Resumen Técnico: IdeaForge

Enunciado del Problema

Los sistemas actuales de innovación asistida por IA dependen predominantemente de enfoques de metodología única (por ejemplo, TRIZ o Design Thinking) ejecutados mediante flujos de trabajo secuenciales basados en prompts. Estos sistemas adolecen de una limitación estructural fundamental: no preservan los estados intermedios del razonamiento. En consecuencia, los conocimientos generados a través de diferentes metodologías permanecen fragmentados, careciendo de trazabilidad, síntesis y evaluación sistemática de la novedad. Los borradores finales de patentes se generan a menudo directamente a partir de salidas crudas de Modelos de Lenguaje Grande (LLM) en lugar de partir de un análisis estructurado y fundamentado, lo que da lugar a resultados aislados que nunca se reconcilian formalmente.

Metodología: El Marco de Trabajo IdeaForge

IdeaForge aborda estas limitaciones tratando las metodologías de innovación como operadores de razonamiento heterogéneos que actúan sobre un grafo de conocimiento (KG) compartido y persistente. El marco integra tres metodologías distintas: TRIZ, Design Thinking y SCAMPER, mediante agentes especialistas que operan sobre una base de datos de grafos FalkorDB.

Arquitectura del Sistema

El pipeline consta de ocho pasos:

1. Ingesta del Problema: Una idea cruda se convierte en un nodo Problem en el grafo.
2. Ejecución del Agente Especialista:
   • Agente TRIZ: Identifica contradicciones técnicas (parámetros que mejoran/empeoran) y selecciona principios inventivos, generando nodos Contradiction, Principle y Claim.
   • Agente Design Thinking: Genera personas de usuario, trabajos por hacer (jobs-to-be-done) y preguntas "Cómo-Podríamos" (How-Might-We), creando nodos UserNeed y Claim.
   • Agente SCAMPER: Aplica transformaciones sistemáticas (Sustituir, Combinar, Adaptar, etc.) para generar nodos Transformation y Claim.
   • Agente de Arte Previo: Busca trabajo relacionado en arXiv, creando nodos PriorArt que desafían afirmaciones específicas.
3. Detección de Convergencia: Un Agente de Síntesis de Incrustaciones (Embedding Synthesis Agent) calcula la similitud coseno entre afirmaciones de diferentes metodologías utilizando incrustaciones de sentence-transformer. Las afirmaciones de metodologías distintas que superan un umbral de similitud (0.65 por defecto) se vinculan mediante una nueva arista CONVERGENT.
4. Clasificación: Una fórmula InnovationScore clasifica las afirmaciones basándose en el apoyo convergente, la diversidad metodológica, la fuerza de la afirmación y las penalizaciones por arte previo.
5. Redacción de Patentes: Un Agente de Patentes recupera las afirmaciones mejor clasificadas y sus subgrafos de soporte (contradicciones, principios, necesidades de usuario) para generar un borrador de patente estructurado, asegurando que cada afirmación sea trazable al KG.

Esquema del Grafo de Conocimiento

El grafo utiliza ocho tipos de nodos (Problem, Contradiction, Principle, UserNeed, Transformation, Analogy, PriorArt, Claim) y ocho tipos de aristas. La innovación central es la arista CONVERGENT, que conecta afirmaciones de diferentes metodologías cuando son semánticamente similares. Esto implementa la "triangulación estructural", donde la derivación independiente de una afirmación similar por múltiples marcos de razonamiento sirve como señal de no obviedad.

Mecanismo de Puntuación

El InnovationScore es una fórmula heurística ponderada:
$$Score = w_1 \cdot \text{norm}(\text{convergent\_count}) + w_2 \cdot \text{norm}(\text{diversity}) + w_3 \cdot \text{claim\_strength} - w_4 \cdot \text{norm}(\text{prior\_art\_challenges})$$

• Conteo Convergente (0.4): Mayor peso, priorizando afirmaciones respaldadas por múltiples metodologías.
• Diversidad Metodológica (0.3): Premia las afirmaciones fundamentadas en perspectivas heterogéneas.
• Fuerza de la Afirmación (0.2): Basada en el rigor estructural de la metodología generadora (TRIZ > DT > SCAMPER).
• Penalización por Arte Previo (0.1): Una penalización conservadora basada en la superposición de palabras clave con la literatura de arXiv.

