La cadena detrás de un documento
Procesar una factura, contrato o formulario inicial tiene cinco eslabones. La extracción es el primero y, por mucho, el más corto.
- Extracción: obtener los campos del documento.
- Validación: ¿el resultado es correcto internamente y frente a tus datos?
- Identificación de coincidencias: ¿a qué proveedor, pedido o expediente corresponde el documento?
- Excepciones: ¿qué pasa si falla uno de los tres anteriores?
- Archivo: ¿dónde queda el documento, por cuánto tiempo y quién puede acceder?
Configurar solo el primer eslabón traslada el trabajo: los errores llegan juntos a una persona, en lugar de estar distribuidos entre todos.
La validación corresponde a reglas, no al modelo
Un modelo puede leer un valor total. Si coincide con la suma de las líneas, si existe el porcentaje de IVA o si la fecha está en el futuro son comparaciones. Escríbelas como reglas. Es más económico, rápido y completamente verificable con pruebas, y detecta precisamente los errores de lectura que pasarían inadvertidos.
Haz también que el modelo entregue un nivel de incertidumbre por campo y úsalo: la incertidumbre baja pasa por las reglas; la alta va directamente a una persona, aunque casualmente las reglas se cumplan.
La identificación de coincidencias es donde todo se estanca
El nombre del proveedor en una factura rara vez coincide con el del sistema. "Jansen Techniek B.V.", "Jansen Techniek", "J. Techniek BV", y además cambió la cuenta bancaria. Identificar coincidencias es un problema de calidad de datos, no de IA, y casi siempre es el eslabón que determina la duración del proceso.
Resuelve dos cosas antes de construir: una forma de confirmar y recordar una coincidencia una sola vez, y una ruta explícita para una entidad desconocida. Sin lo primero, el mismo proveedor seguirá siendo una excepción cada mes.
Las excepciones son el verdadero diseño
Asume que una parte de los documentos no pasará toda la cadena automáticamente: proveedores nuevos, diseños distintos o escaneos de mala calidad. La pregunta no es cómo reducir eso a cero, sino cómo es la ruta de excepción:
- ¿La excepción llega a una persona o a una cola que nadie revisa?
- ¿Esa persona ve el documento y los campos propuestos uno al lado del otro o debe empezar de nuevo?
- ¿La corrección se usa para mejorar la próxima vez o desaparece?
Una cadena con buena ruta de excepciones y setenta por ciento de procesamiento automático vale más que otra con noventa por ciento cuyo resto se queda atascado en una carpeta.
Archivar es una decisión, no un resultado secundario
Define antes dónde quedará el documento, cuánto se conservará, quién podrá verlo y si también se guardarán los datos extraídos. Los documentos financieros tienen plazos de conservación; con los datos personales de formularios iniciales ocurre lo contrario: conservarlos demasiado tiempo es el riesgo.
Cuándo no empezar con esto
Con volúmenes bajos y mucha variación — veinte documentos mensuales de quince remitentes —, la configuración cuesta más que el trabajo. Y si los documentos salen de un proceso que tú diseñas, un formulario estructurado cuesta menos que cualquier extracción posterior. Suena obvio, pero muchas veces es la respuesta correcta.