Del documento al dato gobernado: así funciona Documents

Una factura que llega por correo, un contrato escaneado, un formulario rellenado a mano: la mayor parte de los datos operativos de una empresa nace en documentos. Y en la mayoría de las operaciones ahí se queda: alguien abre el PDF, busca el importe, lo teclea en otro sistema y archiva el original. El dato existe, pero nadie puede demostrar de dónde salió —y cuando un modelo hace ese trabajo por ti, la pregunta se vuelve urgente.

El módulo Documents de BiVelio ataca exactamente ese hueco: convierte documentos de negocio sin estructurar en datos validados, accionables y con evidencia, dentro de la operación gobernada del cliente. Este artículo recorre el pipeline completo —ingesta, OCR, extracción con evidencia, revisión humana y automatización gobernada— y se detiene en la decisión de diseño que lo sostiene: cada valor extraído debe poder rastrearse hasta el documento del que salió.

Qué es el módulo Documents

Documents es el módulo de BiVelio que convierte documentos de negocio sin estructurar —facturas, contratos, formularios, correo escaneado— en datos validados, con evidencia y accionables dentro de la operación gobernada del cliente.

No es "otro OCR". El OCR produce texto; una operación necesita datos: el importe de esta factura, la fecha de vencimiento de este contrato, el IBAN de este formulario — cada uno con su procedencia, listo para alimentar un caso o un flujo de trabajo. El pipeline de Documents tiene cuatro etapas, y las cuatro comparten un mismo principio: nada entra en la operación sin poder explicarse.

1. Ingesta y OCR, con el original conservado y versionado.
2. Extracción campo a campo, donde cada valor lleva evidencia y una señal de confianza.
3. Revisión humana de lo dudoso o conflictivo, con la evidencia delante.
4. Automatización gobernada: el dato validado alimenta casos y flujos bajo permisos, auditoría y puertas humanas.

Ingesta y OCR: el original se conserva y se versiona

Todo empieza con el documento tal cual llega. Documents lo ingiere y lo procesa con OCR en infraestructura controlada por BiVelio, y el original se conserva y se versiona: no se descarta después de extraer, no se sustituye por su transcripción.

Esa decisión no es un detalle de almacenamiento: es la base de todo lo demás. El original es la evidencia última. Cada afirmación que el sistema haga después —"el importe es este", "la fecha es esta"— tiene que poder señalarse sobre ese original. Si el documento cambia (una versión corregida, un anexo), el versionado mantiene la historia completa: qué se extrajo, de qué versión, y cuándo.

Extracción campo a campo, con evidencia

Aquí está el corazón del módulo. La extracción no devuelve un bloque de texto ni un JSON opaco: devuelve campos, y cada campo extraído lleva tres cosas:

• El valor ("1.240,00 €", "2026-09-30", un IBAN).
• Un localizador de evidencia: dónde salió del documento — la región o el fragmento del original que lo sustenta, señalable y verificable.
• Una señal de confianza: cuánto se fía el sistema de su propia lectura.

La puerta «value-in-OCR»: un modelo no puede inventarse un valor

Los modelos de lenguaje tienen un modo de fallo conocido: rellenar con seguridad lo que no está. Un extractor ingenuo aceptaría ese valor inventado si viene con confianza alta. Documents interpone un guardián: un valor que no pueda rastrearse hasta el texto reconocido por el OCR se rechaza. El modelo puede proponer; solo lo que existe en el documento puede entrar. Un valor inventado no se convierte en un dato de la operación: se convierte en un campo rechazado que, si hace falta, escala a una persona.

Por qué la evidencia gana a la confianza a secas

Un porcentaje de confianza, por sí solo, no es verificable: solo se puede creer o no creer. La evidencia cambia el trato por completo.

La consola de revisión humana

No todos los campos salen limpios, y el módulo está diseñado asumiéndolo. Los campos con confianza baja, los rechazados por la puerta value-in-OCR y los que entran en conflicto entre sí se encolan para revisión humana en una consola dedicada.

