Cómo controlar archivos duplicados sin borrar variantes útiles
Escenario ilustrativo
Escenario para distinguir duplicados exactos, versiones, adaptaciones y archivos parecidos antes de consolidar un repositorio.
Este escenario no demuestra una reducción del 90 %. Explica cómo revisar archivos similares sin asumir que todo parecido es un duplicado.
El repositorio contiene “logo_acme.png”, “logo_acme_copia.png”, “logo_acme_blanco.png”, “logo_acme_2022.png” y “logo_acme_FINAL.ai”.
Los dos primeros quizá sean copias exactas. El blanco es una variante. El de 2022 puede ser obsoleto. El AI puede ser el editable principal. Borrar cuatro por similitud visual destruiría contexto útil.
Clasifica la relación
Duplicado exacto
Contenido binario idéntico, aunque cambie el nombre. Puede detectarse mediante hash.
Misma imagen con otra compresión
El contenido visual coincide, pero resolución, calidad o metadatos cambian. Decide cuál conservar según el uso.
Versión
Representa otra etapa: borrador, revisión, aprobado o publicado. Necesita historial, no deduplicación ciega.
Adaptación
Cambia formato, idioma, canal, tamaño o territorio. Debe relacionarse con el máster.
Similar pero independiente
Dos fotografías del mismo momento o dos diseños parecidos. No son duplicados aunque un detector muestre gran similitud.
No borres automáticamente
La detección puede crear una cola de revisión:
- Agrupa candidatos.
- Muestra tamaño, formato, fecha, propietario y usos.
- Identifica campañas y publicaciones relacionadas.
- Propone un activo principal.
- Una persona decide consolidar, relacionar, marcar obsoleto o conservar.
- Registra la decisión.
Los archivos regulados, publicados o con derechos distintos necesitan más cautela.
Elige una fuente principal
Para cada familia, marca el máster editable, la versión aprobada, adaptaciones vinculadas, originales y versiones obsoletas.
Redirige referencias internas hacia el principal antes de retirar una copia. No dejes presentaciones o campañas apuntando a un archivo eliminado.
Ejemplo con una fotografía
Aparecen cuatro JPG visualmente iguales: máster de 6000 × 4000, web de 2000 × 1333, Instagram de 1080 × 1350 y anuncio de 1080 × 1350 con texto.
No son cuatro copias inútiles. Son un original y tres derivados. Añade la relación y evita que el equipo utilice el anuncio como fotografía limpia.
Establece una línea base
Mide copias exactas confirmadas, familias sin activo principal, versiones con estado desconocido, adaptaciones sin relación, espacio recuperado e incidentes por utilizar un archivo obsoleto.
La mejora es la diferencia entre revisiones, no una cifra universal.
La similitud en una biblioteca de activos ayuda a descubrir candidatos. La gobernanza decide qué significa cada relación y qué puede eliminarse.