Guía práctica de taxonomía y etiquetado para el monitoreo procesal

Las variantes más comunes aparecen por abreviaturas, acentos, puntuación, inversión del orden de los nombres, errores de digitación y diferencias entre razón social y nombre comercial. También surgen después de fusiones, adquisiciones, cambios societarios, aperturas de filiales o modificaciones en el registro de identificación fiscal.

Para personas físicas, el riesgo aumenta cuando el despacho monitorea nombres de socios, administradores, representantes legales o garantes. Dos personas pueden compartir nombre y apellido, mientras que una misma persona puede aparecer con o sin segundo apellido, con caracteres especiales o con una abreviatura en el documento judicial.

En empresas con presencia nacional, el número de identificación fiscal ayuda, pero no resuelve todo. Una red de franquicias puede tener una marca común y decenas de entidades legales, cada una con su propio CNPJ, domicilio, contrato y exposición procesal. La taxonomía debe conservar la relación entre marca, grupo económico, franquiciado y entidad responsable.

La consulta oficial del CNPJ de la Receita Federal es una referencia útil para validar razón social, situación registral y datos básicos de una persona jurídica. Esos datos deben servir como fuente de control, no como sustituto de la validación procesal, porque una publicación puede utilizar información desactualizada o incompleta.

Un falso positivo ocurre cuando el sistema atribuye una publicación a la entidad equivocada. Un falso negativo ocurre cuando la publicación relevante no se captura porque el término registrado no contempla una variante real. Los dos errores tienen costos diferentes, por lo que las reglas de confianza deben distinguir entre una coincidencia para revisión y una coincidencia lista para distribución.

Antes de crear alias, normaliza los datos sin destruir la forma original. Puedes retirar puntuación para la comparación, convertir caracteres a una forma uniforme y tratar espacios repetidos, pero debes conservar el nombre tal como aparece en la fuente para auditoría y lectura jurídica.

También conviene registrar la procedencia de cada alias. Una variante confirmada en un contrato o en la portada de un proceso merece más peso que una abreviatura encontrada una sola vez en el cuerpo de una publicación.

Un sistema confiable no trata todas las coincidencias como equivalentes. El nombre exacto de una razón social puede ser una señal relevante, pero la combinación de nombre, CNPJ, tribunal, municipio y participación procesal ofrece una evidencia mucho más sólida.

Una matriz práctica puede utilizar tres niveles. La confianza alta permite distribuir la publicación automáticamente cuando existen dos o más señales fuertes, como un número de identificación confirmado y una entidad coincidente. La confianza media envía el resultado a una cola de revisión. La confianza baja conserva el registro para análisis, pero no genera una alerta urgente sin contexto adicional.

Como punto de partida, puedes aplicar umbrales de 0,90 para asociación automática, entre 0,65 y 0,89 para revisión humana y por debajo de 0,65 para no distribuir. Estos valores no son universales: deben calibrarse con datos históricos, volumen de homónimos y tolerancia al riesgo del equipo jurídico.

Un ejemplo de puntuación podría atribuir 0,50 a un número de identificación confirmado, 0,25 a la coincidencia de la denominación, 0,15 al contexto territorial y 0,10 a la compatibilidad del tribunal o rama judicial. Si el nombre es genérico, reduce su peso y exige una segunda señal antes de asociar el proceso.

Nunca uses el umbral como una verdad jurídica. Es un mecanismo de priorización. La confirmación final debe considerar la portada, las partes, la clase procesal, el historial y los movimientos, especialmente cuando una publicación puede activar un plazo.

La revisión humana debe producir aprendizaje. Cuando un analista confirma o rechaza una coincidencia, registra el motivo: homónimo, filial distinta, alias válido, nombre antiguo o término genérico. Con el tiempo, esos motivos se convierten en reglas más precisas y reducen el retrabajo.

Un formato estructurado ayuda a sincronizar la taxonomía con APIs, gestores jurídicos y herramientas de análisis. El siguiente ejemplo no pretende ser un estándar universal, sino una base clara para que el equipo defina campos obligatorios y reglas de integración.

{
 "entidadId": "cliente-00482",
 "nombreCanonico": "Agropecuaria Horizonte S.A.",
 "tipo": "empresa",
 "identificadores": {
 "cnpj": ["12.345.678/0001-90", "12.345.678/0002-71"]
 },
 "alias": [
 {
 "valor": "Horizonte Agro",
 "tipo": "nombre_comercial",
 "confianza": 0.82,
 "fuente": "contrato_cliente",
 "vigenteDesde": "2022-03-01"
 },
 {
 "valor": "Fazenda Boa Vista",
 "tipo": "propiedad",
 "confianza": 0.68,
 "municipio": "Ribeirão Preto",
 "fuente": "portada_proceso"
 }
 ],
 "etiquetas": ["cliente", "agronegocio", "alto_volumen"],
 "reglas": {
 "autoDistribuirDesde": 0.90,
 "revisarDesde": 0.65,
 "exigirContextoGeografico": true
 }
}

En una integración real, evita enviar únicamente el texto del alias. Incluye el identificador de la entidad, la versión de la taxonomía, la fecha de actualización y el sistema de origen. Así, el ERP o CRM puede actualizar una relación existente en lugar de crear un registro duplicado.

El endpoint de sincronización también debería ser idempotente. En términos simples, si el mismo evento se procesa dos veces, el resultado debe seguir siendo un único proceso, una única publicación y una única tarea. Para ello, utiliza una clave compuesta por identificador de fuente, número de proceso, fecha de publicación y tipo de evento, cuando esos datos estén disponibles.

En el ecosistema de Pocket Jurídico, la integración por API puede servir para llevar publicaciones y datos procesales al sistema interno sin copiar manualmente cada alerta. La validación entre instancias, la captura de portada, historial, movimientos y documentos aporta contexto para que la etiqueta se relacione con el proceso correcto, no solamente con una palabra encontrada.