El OCR (reconocimiento óptico de caracteres) y los modelos de lenguaje pueden asistir la lectura y organización de balances, recibos de sueldo y constancias tributarias. Para incorporarlos a una operación, hay que definir qué datos extraer, cómo verificarlos y qué debe revisar una persona.
La calidad del documento, las reglas de validación y el tratamiento de las excepciones condicionan el resultado. Conviene probar el circuito con documentos representativos antes de acordar tiempos o niveles de automatización.
Esta guía cubre qué funciona, qué no, y cómo armar un circuito de validación documental que realmente sirva en 2026 para originar crédito, onboarding de clientes o cumplimiento regulatorio.
Qué entendemos por validación documental asistida por IA
La validación documental asistida no es una sola tecnología. Es un circuito de cuatro pasos donde la IA interviene en distintos momentos:
- Captura e ingesta: el documento llega (PDF, JPG, escaneo) y se normaliza. Se corrige orientación, se detecta calidad, se separa multipágina.
- Extracción (OCR): se leen los datos necesarios, como nombre, CUIT, montos y fechas. Detectar una firma no equivale a verificar su autenticidad.
- Validación: se revisan los datos con las fuentes y reglas acordadas para el proceso.
- Resultado y revisión: se registran las diferencias y se derivan las excepciones al responsable definido. La decisión de negocio queda en el cliente.
El error más frecuente es pensar en OCR como sinónimo del circuito entero. El OCR es solo el paso 2. El valor real está en cómo se conectan los cuatro pasos.
Antes de mirar el OCR, conviene mirar si hay reglas claras sobre qué escalar al humano. Sin una política de excepciones, la mejor tecnología de extracción no alcanza.
Qué documentos se automatizan bien en Argentina
No todos los documentos presentan la misma dificultad. La calidad de la imagen, el formato y el tipo de dato ayudan a decidir qué probar primero y dónde reforzar la revisión.
Documentos con formatos más estructurados
- DNI argentino (frente y dorso): campos identificables que requieren comprobar legibilidad y correspondencia entre ambos lados.
- Constancia de CUIT de AFIP/ARCA: layout estable, datos estructurados.
- Recibos de sueldo digitales: cuando vienen en PDF nativo (no escaneados) y el empleador no es muy chico.
- Comprobantes de servicios (Edenor, Metrogas, Aysa, etc.): layout conocido, datos de domicilio extractables.
- Certificados de inscripción en IIBB y monotributo.
Documentos donde la precisión cae y hay que vigilar
- Recibos de sueldo escaneados desde papel: calidad variable, sellos que tapan datos, firmas manuscritas.
- Balances contables: cada estudio contable tiene su plantilla. Los modelos aprenden, pero los anexos siguen siendo terreno hostil.
- Estatutos y actas de SRL/SA: texto corrido, cláusulas que hay que interpretar, no solo extraer.
- Cartas de recomendación comercial: formato libre, útil para contexto pero nunca como prueba dura.
Documentos que siguen siendo trabajo humano
- Escrituras y boletos de compraventa: la estructura jurídica exige lectura experta.
- Balances de empresas muy chicas o con irregularidades: el modelo extrae bien los números, pero no detecta las señales que ve un analista con oficio.
- Documentación extranjera sin apostillar: validación fuera del scope de la IA.
Qué errores conviene prever
Estos son tres puntos para incluir en las pruebas y en las reglas de revisión:
1. Alucinaciones en campos semánticos
Un documento dañado o incompleto puede producir una lectura incorrecta con apariencia válida. Conviene permitir el resultado "no detectado", conservar el documento original y definir qué campos deben pasar a revisión humana. Si el motor ofrece un indicador de confianza, hay que comprobar su utilidad con casos representativos.
2. Falsa sensación de validación
Leer un CUIT no confirma que corresponda a la persona o empresa del legajo. Los controles de identidad, vigencia o antecedentes deben definirse por separado, con las fuentes y autorizaciones que correspondan al proceso.
