Qué hace
Vertiente responde, sobre cientos de miles de comentarios, qué circula, desde cuándo y quién lo empuja:
- Narrativas: las descubre solas, sin lista previa. Asigna cada comentario a una narrativa o lo marca como ruido, indica si apoya o rechaza y fecha el origen de cada narrativa.
- Coordinación: detecta las cuentas que actúan coordinadas y las agrupa por operación, sin confundirlas con picos virales genuinos ni con frases copiadas.
Cómo funciona
- La conversación misma es la etiqueta. Una respuesta siempre discute la misma narrativa que el comentario al que contesta, y el 80% lo hace desde la postura opuesta. Con embeddings locales (multilingual-e5-small, solo sobre textos únicos) y un grafo unido por las respuestas, cada narrativa aparece con sus dos bandos.
- Una operación se delata por la repetición. Lo que buscamos son las mismas cuentas, en la misma publicación, empujando la misma narrativa y postura, a minutos de distancia, una y otra vez. Además exigimos que formen grupos cerrados (triángulos), cosa que el azar no produce. Todo se calcula en SQL.
- El LLM es opcional y actúa como profesor, no como motor: unas 13 llamadas por corrida, con caché. En la configuración por defecto: cero.
Resultados
- Set de práctica: 53,6 / 55 puntos automáticos con el script oficial (la línea base es ≈17). Narrativas 29,7/30 y coordinación 23,9/25.
- Temas que nunca vio (sets sintéticos): narrativas 29,7/30.
- Set final: 150.000 comentarios, 12 narrativas (3 emergentes) y 2 operaciones (91 cuentas), en 6 minutos en una notebook sin GPU, con USD 0 de IA.
Costo, escala y almacenamiento
- USD 0 por mil comentarios, sin GPU.
- DuckDB + Parquet: sin servidores, SQL columnar, una etapa por archivo y caché de embeddings por hash.
- A millones de comentarios por día: ingesta en streaming y ClickHouse con el mismo SQL; las alertas pasan a ser consultas continuas.
Robustez
- Un solo comando de punta a punta:
make entrega. - Semillas fijas y orden determinístico: dos corridas dan una entrega idéntica.
- Probado con datos sucios, menos volumen y otras semillas. Si faltan las respuestas, pasa a un modo degradado en vez de romperse.
- 84 tests y 37 hipótesis medidas y documentadas.
Visualización
Dashboard en un solo HTML: panorama del período en vivo, alertas de narrativas emergentes y de operaciones, perfil de cada operación (cuentas, antigüedad, horario) y búsqueda y filtros por narrativa.
Links
Equipo: Sebastián Paz · Francisco Fernández · Antonio Chocobar