IA para documentos: extraer datos de facturas y boletas con validacion

Problema y síntomas

Cuando un equipo procesa documentos a mano, aparecen los mismos dolores:

• Copiar/pegar campos desde PDF (lento y propenso a errores).
• Diferentes formatos y templates que rompen reglas "duras".
• Dificil auditar: por que un monto quedo mal, de donde se saco.
• Reprocesos al cierre de mes porque la validacion llega tarde.

Checklist de datos necesarios

• Tipos de documentos: boletas, facturas afectas/exentas, notas de credito, contratos, etc.
• Set de campos objetivo (por tipo): folio, emisor, receptor, fecha, neto, IVA, total, etc.
• Reglas de validacion: consistencia de totales, formatos de RUT, rangos de fecha.
• Muestra inicial (20-100 docs) para evaluar errores frecuentes.
• Definicion de umbrales: cuando auto-aceptar y cuando pedir revision.

Arquitectura de referencia

• Ingreso: subir PDF/imagen/XML con controles (tamano, tipo, hash).
• Extraccion: modelo/prompt que devuelve JSON estructurado.
• Scoring: confianza por campo + deteccion de inconsistencias.
• Validacion: reglas deterministic as (totales, fechas, formatos).
• Revision humana (solo excepciones): UI simple para corregir campos y re-entrenar reglas.
• Salida: API/webhook/CSV hacia ERP o data warehouse.
• Trazabilidad: guardar "explicacion operativa" (sin PII extra) y version de config.

Fases (MVP -> producción)

1. MVP: un tipo de documento + 5-10 campos
2. Piloto: agregar mas templates y excepciones
3. Produccion: automatizar ingestion + observabilidad + runbook

Riesgos y guardrails

• No confiar ciegamente: validar totales y consistencia siempre.
• Minimizar datos: solo lo necesario para extraer/validar.
• Versionado de cambios: prompts/modelos/config con release notes.
• Alertas por drift: si cambian formatos, suben los errores.
• Auditoria: registrar input hash, output y reglas aplicadas.

CTA

Si hoy tu equipo transcribe documentos, podemos medir rapidamente la viabilidad y construir un pipeline operable.

Coordinar evaluacion