El planteo del artículo es contraintuitivo: una página renderizada como imagen se puede representar con unas diez veces menos unidades que el texto equivalente y aun así recuperarse con precisión alta. Si se aprieta hasta veinte veces, la precisión cae a poco más de la mitad. Los autores lo proponen como una vía para contextos largos y, de paso, como un mecanismo de olvido: al contexto viejo se le baja la resolución hasta que se desdibuja, parecido a como funciona la memoria.
Qué me llevé
La idea de que el contexto es un presupuesto y no un derecho. Antes de aceptar que «toda la documentación entre al modelo», separo qué tiene que quedar legible palabra por palabra y qué basta con poder recuperar cuando haga falta. Son dos necesidades distintas y cuestan muy distinto; tratarlas igual es la forma más común de inflar un proyecto de IA sobre documentos.
El mecanismo de olvido me dejó una pregunta que ahora hago en cualquier diseño: qué información se degrada con el tiempo y quién decide cuándo. Un sistema que nunca olvida no es más fiel, es más caro y más confuso, porque responde con reglamentos derogados igual que con los vigentes.
Y un dato práctico que reordena prioridades: el mismo procedimiento sirve para fabricar material de entrenamiento a escala industrial a partir de documentos escaneados. Ese archivo muerto que toda empresa tiene deja de ser un obstáculo y pasa a ser materia prima.
Qué dejé fuera
El entusiasmo. Es una exploración inicial y los propios autores lo dicen con todas las letras; las cifras son de sus pruebas y con sus modelos. Sobre todo: transcribir bien una página no es lo mismo que razonar sobre lo que dice, y confundir las dos cosas es exactamente el error que después se paga en una demostración que se cae con la primera pregunta difícil.