Entrada de docs
escaneo + pdf
- alimenta
- OCR
Todos los casos de estudio
LLMRAGIA documental4 meses
Inteligencia documental (OCR, extracción, RAG)
Cada factura se leía y se tecleaba a mano. Ahora cuatro de cada cinco pasan sin que nadie las toque.
Procesamiento sin intervención
81%
Extracción enrutada por confianza
Antes
0%
Cada documento tecleado a mano
En términos claros
Qué es esto.
Sin jerga en esta sección. La descripción técnica está más abajo.
Qué estaba fallando
Contratos y facturas llegaban como escaneos de calidad muy desigual. El personal los leía y tecleaba los valores, lo que era lento, propenso a errores y no dejaba forma de demostrar de dónde salía cada cifra.
Qué construimos
Construimos una extracción que lee los documentos, indica su grado de confianza en cada valor y envía a una persona solo los dudosos, con cada valor enlazado al punto exacto de la página del que salió.
Qué cambió
Cuatro de cada cinco documentos pasan ahora sin que nadie los toque, el trabajo manual se limita a las excepciones reales y el cierre de mes ya no espera al papeleo. Cualquier cifra se puede rastrear hasta su página.
Arquitectura
Cómo encaja todo.
Recorra las etapas. Todo lo marcado como añadido es un componente que no existía antes de este proyecto.
OCR
con layout
- recibe de
- Entrada de docs
- alimenta
- Extracción · Índice RAGchunks
Extracción
47 campos
- recibe de
- OCR
- alimenta
- Cola de revisiónconf. baja
Índice RAG
citas
- recibe de
- OCRchunks
Cola de revisión
por confianza
- recibe de
- Extracciónconf. baja
- alimenta
- Sync con ERP
Sync con ERP
validado
- recibe de
- Cola de revisión
Entrada de docs
escaneo + pdf
- alimenta
- OCR
OCR
con layout
- recibe de
- Entrada de docs
- alimenta
- Extracción · Índice RAGchunks
Extracción
47 campos
Esto lo añadimos nosotros- recibe de
- OCR
- alimenta
- Cola de revisiónconf. baja
Índice RAG
citas
Esto lo añadimos nosotros- recibe de
- OCRchunks
Cola de revisión
por confianza
Esto lo añadimos nosotros- recibe de
- Extracciónconf. baja
- alimenta
- Sync con ERP
Sync con ERP
validado
- recibe de
- Cola de revisión
La descripción
Cómo se construiría.
Dataset, enfoque, métricas objetivo y stack. Escrito para quien tenga que revisarlo.
LLMRAGIA documental4 meses
Inteligencia documental (OCR, extracción, RAG)
Convertir PDFs en datos estructurados y conocimiento consultable con citas.
Problema
Contratos y facturas llegaban como escaneos de calidad variable. La entrada manual de datos era lenta y propensa a errores, y no había trazabilidad que vinculara un campo con la página de la que salió.
Dataset
- filas
- 840k páginas
- features
- 47 campos extraídos
- fuentes
- Escaneos, PDFs, adjuntos de e-mail
- ventana
- 30 meses
Enfoque
- 01OCR que conserva el layout para que la estructura de las tablas sobreviva a la extracción
- 02Extracción de campos con confianza por campo y procedencia a nivel de fragmento
- 03Índice RAG sobre el corpus para consultas en lenguaje natural con citas
- 04Cola de revisión enrutada por confianza, con las correcciones como retroalimentación
Métricas
- 96.8%
- precisión por campo +14.2pp
- 81%
- sin intervención sin intervención humana
- 0,07 $
- coste / doc. -1,90 $
- 100%
- cobertura de citas enlazado al fragmento
Evidencia
- fuente
- Diseño de referencia
- cifras
- Ilustrativo: valores típicos para este diseño
- medición
- No medido. Valores típicos para un diseño de referencia de este tipo, no observados en el sistema de un cliente.
- referencia
- No disponible para este proyecto
- última revisión
- 2026-08-25
Impacto en el negocio
- La entrada manual quedó reducida a la gestión de excepciones
- Cada valor extraído trazable hasta una página y un bounding box
- El cierre de mes ya no espera al procesamiento de documentos
Stack tecnológico
- Python
- Tesseract
- DocTR
- LayoutLM
- PostgreSQL
- Qdrant
- FastAPI
- Next.js
Siguiente paso
¿Necesita un sistema como este?
Responda seis preguntas y le diremos si este planteamiento encaja con su problema, también cuando no encaja.