Enrutado por reglas antes que los LLM: elegir una plantilla web a partir del nombre del negocio

El motor de demos de esta biblioteca tiene diecisiete plantillas por sector. Dado un negocio, debe elegir la correcta: un salón de uñas no debería recibir el diseño de un taller. Suena a trabajo perfecto para un modelo de IA. En la práctica, el mejor primer paso resultó ser un pequeño conjunto de reglas de palabras clave ordenadas, reservando la IA para lo que las reglas no pueden hacer.

#¿Por qué no los códigos oficiales de actividad?

Los negocios registrados tienen códigos estándar de clasificación de actividad, así que lo obvio es una tabla que vaya del código a la plantilla. Falla rápido. Los códigos son amplios y oficios muy distintos los comparten: peluquería y estética van juntas, «otras actividades de servicios personales» abarca desde tatuadores hasta peluquerías caninas, y muchos negocios se registran con un código genérico y nunca lo actualizan.

El nombre del negocio suele ser una señal mucho mejor. «Fade District» y «Velvet Lash & Nail» dicen más sobre lo que hace el negocio que cualquier código.

#Reglas de palabras clave ordenadas

Cada plantilla declara una lista de patrones de palabras clave. El enrutado recorre las plantillas en un orden de prioridad fijo y elige la primera cuyos patrones coinciden con el nombre:

pets       → dog, pets, paws, kennel, grooming…
tattoo     → tattoo, ink, piercing…
clinic     → clinic, aesthetic, skin, dental, laser…
barber     → barber, cuts, fade, gents…
beauty     → beauty, nail, lash, brow, salon, spa…
…
restaurant → kitchen, cafe, pizza, grill, bakery…

El orden importa. «Dog grooming» contiene grooming, que podría parecer un término de barbería, así que las mascotas se comprueban primero. Los límites de palabra también importan: \bmot\b debe coincidir con «Leeds MOT Centre» pero no con «Motion Pilates». Cuando nada coincide, se usa el código de actividad como recurso y, si también falla, una plantilla de negocio neutra.

Puedes probar el enrutador en la página de automatización con IA: ejecuta las mismas reglas en tu navegador.

#¿Por qué reglas primero?

• Determinista: el mismo nombre da siempre la misma respuesta, lo que hace trivial depurar.
• Explicable: el sistema puede decir qué palabra clave coincidió.
• Gratis e instantáneo: sin llamadas a API, sin latencia, sin límites de uso.
• Seguro: no hay nada en lo que inyectar un prompt.

Para una decisión de enrutado con diecisiete resultados posibles, estas propiedades pesan más que los pocos puntos de precisión extra que podría aportar un modelo.

#Dónde ayuda de verdad la IA

Las reglas tienen problemas con nombres que no llevan ninguna palabra del oficio: «Northgate», «The Lantern», «Smith & Daughters». Ahí un modelo es útil: con el nombre y algo de contexto (un fragmento de la web, la descripción de una categoría) puede proponer una plantilla con una puntuación de confianza. La arquitectura mantiene ese paso opcional y posterior:

1. Ejecutar las reglas. Si una coincide, parar.
2. Si no, preguntar al modelo, limitado a los diecisiete resultados válidos.
3. Si la confianza es baja, usar la plantilla neutra y marcarlo para revisión.

Limitar el espacio de resultados, validar la respuesta contra un esquema y mantener una alternativa que una persona pueda revisar es lo que hace fiable un paso de IA dentro de un pipeline.

#Lecciones

• Busca la señal fuerte más barata antes de recurrir a un modelo.
• Haz explícitos el orden y los límites; ahí viven la mayoría de fallos de enrutado.
• Usa la IA para la cola larga, con resultados limitados y un valor por defecto seguro.
• Ten siempre respuesta a «¿por qué eligió eso?».