IA y automatización
Cómo extraer datos de partes de trabajo con IA y revisarlos antes de guardarlos
Prepara la extracción de datos de partes de trabajo con IA: campos definidos, valores pendientes, referencias al original y revisión antes de guardar.
Recibes partes de trabajo en PDF, escaneados o fotografiados y alguien copia sus datos al programa de gestión. La IA puede ayudar a preparar ese registro, pero necesitas resolver qué ocurre con una fecha tachada, una referencia incompleta o una tarea escrita al margen. Esta guía propone cómo definir una extracción revisable, usando como ejemplo partes de mantenimiento. El objetivo es que cada dato tenga un significado acordado y pueda comprobarse en su documento de origen.
1. Define los campos con quien utiliza el parte
Empieza por el registro que necesita el equipo: referencia del parte, fecha de intervención, equipo atendido, tareas realizadas y observaciones, por ejemplo. Para cada campo, escribe qué significa, dónde suele aparecer y si resulta imprescindible para continuar. Distingue la fecha del trabajo de la fecha de emisión del documento.
Anota también qué información debe quedar fuera. Una firma puede acreditar una conformidad dentro de vuestro proceso, pero no hace falta convertirla en un campo extraído si el registro solo necesita identificar la intervención. Selecciona los datos según su utilidad.
Revisa el diccionario con administración y con quien cumplimenta los partes. Si ambos interpretan un campo de manera distinta, resuelve esa diferencia antes de configurar la extracción.
2. Comprueba cómo se lee el documento de entrada
Reúne ejemplos de los formatos que recibís, preparados sin datos personales innecesarios. Incluye un PDF digital, una copia escaneada y una fotografía si forman parte del trabajo habitual. Conserva el archivo original y comprueba que las páginas pertenecen al mismo parte.
El reconocimiento óptico de caracteres, u OCR, permite extraer texto impreso o manuscrito. Microsoft distingue esa lectura del análisis de tablas y estructura en Document Intelligence: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/overview?view=doc-intel-4.0.0. Leer caracteres y asignarlos al campo correcto requieren comprobaciones diferentes.
Pide ver el texto obtenido junto a la página. Si una fotografía corta la referencia o deja borrosa una anotación, solicita una copia mejor. Conserva identificado el archivo sustituido para evitar mezclar sus resultados con la nueva extracción.
3. Acuerda qué hacer cuando un valor falta o resulta dudoso
Define estados separados para un campo ausente, ilegible o ambiguo. Una casilla vacía y una fecha que admite varias interpretaciones necesitan respuestas distintas. El registro debe conservar el motivo por el que un dato queda pendiente, además del espacio sin completar.
Si incorporas un modelo generativo, pide expresamente que extraiga solo información presente y que no complete huecos por contexto. Esa instrucción debe acompañarse de controles: comprueba ejemplos con datos ausentes y revisa que no aparezcan valores inventados.
En una referencia de equipo, no sustituyas un carácter dudoso porque otro código resulte más familiar. Guarda la transcripción propuesta y deriva la duda a quien pueda resolverla. La extracción debe permitir reconocer sus límites.
4. Relaciona cada campo con su lugar en el original
Pide que cada valor mantenga una referencia al archivo, la página y el fragmento que lo respalda. La persona revisora debería poder abrir esa zona desde el campo propuesto. Así podrá distinguir una lectura equivocada de un dato asociado a otra intervención.
Microsoft documenta respuestas de análisis que incluyen referencias a fragmentos del texto y regiones de página: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept/analyze-document-response?view=doc-intel-4.0.0. Confirma qué referencias devuelve la herramienta elegida y cómo se mostrarán al equipo.
La ilustración interior representa esa relación con un campo resaltado y su copia conectada. En vuestro sistema, pide una demostración con un parte de varias páginas: la referencia debe llevar al pasaje concreto, no simplemente abrir el documento por el principio.
5. Separa la transcripción de los cambios de formato
Conserva el valor leído y, por separado, la versión preparada para el programa de gestión. Una fecha puede necesitar otro formato; una referencia debe conservar sus ceros iniciales. Documenta cada transformación para poder explicar por qué el dato guardado tiene una presentación diferente.
Acuerda cómo tratar unidades y duraciones. Si el parte distingue desplazamiento y trabajo, mantén esa separación. No sumes columnas ni conviertas una observación en una tarea realizada sin una regla aprobada por el responsable del proceso.
Presta atención a las tablas: comprueba que cada descripción conserva su cantidad y su unidad, también cuando continúa en otra página. Un texto bien transcrito puede acabar en una fila equivocada. Revisa esas relaciones antes de aceptar el registro.
6. Diseña una revisión que permita resolver la duda
Prepara una vista con el campo propuesto, el original y el motivo de revisión. Decide quién confirma referencias, quién aclara tareas y quién pide una nueva copia. Una cola de pendientes necesita responsables que puedan cerrar cada incidencia.
Algunas herramientas ofrecen señales de confianza. Microsoft explica su uso para orientar la revisión humana y advierte de que no todos los campos las devuelven: https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept/accuracy-confidence?view=doc-intel-4.0.0. No equipares esa señal del servicio con una valoración que el modelo redacte sobre su propia respuesta.
Como criterio de trabajo, revisa siempre los campos que identifican el equipo y la intervención al comenzar. Ajusta después las reglas con errores observados y ejemplos corregidos. Evita fijar un umbral genérico que oculte una asociación incorrecta.
7. Guarda una versión aprobada y conserva su recorrido
Distingue el registro propuesto del aprobado. Comprueba con quien configura la integración qué campos recibe el destino y cómo representa los valores pendientes. Si la referencia obligatoria sigue sin resolverse, deja el parte pendiente en lugar de crear una intervención aparentemente completa.
Cuando una persona corrija un dato, registra el valor aceptado, quién lo revisó y su vínculo con la fuente. Si llega una copia corregida del parte, identifica que sustituye a la anterior y evita importar ambas como trabajos independientes.
En Crecimiento Digital preparamos automatizaciones para empresas de toda España. Para definir una extracción documental, reúne formatos representativos, el diccionario de campos y las dudas que hoy resuelve el equipo. Esa base permite concretar qué debe entregar la solución y cómo se aprobará cada registro.
Lista de revisión para extraer datos de partes de trabajo
- Cada campo tiene un significado acordado y un destino definido.
- El original está identificado y todas sus páginas son legibles.
- Ausencia, ilegibilidad y ambigüedad tienen estados diferenciados.
- Los valores propuestos permiten localizar el fragmento de origen.
- La transcripción se conserva separada de los cambios de formato.
- Las tablas mantienen la relación entre descripción, cantidad y unidad.
- Las dudas tienen responsables y las correcciones quedan registradas.
- Solo se guarda como aprobado un registro con los campos necesarios resueltos.
Si estás preparando una nueva web, puedes conocer cómo planteamos el diseño y desarrollo web para empresas o explorar nuestros proyectos.
Volver al blog