4. Comparación: Keyword vs Semantic Search

Descripción

Aquí comparas keyword search vs semantic search lado a lado: ventajas, limitaciones, casos de uso. Entenderás que no son excluyentes: muchos sistemas usan ambas (búsqueda híbrida).

---

Comparación completa

Aspecto	Keyword Search	Semantic Search
Qué busca	Palabras exactas	Significado (vectores similares)
Sinónimos	❌ No (sin diccionario)	✅ Sí (embeddings similares)
Conceptos relacionados	❌ No	✅ Sí
Palabras exactas	✅ Sí (garantizado)	⚠️ No garantiza
Velocidad	✅ Muy rápido (índices invertidos)	✅ Rápido (con HNSW/IVF)
Costo setup	Bajo (solo indexar texto)	Medio (generar embeddings)
Costo query	Mínimo	Medio (embedding de query)
Explicable	✅ Sí (muestra palabras match)	⚠️ Difícil (score es abstracto)
Escalabilidad	✅ Millones de docs	✅ Millones de docs

---

Casos de éxito y fallo

Caso 1: Query con sinónimos

Query: "auto"

Documentos:

• Doc A: "El automóvil necesita gasolina"
• Doc B: "El carro tiene 4 ruedas"

Keyword:

• Doc A: ❌ No match (no contiene "auto")
• Doc B: ❌ No match

Semantic:

• Doc A: ✅ Match (embedding de "automóvil" similar a "auto")
• Doc B: ✅ Match (embedding de "carro" similar a "auto")

Ganador: Semantic search ✅

---

Caso 2: Query con código exacto

Query: "error ABC-12345"

Documentos:

• Doc A: "Error ABC-12345 en el sistema"
• Doc B: "Error ABC-12346 similar"

Keyword:

• Doc A: ✅ Match exacto (contiene "ABC-12345")
• Doc B: ❌ No match (diferente código)

Semantic:

• Doc A: ✅ Match (embedding similar)
• Doc B: ⚠️ Puede tener score alto (embeddings de códigos similares son cercanos)

Ganador: Keyword search ✅ (precisión exacta crítica)

---

Caso 3: Query conceptual

Query: "cómo mejorar velocidad de mi app"

Documentos:

• Doc A: "Guía de optimización de performance"
• Doc B: "Tips para acelerar tu aplicación"

Keyword:

• Doc A: ⚠️ Match parcial ("velocidad" no aparece)
• Doc B: ⚠️ Match parcial ("mejorar" no aparece como tal)

Semantic:

• Doc A: ✅ Match (embeddings de "mejorar velocidad" ~ "optimizar performance")
• Doc B: ✅ Match (embeddings de "velocidad" ~ "acelerar")

Ganador: Semantic search ✅ (entiende sinónimos e intención)

---

Matriz de decisión

Tipo de query	Mejor método	Ejemplo
Exacta (códigos, nombres, números)	Keyword	"error E404", "artículo 42"
Conceptual (temas, preguntas)	Semantic	"¿Cómo optimizar?", "animales"
Exploratoria (descubrir relacionados)	Semantic	"temas sobre AI"
Legal/médica (precisión crítica)	Keyword + filtros	"diagnóstico ICD-10 J44"
Ambigua (múltiples significados)	Híbrida	"banco" (filtrar por contexto)

---

Resumen

Puntos clave:

• Keyword: Preciso para exactas, no entiende sinónimos
• Semantic: Entiende significado, no garantiza exactas
• No son excluyentes: Combinar en búsqueda híbrida
• Decisión: Depende del tipo de query

---

Próxima cápsula: 05-hybrid-search.md — Combinar keyword + semantic.