La revisión no es leer el documento entero otra vez. El revisor ve el valor extraído al lado de su evidencia —el fragmento del original que lo sustenta— y decide: confirmar, corregir o descartar. La corrección no se pierde en la consola: fluye de vuelta al registro del caso, de modo que la operación trabaja siempre con el dato corregido y la traza de quién lo corrigió.

Este es el mismo principio que desarrollamos en Human-in-the-loop: 5 componentes, no un botón de aprobar: la revisión humana no es un parche para cuando la IA falla, sino un principio de diseño. Documents no intenta esconder sus casos dudosos; está construido para que lleguen a una persona con todo lo necesario para decidir rápido.

Automatización gobernada: del dato validado al caso

Un dato validado que se queda en una tabla no vale nada. La cuarta etapa conecta la salida de Documents con la operación: los datos validados alimentan casos y flujos de trabajo, y lo hacen bajo las mismas reglas que gobiernan el resto de BiVelio — permisos sobre quién ve y usa qué, traza de auditoría de cada acción, y puertas humanas en los pasos críticos.

El resultado es que el dato nunca viaja solo: viaja con su evidencia y dentro de un marco de autoridad. Cómo se articula ese marco —qué capa recuerda, cuál diagnostica, cuál ejecuta— lo explicamos en Un solo agente falla: IA gobernada en 3 capas. En la web del producto, Documents aparece como solución de la plataforma y como corazón del caso de uso de gestión documental.

Límites: lo que Documents no resuelve solo

Un artículo honesto sobre extracción de documentos tiene que decir dónde termina la automatización. Hay documentos que siguen necesitando ojos humanos:

• Escritura a mano, donde el reconocimiento sigue siendo poco fiable.
• Escaneos pobres: baja resolución, manchas, páginas torcidas.
• Maquetaciones ambiguas, donde ni siquiera está claro qué celda pertenece a qué concepto.
• Campos genuinamente ambiguos: cuando el propio documento admite dos lecturas, ningún extractor debería elegir por ti.

La diferencia no es que Documents evite estos casos: es que está diseñado para que exactamente estos casos lleguen a una persona, con la evidencia delante, en lugar de convertirse en datos silenciosamente erróneos. Un sistema que lo automatiza todo esconde sus fallos; un sistema gobernado los enruta.

FAQ

¿Documents elimina la revisión humana?

No, y no lo pretende. Reduce la revisión a los campos que la necesitan —baja confianza, conflicto, valores rechazados por la puerta value-in-OCR— y hace que esa revisión sea rápida: el valor y su evidencia, lado a lado. El human-in-the-loop es un principio de diseño del módulo, no un plan B.

¿Qué significa que un valor "lleva evidencia"?

Que además del valor extraído, el sistema guarda un localizador que apunta a la región o el fragmento del documento original de donde salió, junto a una señal de confianza. Cualquiera con permiso puede abrir esa evidencia y comprobar el valor sobre el original, sin reprocesar nada.

¿Qué pasa con un documento manuscrito o un escaneo malo?

Que llega a una persona. La escritura a mano, los escaneos pobres y las maquetaciones ambiguas siguen siendo territorio de revisión humana, y el módulo está diseñado para encolar exactamente esos casos en la consola en lugar de producir datos erróneos en silencio.

¿Dónde se procesa el OCR y qué pasa con el original?

La ingesta y el OCR corren en infraestructura controlada por BiVelio, y el documento original se conserva y se versiona: no se descarta tras la extracción. El original es la evidencia última a la que apunta todo lo demás.

¿Cómo se conecta Documents con el resto de la operación?

Los datos validados alimentan casos y flujos de trabajo bajo permisos, traza de auditoría y puertas humanas en los pasos críticos — el mismo marco de gobierno del resto de la plataforma. La arquitectura completa está en Un solo agente falla: IA gobernada en 3 capas.