Es berrypicking con copiar y pegar como única herramienta. Mientras tanto, la búsqueda por facetas, que es la versión interfaz de aquellas tácticas, sigue siendo lo que la gente prefiere: en un estudio recogido por Marti Hearst, el 91% de 32 estudiantes de historia del arte eligió una interfaz con facetas frente a una plana, aunque fuera más lenta. La respuesta de chat esconde justo esos filtros.

Del nivel cero al agente: la escala que todos se saltan

En 1990 Bates planteó la pregunta que los equipos de agentes responden hoy con plazo de entrega: ¿dónde debe parar la persona y empezar el sistema? Su respuesta fue una escala de cinco peldaños. En el cero el sistema no ayuda; en el uno explica los movimientos posibles; en el dos los ejecuta bajo orden; en el tres observa la búsqueda y sugiere el siguiente paso; en el cuatro lo hace todo y, como mucho, explica sus decisiones.

Bates ya advertía entonces de que la investigación se había obsesionado con el nivel cuatro mientras muchos buscadores querían la velocidad de la automatización y el control de la estrategia. Ella había situado casi todo el terreno útil lejos del extremo. Saltarse los peldaños intermedios es saltarse el lugar donde se construye la confianza, y la gente ya se fía demasiado de la máquina incluso si se equivoca.

La cascada: una respuesta fluida sobre un índice malo sigue siendo mala

En 2002 Bates describió las capas que sostienen cualquier experiencia de búsqueda: infraestructura, contenido, metadatos, indexación, motor, interfaz y persona. Las decisiones de cada capa suben en cascada y ningún diseño de interfaz rescata una mala decisión de abajo. Cambia “biblioteca digital” por “asistente con recuperación aumentada” y la frase no se mueve. Arriba, la ventana de chat que el equipo no para de pulir; abajo, almacenes de documentos, reglas de troceado y permisos que alguien configuró hace años para otra cosa. Gartner estimaba en febrero de 2025 que hasta 2026 las organizaciones abandonarían el 60% de los proyectos de IA sin datos preparados.

Lo que esto significa para quien vive del SEO

Aquí la lectura se vuelve interesada, y a mucha honra. Pew midió en marzo de 2025 la navegación de 900 adultos estadounidenses: con resumen de IA en la página de resultados, se hacía clic en un enlace el 8% de las veces frente al 15% sin resumen, y la sesión terminaba en seco en el 26% de las páginas con resumen frente al 16% del resto. Neeman lo dice con una imagen de aeropuerto: las buenas terminales te dejan ver todo el vestíbulo y cambiar de rumbo sin preguntar; la búsqueda generativa nos está llevando al mostrador de información a esperar una sola respuesta.

Para una estrategia de contenidos, berrypicking significa tres cosas. Primera: tu página no tiene que ser la respuesta, tiene que ser una mata en el camino, una pieza concreta y verificable que el recolector quiera meter en el cesto, y eso favorece la profundidad específica sobre el resumen enciclopédico que los modelos ya hacen mejor que tú. Segunda: la cascada de Bates es la mejor defensa del trabajo técnico que nadie ve. Metadatos, fechas, autoría, estado del contenido, vocabulario coherente: lo que define en qué contexto un modelo te cita o te ignora se decide varias capas por debajo del titular. Tercera, y la más contraintuitiva: la parcela vacía también informa. Bates sabía que a veces lo más valioso es lo que no se encuentra, y un sistema que siempre contesta con seguridad esconde esa señal. Ser la fuente que dice “sobre esto no hay evidencia” es, en un ecosistema de respuestas infladas, una posición de autoridad.

Neeman deja al final una prueba para cualquier asistente en la hoja de ruta: ¿espera que la pregunta cambie o la castiga? ¿Puede la persona decidir cuánto decide el sistema? ¿Queda sitio para mirar alrededor? La tecnología entre la persona y la información no deja de cambiar. La persona, casi nunca. Los que diseñen y escriban para el recolector, para el que aún no sabe del todo qué busca, serán los que sigan en pie en el bosque.