Pasar cientos de PDF y documentos a una sola tabla: ¿a mano o con inteligencia artificial?

En muchas empresas la información no está en tablas, sino en carpetas: facturas, certificados, fichas técnicas, contratos. Un día hace falta reunir esa información en una sola tabla, para una auditoría, un inventario o una simple pregunta como "¿de qué proveedor caduca el certificado?". En ese momento hay dos caminos: abrir los documentos uno a uno y pasarlos a mano, o dejar que la inteligencia artificial los lea.

El coste real de hacerlo a mano

Pasar datos a mano parece sencillo: abrir el documento, encontrar el campo, escribirlo en la tabla. La dificultad aparece a medida que el trabajo se repite. Cuando los documentos no tienen el mismo formato, el dato buscado cambia de sitio en cada uno; en un proveedor la fecha está arriba a la derecha y en otro, en la última página. Con el cansancio aumentan las filas saltadas, las cifras mal escritas y los errores de copia. Además, el trabajo no termina una sola vez: cada vez que llega un documento nuevo hay que volver a actualizar la tabla.

¿Qué hace la inteligencia artificial en este trabajo?

Una herramienta basada en inteligencia artificial lee los documentos; normalmente da igual que sean PDF o estén escaneados. Encuentra los campos solicitados también en documentos con formatos distintos y escribe cada documento como una fila de la tabla. Marca los campos de los que no está segura, de modo que queda claro qué hay que revisar. En la página Del documento a la tabla explicamos cómo funciona una herramienta de este tipo.

La principal ventaja de este enfoque no es tanto la velocidad como la coherencia: cada documento se lee con la misma regla y se escribe en las mismas columnas. Los documentos nuevos se añaden a la misma tabla; la tabla deja de ser un trabajo puntual y se convierte en un registro que se mantiene actualizado.

¿Dónde hay que prestar atención?

Leer documentos con inteligencia artificial no elimina la revisión, sino que la cambia de lugar. Los principales puntos a tener en cuenta:

• Campos dudosos. Un escaneo ilegible, la escritura a mano o un formato poco habitual aumentan la probabilidad de error. La herramienta debe marcar estos campos y una persona debe revisarlos.
• Revisión por muestreo. En la primera ejecución, conviene comparar uno a uno con la tabla varios documentos elegidos al azar; así se ve si la regla está bien planteada.
• Definición de los campos. ¿Qué fecha es la "fecha": la de emisión o la de validez? Si las columnas no se definen claramente desde el principio, tanto la herramienta como las personas escribirán cosas distintas.
• Riesgo de invención. La información que no está en el documento no debe rellenarse por suposición; un campo vacío debe quedar vacío y marcado. Tratamos este riesgo en el artículo qué pasa si la inteligencia artificial se inventa algo.

¿Cuándo tiene sentido seguir a mano?

No todo trabajo con documentos es apto para la automatización. Si hay pocos documentos, el trabajo es puntual y todos tienen el mismo formato, pasarlos a mano puede seguir siendo el camino más corto. Si el tiempo de configuración y revisión supera al del trabajo manual, la automatización no tiene sentido. En cambio, si los documentos se cuentan por cientos, los formatos son distintos y llegan documentos nuevos con regularidad, seguir a mano significa repetir el mismo esfuerzo cada mes.

Qué preparar antes de empezar

• Qué columnas tendrá la tabla y la definición de cada una.
• Algunos ejemplos de cada tipo de documento.
• Dónde están los documentos y de dónde llegarán los nuevos.
• Quién se encargará de la revisión.

Si, una vez lista la tabla, hay que pasar estos datos a un sistema, explicamos cómo hacerlo en el artículo cargar una lista de Excel en un sistema de forma masiva.

Preguntas frecuentes

¿Se pueden leer también los PDF escaneados (imagen)?

Por lo general, sí. Cuanto peor es la calidad del escaneo, mayor es la probabilidad de error; por eso la herramienta debe marcar los campos de los que no está segura y una persona debe revisarlos.

¿Se puede confiar directamente en la tabla generada con inteligencia artificial?

No sin revisión. En la primera ejecución debe hacerse una revisión por muestreo y los campos dudosos marcados deben examinarse uno a uno. La revisión no desaparece, pero se centra solo en los campos dudosos en lugar de en todos los documentos.

¿A partir de cuántos documentos tiene sentido automatizar?

No hay una cifra exacta. Se valoran en conjunto el número de documentos, cuánto difieren sus formatos y con qué frecuencia llegan documentos nuevos. Si el trabajo es puntual y hay pocos documentos, pasarlos a mano puede ser más rápido.