La Biblioteca Estatal de Rusia digitalizará su archivo por 200.000 millones de rublos: lo que se sabe del proyecto

La Biblioteca Estatal de Rusia (RGB) recibirá un proyecto de digitalización de su archivo con un coste de 200 mil millones de rublos. La cifra la comunicó en octubre de 2026 el director general de la RGB, según TAdviser. El fragmento disponible del material no incluye plazos, estructura de financiación ni lista de ejecutores. Aun así, el importe por sí solo convierte el proyecto en un hecho relevante para el mercado ruso de TI y datos.

Qué se pretende digitalizar exactamente

La RGB es el depósito estatal del fondo bibliotecario nacional y está catalogada como objeto de especial valor del patrimonio nacional. Entre sus colecciones figura un fondo universal de tesis doctorales de todas las ramas del conocimiento, salvo medicina y farmacia. Aparte está el fondo de manuscritos, que forma parte del Fondo de Archivos de Rusia.

Son tres tipos de materiales distintos, y cada uno tiene sus propios requisitos técnicos:

• publicaciones impresas: escaneo, reconocimiento de texto, metadatos;
• tesis: grandes volúmenes de texto mecanografiado, tablas, fórmulas y esquemas;
• manuscritos: soportes frágiles, caligrafías no estándar, necesidad de captura cuidadosa y de revisión manual.

Tras la cifra de 200 mil millones de rublos puede esconderse cualquier combinación de estas líneas. Por ahora no está claro si se refiere a todo el archivo o solo a sus partes prioritarias.

Cómo interpretar la cifra

Para hacerse una idea de la escala se puede calcular un orden de magnitud. Si se digitalizaran varias decenas de millones de unidades de conservación, a cada una le corresponderían varios miles de rublos. Para un libro es mucho. Para un manuscrito raro, con restauración, captura multiespectral y transcripción experta, es una cifra perfectamente razonable. Es una ilustración, no una estimación del proyecto: la fuente no indica el volumen real.

Tan importante como el importe es el plazo para el que se ha calculado el presupuesto. 200 mil millones de rublos a tres años y a quince son dos proyectos distintos, con una carga diferente para el mercado de equipos y contratistas.

Dónde entra la tecnología

El escaneo en sí hace tiempo que es rutina. Las dificultades llegan después:

• almacenamiento de petabytes de imágenes, con redundancia y preservación a largo plazo de los formatos;
• reconocimiento de texto en ortografía prerreforma, en manuscritos y en copias de mala calidad;
• búsqueda por contenido, y no solo por ficha de catálogo;
• gestión de accesos: qué es abierto, qué está limitado por derechos de autor y qué está cerrado por otros motivos.

Aquí surge de forma natural la pregunta sobre el uso de reconocimiento mediante redes neuronales y de modelos de lenguaje para la transcripción y la indexación. Ni el titular ni el texto disponible mencionan estas tecnologías, así que es pronto para hablar de su papel en el proyecto. Pero un gran corpus de textos digitalizados en ruso tiene un evidente valor secundario. Sirve para la búsqueda, para el trabajo científico y, con las reglas adecuadas, para entrenar modelos. Las condiciones de ese acceso serán una de las cuestiones centrales del proyecto.

Qué conviene seguir de cerca

Para los contratistas de TI, los fabricantes de equipos de escaneo y los proveedores de sistemas de almacenamiento de datos son importantes cuatro cuestiones.

• Formato de las licitaciones. Un único lote grande o muchos pequeños determinan quién podrá participar.
• Requisitos de sustitución de importaciones. De ellos depende la elección de escáneres, servidores y sistemas de almacenamiento.
• Política de acceso. Si los materiales se abrirán al público, a través de la Biblioteca Electrónica Nacional o con regímenes restringidos.
• Estándares de calidad. La resolución, los formatos, los metadatos y la precisión del reconocimiento marcarán el precio y los plazos.

Por ahora se trata de una declaración de intenciones y de un orden de gasto, no de un plan acabado. Una valoración de fondo solo será posible cuando se conozcan los plazos, la fuente de los fondos y el pliego técnico. Hasta entonces, los 200 mil millones de rublos son una referencia con la que el mercado empezará a medir el resto de proyectos de digitalización del patrimonio cultural.