En la preparación de la migración de un gran medio nacional hemos construido un inventario que supera los 3,7 millones de entradas. La cifra describe escala de investigación y control, no una cantidad de URLs ya migradas. Esa distinción permite entender el proyecto: antes de ejecutar cambios hay que conocer el patrimonio publicado y justificar qué ocurre con cada familia de direcciones.
Qué significan las cifras
Un corte documentado del 12 de septiembre de 2026 registra 3.705.366 filas en el inventario y 1.581.896 observaciones físicas de HTML guardado. Son poblaciones distintas: el inventario reúne direcciones; el corpus conserva capturas. No todas las filas son artículos, y una captura no equivale a una decisión de migración. Los conjuntos canónicos y las vistas de documentos vigentes tienen sus propios filtros y recuentos.
El trabajo combina exportaciones del CMS, sitemaps, Search Console, rastreos y logs. Cada fuente explica algo diferente. Un sitemap declara contenido para buscadores; el CMS conoce objetos internos; los logs registran solicitudes reales. Conservamos procedencia y fecha para evitar que una ausencia temporal se convierta en una baja injustificada.
Un pipeline que se puede reanudar
Las mediciones se organizan en oleadas con estado, respuesta efectiva, destino final, canonical, robots y metadatos. El corpus añade HTML y comprobaciones de integridad. Las ejecuciones incrementales reutilizan evidencia compatible y vuelven a medir lo que cambia. Los balances muestran qué entró, qué se descartó y qué queda pendiente.
La identidad editorial requiere más que un slug: direcciones diferentes pueden representar el mismo documento. También existen respuestas 200 que son páginas de error y redirecciones cuyo código final oculta el salto inicial. Por eso registramos el comportamiento observado y su interpretación de forma separada.
De una candidatura a una decisión
Los análisis deterministas y semánticos ayudan a agrupar duplicados, detectar arquetipos y preparar paquetes de revisión. El resultado es una candidatura acompañada de evidencia. Un embedding o un clasificador no elimina contenido ni publica una redirección. Las decisiones se registran con responsable, motivo y conjunto afectado.
La entrega incluye un panel para explorar fuentes, estados, corpus, hallazgos e iteraciones, además de exportaciones reproducibles. Permite que tecnología y SEO revisen el mismo universo y que la redacción proteja el valor histórico o editorial. El cambio de plataforma sigue siendo una fase posterior, con pruebas y promoción propias.
