Si un equipo captura datos de facturas, certificados o solicitudes, la pregunta no es “¿podemos poner IA?”. Es qué variación hay en los documentos, qué error resulta aceptable y quién verifica el registro.
Las reglas, la extracción asistida por IA y la revisión humana pueden combinarse. La decisión depende del patrón y del riesgo.
Comienza con el campo y su uso
Elige un documento y un grupo pequeño de campos. Registra dónde se usa cada dato y qué pasa si falta o queda mal capturado. Un número de referencia quizá se valida contra un catálogo; una observación libre puede necesitar lectura contextual.
Reúne ejemplos autorizados y representativos, incluyendo formatos distintos, baja calidad y casos incompletos. Revisa permisos, datos personales y políticas de conservación antes de usar documentos en una herramienta externa.
Usa reglas cuando el patrón sea estable
Reglas de formato, catálogos, campos obligatorios y validaciones cruzadas funcionan bien cuando las entradas son consistentes y los criterios se pueden expresar con claridad.
Si el documento tiene estructura estable, una plantilla o lectura por posición puede ser suficiente. Cuando cambian nombres, diseño o ubicación, la regla puede requerir mantenimiento. Haz visible cuándo no encuentra el campo en vez de guardar un valor dudoso.
Una lectura correcta incluye saber cuándo no se sabe.
Usa IA para variaciones, con límites explícitos
Un modelo puede proponer campos a partir de texto o documentos variados. La salida debe conservar una referencia al documento, el campo original y una forma de revisión. La confianza declarada por el modelo no sustituye una validación de negocio.
Define umbrales probados con ejemplos reales del proceso. Los campos críticos pueden requerir confirmación siempre; los casos incompletos, contradictorios o fuera del patrón deben ir a una persona. Restringe cualquier acción posterior hasta validar lo extraído.
Evalúa calidad y consecuencias
Prepara una muestra revisada por personas conocedoras y etiqueta los campos correctos, faltantes y ambiguos. Compara extracción por campo, registra errores y determina cuáles requieren revisión obligatoria.
Prueba con datos que reflejen la variación prevista. Incluye documentos ilegibles, páginas faltantes, duplicados y cambios de formato. Mide también el costo de revisión: una extracción precisa puede no ser útil si exige corregir cada registro manualmente.
Despliega de forma gradual
Empieza en modo de sugerencia o borrador. Mantén revisión antes de crear registros definitivos, enviar comunicaciones o tomar decisiones operativas. Define responsables, permisos, retención y mecanismo para desactivar el flujo.
Automatiza solo cuando la muestra, los controles y el costo de error sean compatibles con el propósito. Si las reglas bastan, no hace falta un modelo; si la decisión es crítica, mantén una aprobación humana explícita.