Contribuciones Clave

1. Grafo de Innovación Persistente: Un esquema que abarca múltiples tipos de nodos y preserva los estados intermedios del razonamiento a través de pasadas metodológicas, a diferencia de las cadenas de prompts secuenciales.
2. Convergencia Trans-Metodológica: Un mecanismo que utiliza similitud basada en incrustaciones para detectar y vincular afirmaciones derivadas independientemente por TRIZ, Design Thinking y SCAMPER mediante aristas CONVERGENT.
3. InnovationScore: Una fórmula de clasificación principista que cuantifica la fuerza de los candidatos a patente basándose en el acuerdo multi-metodológico en lugar de la salida de un solo agente.
4. Redacción Fundamentada en KG: Un flujo de trabajo de generación de patentes que construye borradores a partir de subgrafos estructurados, reduciendo la dependencia de la generación de LLM sin restricciones.
5. Integración MCP: Un servidor MCP que expone herramientas de grafos a agentes externos e IDEs, permitiendo flujos de trabajo modulares de agentes.

Resultados Experimentales

El marco se evaluó en un asistente legal centrado en la voz para la India rural y cinco otros dominios (salud, EdTech, agricultura, accesibilidad).

• Salida del Grafo: El pipeline generó consistentemente grafos estructurados (por ejemplo, 16 nodos, 10 aristas) que contenían afirmaciones distintas de cada metodología.
• Convergencia: En cuatro de los cinco dominios, las tres metodologías convergieron en direcciones de innovación semánticamente similares (3 pares convergentes), con similitudes coseno que oscilaron entre 0.817 y 0.837. El dominio de salud mostró una convergencia menor (1 par), demostrando la capacidad del sistema para detectar una divergencia genuina en los marcos de razonamiento.
• Comparación: En comparación con líneas base de metodología única, IdeaForge produjo candidatos de innovación más ricos y trazables. Las ejecuciones de metodología única omitieron dimensiones críticas (por ejemplo, solo TRIZ omitió la accesibilidad del usuario; solo Design Thinking carecía de especificidad técnica), mientras que el pipeline completo sintetizó estas perspectivas.
• Robustez: El sistema funcionó eficazmente utilizando TinyLlama (1.1 mil millones de parámetros), demostrando que el valor del marco reside en el análisis multi-metodológico estructurado en grafos y no en la capacidad cruda del LLM.

Significado y Afirmaciones

El artículo postula que la convergencia a través de metodologías de razonamiento independientes es una señal principista de no obviedad. Si TRIZ (resolución de contradicciones), Design Thinking (necesidades del usuario) y SCAMPER (transformación sistemática) producen independientemente afirmaciones semánticamente similares, la probabilidad de que la innovación subyacente sea tanto técnicamente válida como relevante para el usuario es significativamente mayor.

IdeaForge afirma avanzar en el campo de la creatividad computacional y la invención asistida por IA explicable mediante:

• Superar los flujos de trabajo de prompts aislados y secuenciales hacia un sistema de innovación nativo de grafos.
• Proporcionar trazabilidad para cada afirmación de patente hasta rutas de razonamiento específicas (por ejemplo, Problema → Contradicción → Principio → Afirmación).
• Ofrecer un filtro discriminativo que pone de manifiesto el acuerdo metodológico genuino mientras identifica correctamente las ideas donde los marcos divergen.

Limitaciones y Modestia:
Los autores declaran explícitamente que IdeaForge es un prototipo de investigación. No afirma producir solicitudes de patentes legalmente válidas. El InnovationScore es una heurística, no una evaluación legal de la novedad. La búsqueda de arte previo se limita a arXiv, omitiendo patentes comerciales, y el sistema depende de la calidad del LLM, requiriendo modelos más pequeños lógica de respaldo. El marco está diseñado para aumentar el análisis de innovación humana, no para reemplazar la revisión legal profesional.