Procesamiento inteligente de documentos (IDP)

El procesamiento inteligente de documentos (IDP), del inglés Intelligent Document Processing, es un conjunto de tecnologías que transforma documentos no estructurados (facturas, remitos, órdenes de compra, contratos, formularios escaneados) en datos estructurados que un sistema puede leer, validar y procesar de forma automática. A diferencia del escaneo tradicional, el IDP no se limita a "fotografiar" el documento: lo entiende, identifica qué tipo de documento es, dónde está cada dato y si esa información es coherente.

El IDP combina varias capas: reconocimiento óptico de caracteres (OCR) para leer el texto, clasificación de documentos para saber con qué tipo de pieza está tratando, extracción de datos para sacar los campos clave y validación documental para confirmar que esos datos cumplen las reglas del negocio. Sobre los documentos financieros y administrativos, el IDP es parte del motor que automatiza Arconte.

Lo que distingue al IDP moderno de los lectores de plantillas de hace una década es el uso de aprendizaje automático e IA: ya no necesitás definir a mano la posición exacta de cada campo. El modelo aprende a reconocer un "número de factura" o un "CUIT" aunque cambie el formato del proveedor, lo que vuelve la solución escalable a cientos de formatos distintos sin reconfigurar nada cada vez.

Por qué importa el IDP en una operación real

En cualquier empresa mediana o grande, una porción enorme de la información crítica vive en documentos: la factura del proveedor que hay que pagar, el remito que confirma una entrega, el contrato que fija las condiciones, el comprobante de retención que afecta la conciliación impositiva. Históricamente, una persona leía cada documento y tipeaba los datos a mano en el ERP o el sistema contable. Ese trabajo es lento, propenso a errores y se vuelve un cuello de botella cuando el volumen crece. El procesamiento inteligente de documentos ataca exactamente ese problema: automatiza la lectura, la interpretación y la carga, dejando a las personas solo las excepciones que de verdad requieren criterio humano.

Cómo funciona, paso a paso

Un flujo de IDP típico atraviesa cinco etapas encadenadas:

1. Captura e ingesta: el documento entra al sistema desde un correo, un escáner, una carpeta compartida, una API o una foto tomada con el celular. Acá se normaliza la imagen (se endereza, se mejora el contraste, se separan páginas).
2. Clasificación: el sistema determina qué tipo de documento es (factura A, remito, nota de crédito, orden de compra) usando clasificación de documentos. Esto define qué campos hay que buscar.
3. Extracción: se identifican y se leen los campos relevantes (proveedor, CUIT, número, fecha, importe, alícuota de IVA, ítems) mediante OCR sobre el texto y modelos de extracción de datos que entienden la semántica, no solo la posición.
4. Validación: los datos extraídos se contrastan contra reglas de negocio y fuentes externas (¿el CUIT existe?, ¿el total cierra con la suma de ítems?, ¿la orden de compra está aprobada?). Es la etapa de validación documental, que muchas veces incluye un three-way match entre factura, orden de compra y recepción.
5. Integración y excepciones: los documentos que pasan todas las validaciones se cargan solos al sistema destino; los que fallan se derivan a una persona para revisión, lo que se conoce como human-in-the-loop.

El salto que trajo la IA generativa

Hasta hace poco, el IDP dependía de modelos entrenados específicamente para cada tipo de documento y campo. Con la llegada de la IA generativa y los modelos de lenguaje grandes (LLM), apareció una capacidad nueva: podés pedirle al modelo "extraé el importe total y la fecha de vencimiento de esta factura" en lenguaje natural, sin entrenar nada a mano, y funciona incluso con documentos que nunca vio antes. Esto bajó drásticamente el costo de arrancar un proyecto de IDP. La contracara es que esos modelos pueden alucinar (inventar un dato que parece plausible), por lo que la capa de validación y el control humano siguen siendo imprescindibles en documentos financieros donde un error de un dígito tiene consecuencias reales.

Ejemplo concreto en Argentina

Pensá en una distribuidora de Buenos Aires que recibe 1.500 facturas de proveedores por mes, cada una con un formato distinto. Sin IDP, dos personas del área de cuentas a pagar tardan toda la jornada cargando comprobantes y conciliando. Con procesamiento inteligente de documentos, el sistema lee cada factura que llega por mail, reconoce el CUIT, el punto de venta, el número, el importe neto, el IVA discriminado y los ítems; valida que el CUIT esté en el padrón, que el total cierre y que exista una orden de compra aprobada; y carga automáticamente las que cumplen todo. Las personas pasan de tipear a revisar solo el 10% que tiene alguna inconsistencia, y el cierre contable que antes llevaba días se acelera de forma notable.

Errores comunes al implementar IDP

• Esperar 100% de automatización desde el día uno. Siempre hay un porcentaje de excepciones; el objetivo realista es automatizar la mayoría y manejar bien el resto.
• Saltearse la validación. Extraer datos sin contrastarlos contra reglas de negocio es replicar errores más rápido. La validación es lo que vuelve confiable al IDP.
• Confundir IDP con RPA. El RPA automatiza clics y tareas repetitivas en pantallas; el IDP entiende el contenido de un documento. Suelen usarse juntos, pero no son lo mismo.
• No medir. Sin métricas de tasa de extracción correcta y porcentaje de excepciones, no sabés si la solución mejora o empeora.

IDP frente a OCR tradicional

La confusión más frecuente es asumir que IDP y OCR son sinónimos. El OCR es una pieza dentro del IDP, no su equivalente. Esta tabla resume las diferencias:

En la práctica, el IDP usa OCR para la lectura inicial y le agrega encima las capas de inteligencia (clasificación, extracción semántica, validación) que convierten un montón de texto en información accionable. Por eso, cuando una empresa dice que quiere "digitalizar documentos", lo que casi siempre necesita es IDP, no solo un escáner con OCR.