Buena parte de la información que mueve una operación no vive en tablas ordenadas. Llega como facturas en PDF, guías de despacho firmadas y fotografiadas, fotos que el técnico envía desde terreno, notas de voz del vendedor después de una reunión o formularios escaneados.
Durante años, convertir todo eso en datos útiles significó una persona leyendo y digitando. Los modelos de IA multimodales cambian esa ecuación, y vale la pena entender bien qué pueden hacer y qué no.
Qué significa “multimodal” hoy
Un modelo multimodal acepta como entrada no solo texto, sino también imágenes y documentos. Puede “mirar” una factura escaneada, una foto de un tablero eléctrico o una página de un contrato y razonar sobre lo que ve. El audio, por su parte, se procesa con modelos de transcripción o, en algunos casos, directamente por modelos que lo aceptan como entrada.
Lo que hace esto realmente útil para una empresa es que la salida puede ser estructurada. En lugar de una descripción en prosa, le pides al modelo que devuelva campos definidos: RUT del emisor, fecha, monto neto, IVA, total, líneas de detalle. Esos campos se pueden validar y cargar en tu sistema.
Casos concretos en una operación
- Facturas de proveedores: extraer emisor, montos y líneas de detalle, y dejarlas listas para contabilidad o para cruzarlas con la orden de compra.
- Guías de despacho firmadas: confirmar que el documento tiene firma y fecha, y registrar la entrega.
- Fotos de terreno: verificar que una instalación cumple un checklist visual, registrar el estado de un equipo o documentar daños.
- Notas de voz: transcribir lo que el vendedor cuenta después de una visita y convertirlo en un registro en el CRM con los próximos pasos.
- Formularios en papel: digitalizar solicitudes, encuestas o fichas que todavía se completan a mano.
- Contratos y documentos largos: identificar cláusulas clave, plazos y montos para revisión.
Por qué no es simplemente OCR
El reconocimiento óptico de caracteres (OCR) existe hace décadas. Lee letras y números, pero no entiende el documento. Para extraer el total de una factura con OCR tradicional, normalmente necesitas una plantilla por cada formato de proveedor, y cuando el proveedor cambia su diseño, la plantilla se rompe.
Un modelo multimodal entiende la estructura: sabe que el número grande al final junto a “Total” probablemente es el total, aunque cada proveedor lo ubique en un lugar distinto. También puede responder preguntas que requieren criterio, como si un documento es una factura o una nota de crédito, o si la foto muestra el equipo correcto.
Eso no significa que el OCR haya muerto. Para documentos muy uniformes y en grandes volúmenes, puede seguir siendo más barato y rápido. Muchas soluciones combinan ambos.
Cómo se arma un flujo confiable
El modelo es una pieza. La confiabilidad viene del flujo completo:
- Entrada: el documento llega por correo, WhatsApp, una carpeta compartida o un formulario.
- Clasificación: se identifica qué tipo de documento es.
- Extracción con esquema: el modelo devuelve los campos definidos para ese tipo de documento, y deja vacío lo que no encuentra en vez de inventarlo.
- Validación con reglas: se comprueba lo que se puede comprobar.
- Revisión humana selectiva: los casos dudosos o que fallan la validación van a una persona; el resto pasa directo.
- Carga al sistema: ERP, planilla, CRM o el sistema que uses.
- Registro: qué se extrajo, qué se corrigió y quién lo aprobó.
Validar con reglas, no con fe
Muchos errores se detectan sin IA. El RUT tiene un dígito verificador que se puede calcular. El neto más el IVA debe dar el total. La suma de las líneas debe coincidir con el neto. El proveedor debe existir en tu maestro y la orden de compra referenciada debe estar abierta. Cada una de estas reglas filtra errores antes de que lleguen a tu contabilidad.
Este tipo de flujo, conectado a las herramientas que tu equipo ya usa, es lo que construimos en Automatización de procesos.
Límites que conviene conocer
- Calidad de la imagen: fotos borrosas, con reflejos o recortadas reducen la precisión. A veces la mejor mejora es una instrucción simple para quien toma la foto.
- Escritura a mano: los modelos actuales la leen razonablemente bien, pero con más errores que el texto impreso.
- Campos que no existen: si no se instruye bien, un modelo puede “completar” un dato faltante con algo plausible. El esquema y las validaciones existen justamente para eso.
- Datos personales: los documentos suelen contener RUT, direcciones o datos de salud. Hay que definir dónde se procesan, cuánto tiempo se guardan y quién tiene acceso.
- Costo por página: procesar imágenes consume más que procesar texto. En volúmenes altos, conviene elegir el modelo adecuado para cada tipo de documento.
Por dónde empezar
El mejor primer proyecto cumple tres condiciones: un tipo de documento con volumen constante, un proceso manual que hoy consume horas visibles y un resultado fácil de verificar.
- Elige ese tipo de documento y mide cuánto tiempo toma hoy procesarlo.
- Reúne una muestra de documentos reales, incluyendo los difíciles: mal escaneados, de proveedores con formatos raros, con errores.
- Compara lo que extrae la IA con lo que registraría una persona, campo por campo.
- Define el umbral: qué casos pasan directo y cuáles van a revisión.
- Pon el flujo en marcha con revisión completa al inicio y ve reduciéndola a medida que los datos te den confianza.
Si los documentos ya llegan a un sistema propio o a tu sitio, la extracción puede vivir dentro de esa misma plataforma: es el tipo de trabajo que hacemos en IA integrada.
La promesa realista no es eliminar a las personas del proceso, sino que dejen de digitar y pasen a revisar solo lo que realmente requiere criterio.