3. Documentos adulterados
La extracción de texto no acredita la autenticidad del documento. Las inconsistencias y los indicios de adulteración requieren controles específicos y revisión según la política del cliente. No conviene presentar una lectura exitosa como prueba de veracidad.
Toda excepción, toda confianza baja, todo cruce fallido con fuente oficial debe tener un analista humano definido que la resuelva en un SLA medible. Sin esa pieza, el pipeline se convierte en un generador silencioso de riesgo.
Definir las fuentes y dejar registro
Las fuentes necesarias dependen de la operación y de los controles definidos por el cliente. El circuito debe dejar claro qué se consultó, cuándo y con qué resultado. Esta lista orienta la conversación; no sustituye la revisión de los requisitos aplicables a cada entidad.
- Identificación: correspondencia entre los datos declarados, el documento y las fuentes habilitadas.
- Información tributaria: constancias y datos que el proceso requiera verificar.
- Antecedentes: consultas acordadas para la evaluación, con registro del origen de la información.
- Controles de cumplimiento: criterios definidos por los responsables de la entidad.
- Excepciones: qué hacer si una fuente no responde o la información no coincide.
Las consultas pueden integrarse cuando la fuente y los permisos lo permiten. Cuando una comprobación requiere intervención humana, también debe tener un responsable y quedar registrada en el caso.
Cómo acordar los tiempos de cada legajo
No hay un tiempo único que sirva para todos los legajos. Antes de acordar plazos, conviene medir el circuito con una muestra representativa y separar:
- Lectura y carga: cantidad de documentos, formatos y calidad de la información recibida.
- Controles: verificaciones necesarias y disponibilidad de las fuentes.
- Excepciones: faltantes, diferencias y consultas que necesitan revisión o una respuesta externa.
El seguimiento debe permitir distinguir el tiempo de trabajo del tiempo de espera. La trazabilidad ayuda a revisar cómo se resolvió cada caso y dónde conviene mejorar, sin prometer una duración universal.
Checklist: cómo evaluar un proceso de validación documental
Los 10 puntos que un circuito serio debe cumplir
- Se definió qué campos verificar y cuándo revisar una extracción dudosa.
- Hay política escrita de qué se escala a humano y bajo qué criterios.
- Las fuentes, los permisos y la forma de realizar cada consulta están acordados.
- Se conservan los documentos y las versiones necesarias para revisar el caso.
- Cada intervención humana queda trazada: quién, cuándo, qué cambió.
- El SLA de excepciones está definido y se mide semanalmente.
- Hay controles de calidad sobre los resultados del proceso.
- El circuito detecta reingresos del mismo solicitante y los consolida.
- Se documentan las tasas de falsos positivos y negativos por tipo de documento.
- Hay un plan de rollback si el modelo degrada performance en producción.
La lista sirve para identificar qué falta definir antes de ampliar el uso de la herramienta. Cada punto debe adaptarse al alcance y a los controles de la operación.
Cómo lo resolvemos en éxodo bpo
Usamos tecnología para asistir el trabajo repetitivo y darle al equipo más espacio para revisar y aplicar criterio. Acordamos con cada cliente qué tareas se automatizan, cuáles requieren intervención y cómo se deja constancia del trabajo. La decisión de negocio sigue de su lado.
OCR Data Extractor se usa internamente para asistir la lectura, clasificación y extracción de datos, con revisión humana. Su comercialización como producto independiente es próxima. Hoy forma parte de nuestras herramientas propias para mejorar los procesos que nos delegan. En análisis de riesgo, trabajamos con los criterios, controles y plazos acordados para cada operación.
Si estás evaluando automatizar validación documental o querés una segunda opinión sobre un proceso existente, el primer paso es mirar tu circuito actual con ojos de ingeniería operativa. No hace falta tirar nada: muchas veces la mejora más grande es simplemente cerrar lo que está abierto.